随着人工智能和大语言模型（LLM）的飞速发展，对话式用户界面（LUI）正逐渐崭露头角，成为未来产品设计的重要趋势。本文作为“LUI系列”的第三篇，深入探讨了LUI落地的三阶演化路径、产品设计中面临的挑战以及未来的产品方法论。

LUI系列文章：

第一篇介绍了什么是LUI、LUI的本质特征和优势。

第二篇介绍了LUI与GUI（图形交互）的关系，以及未来什么样的APP会留存。

本篇是LUI系列的最后一篇，我会介绍LUI落地的一些可能的路径、方法、产品形态以及LUI时代的一些产品方法论。

LUI落地的三阶演化路径

LUI的落地可以分为三个阶段，第一阶段是在现有的软件中在用户使的用过程中尝试加入LUI。（本人理解：LUI以助手的形式作为现有功能的第二入口，融入到某些已经比较成熟且高频的场景中，比如，电商平台的智能导购助手、订票平台的助手，siri）。LUI学习曲线陡峭，依赖用户主动性，GUI限制多但路径明确。在第一阶段，产品经理需要根据用户场景平衡采用GUI和LUI。

第二阶段是LUI与GUI的混合式UI，本质上是怎么在API之间形成直接的链接。用户的输入如果有太多的选择、有太多分岔的东西，可能通过GUI选择。比如用户说推荐一下周边的餐馆，但是有7个选择，无论你通过文字展示还是读给我听，都很麻烦，形成一个界面点击一下是最高效的。这个混合的阶段，或许需要对意图的复杂程度进行一个拆解分流。

那么，什么情况下用默认 GUI，什么情况下用 LUI？ 高频且用户需求已经很明确、用现有的app已经能够很好解决的需求，默认用app/GUI；低频长尾、用户需求模糊的场景，更适合用LUI。

第三阶段是纯LUI阶段。这一阶段的样貌大家都还不是很清晰，但有几个问题是我们产品经理应该持续去思考的： ChatGPT之后，我们有一种倾向，就是把所有UI都设计成对话。 LUI的一个前提基础：各个API接口规范化通用化（包括参数、接口描述）。 其实现在很多时候并不是没有场景也并不是没有LUI的用武之地，比如我日常中使用飞书，想让 AI 帮我阅读、总结各个群聊的聊天记录。这里面最难的部分不在于调用大模型来理解这些内容，而在于如何将消息流接入，以及将这些信息存储在哪里。这些基础的工作占据了 90% 的工作量，而在大模型那一侧，它只是需要一些 Prompt 而已。Agent将「信息互联网」变成「行动互联网」，塑造智能时代应用挑战不在基础技术，而是提供用户服务的公司，是否愿意开放API（API工作量占90%，LLM只需些prompt而已）。

对产品设计者的挑战/要求，以及一些未来产品方法论

不要被Chatbot思维定式

对话式UI给我们提供的是灵活性（flexibility），我们可以在其之上，用其他的UI来提高直觉性（intuitive）和易用性（easy to use），不要企图用一个对话框解决所有问题。 ChatGPT之后，我们有一种倾向，就是把所有UI都设计成对话。首先，不要局限在ChatGPT模式上，因为ChatGPT的对话，和现实中对话相比有一个显著不同，就是缺乏上下文。这就导致对话时其实要把所有信息（背景、偏好、前情提要）都塞进来。真实设计时，哪怕我们仍然以对话为UI，也应该把更多上下文信息包含进去，比如用户正在什么软件里，打开了什么文档，鼠标在哪里，选择了什么等等。

一个好的对话式界面应该包含这几个要素：在 workspace 里有 agent（能感知上下文）、充分利用丰富的共有上下文（最好是不用我说话，就能知道我啥意思）、有一个让人愉悦的路径引导（不要指望用户对着白纸搞清楚怎么用，能一步步引导用户掌握玩法）、搞不定了，总有对话框可以兜底（类似于智能客话里的“我要转人工”）、把交互闭环掉，加快迭代进化（这也是应用积累壁垒的一种可能性）。

对于我们产品设计者，以下几个问题，是我们必须持续思考攻坚的：

1. 交互模式：什么情况下用默认GUI，什么情况下用LUI，什么时候生成一个一次性的GUI给用户？

2. 能力设计：如何解耦后台的能力，让LLM可以随时把能力拆解、重组形成一次性专业方案？

3. 意图规范：用户如何与LLM交互来逐步清晰表达意图？

4. 数据提取：如何识别模糊的意图，提取相应的、合适的数据来支持用户任务的完成？

5. 用户赋能：什么时候应该用copilot辅助用户，什么时候应该是agent直接帮忙搞定，什么时候应该是为用户生成专属GUI方便用户自己搞？

写在最后

作为新旧交替、变革洪流中的产品经理，应该结合这几年产品经理积累的行业konw-how，结合对LLM能力边界的认知，一点一点打开想象力，去打造未来的LUI产品。同时，也要不断去思考GUI时代没有被解决的很好的问题，在LUI时代是否还存在、会被怎样解决。