What 什么是意图设计
在人工智能领域，意图通常被定义为用户希望达成的目标，如查询天气情况、办理银行业务、预约服务等。这些意图并不总是直接表达出来，而是隐含在用户的言行之中。
在不同的领域和维度，意图也有不同的分类，如按照用户意图清晰度可分成意图清晰与意图模糊；按照用户与系统的交互目的可分为咨询信息类与执行任务类。
Why 为什么要做意图设计
用户的意图常常隐含在言行之中，人们倾向于以自然方式表达需求，而非直接说明意图。因此，准确识别这些隐含意图至关重要。它能帮助 AI 更准确地回应用户需求，更高效完成用户目标。
换句话说用户目标的实现已从 GUI 时代的繁琐界面操作转变为 AGI 时代 AI 对复杂意图的理解。这大大降低了用户的学习成本，提升了产品体验。然而我们在蚂蚁内部的AI实践中发现，并非所有意图都适合会话式交互，有时简单点击在某些场景下比多轮对话更为高效。
除了传统界面交互与会话式等交互界面范式的问题，通过调研我们还发现：大部分用户对于 AI 产品存在认知盲区，即不清楚 AI 能帮我实现哪些意图，以及往往没有能力准确表达意图，这在一定程度上阻碍了 AI 的有效应用。因此，如何提升用户对 AI 能力的认知，并设计出让用户能轻松准确表达意图的界面，成为当前 AI 设计领域待解决的重要课题。
How 如何应用意图设计
那么该如何应用意图设计策略解决 AI 产品的体验设计问题呢？概览如下图，具体细节内容请查看子篇章。
在意图设计的概览中，我们提及了意图可依据不同领域与维度进行分类。
- 从用户意图清晰度，可分为意图清晰与意图模糊。
通常来说意图模糊，通过对话的方式，能更加高效洞察与满足意图；而意图清晰的用户，通过简单的操作即可完成用户的目标，例如点击按钮或者图标等。 - 从用户与系统间交互目的，可分为咨询信息类与执行任务类。
咨询信息类意图主要关联用户的查看与搜索行为，体现了用户对于信息的获取意图；执行任务类意图主要关联用户的操作与管理行为，体现了用户希望系统执行特定任务或操作的意图。
我们发现意图分类与用户行为存在着紧密的关联性。以上信息有助于我们更了解用户意图，从而设计出更加符合用户期望的界面交互模式。
在意图类型与用户行为象限图的基础上，如果我们把目前主流的 AI 产品已有的介入方式做一个叠加的话，我们发现意图类型+用户行为与 AI 介入方式存在着一定的关系。
以界面操作为主，偶尔唤起AI快捷指令，更适合意图上清晰与行为上做管为主的。编辑场景下，嵌入式 AI 主要聚焦特定场景的 AI 辅助，如 AI 即时性地生成对当前评论的回复，此类交互无固定形态，AI 会在用户进行高频重要操作时即时触发。在多元化场景中，嵌入式 AI 的设计相较于前两类更加灵活和轻量，通常以 LGUI(轻量化用户界面)为核心，强调用户与 AI 之间的无缝衔接与高效互动。与对话式或结构化模式相比，嵌入式 AI 的设计思路更加通畅，摒弃了复杂的交互流程，更注重场景中的引导性和即时反馈，帮助用户在合适的时机获取所需信息。
- Chat 适合独立式/沉浸式 agent
以自然语言为主，几乎没有界面操作。更适合意图上模糊与行为上查看搜索为主的。一个富有主动性的独立伙伴，输出的结果不完全依赖用户的输入，启动 AI 问询后有 2 种主流的形态：「对话智能体」 以对话流的形式展示信息，用户通过在当前语境下进行追问获取最终结果；「目标智能体」用户输入指令后，一次性给予用户“靠谱”的结果，配有侧边栏可进行多种辅助操作。
- Chat+Do 适合助手式/伴随式Co-pilot
自然语言和界面操作均衡配合使用。较强通用性更加适合以上 2 种交叉的场景。这种形态下的 AI 更多扮演“副驾驶”的角色，为用户提供建议和帮助，依赖用户精准的指令对当前内容窗口进行操作，一般以侧边栏形式展示，目前的 Office 文档类产品多采用此类形态。AI 助手可悬浮在页面侧边，随时待命，为用户提供高效协助，是工作中的得力伙伴。
这并不意味着每种意图都只能对应一种交互介入方式。在实际应用中，产品设计者需要根据具体的场景和需求来选择最合适的 AI 介入形式。
提供意图预期
在用户与 AI 的交互过程中，一个普遍存在的挑战是用户对 AI 所具备的能力缺乏了解，这往往导致用户在提问时感到迷茫，既不清楚如何开启对话，也不确定提问的合理范围。鉴于这一现状，对用户的意图进行有效引导显得尤为重要，旨在帮助用户明确AI的能力边界，从而建立符合 AI 可实现范围的意图预期。
引导意图表达
用户意图表达常倾向于口语化的方式，导致 AI 无法高效识别与理解，并反过来影响了用户体验。为了引导 AI 与用户双方意图的准确匹配，我们在设计侧引入了「槽位设计」这一概念。
什么是槽位呢？槽位可以理解为预定义的参数或变量，用于匹配用户表达的关键信息，如：日期、时间、地点等。这些信息对理解用户意图和提供准确响应至关重要，共同构成对用户需求的完整理解。例如，在智能助手应用中，用户说“提醒我明天下午2点开会”，其中“明天下午2点”就是一个时间槽位。为了准确的引导用户将这些关键信息表达清楚，我们需要在交互过程中有意识的、自然的引导用户进行对应信息的表达。
在实际业务的实践中我们发现就算是应用意图槽位匹配，依然存在部分场景匹配不到不全的情况，针对此类场景我们也整理了应对策略，去覆盖解决全量意图槽位匹配的场景，意图槽位匹配策略如下：
意图与槽位精准匹配： 若用户意图的可靠度高且所有必填槽位均已成功填写，系统将直接发送指令到下游服务，执行用户请求。
意图匹配到多个类似槽位： 当用户意图或关键槽位的可靠度较低时，系统将回复意图或槽位确认信息，以请求用户进一步澄清或提供额外信息，确保信息准确无误。
意图未匹配到槽位： 当遇到无法直接处理的用户意图时，采用对话转移或回复兜底话术策略，确保用户得到合理引导或回应。
AI生成式产品设计策略
明确的内容来源，清晰标注 A 内容来源:搜索整合的AI生成结果，清晰地标注AI内容的来源和真实性，这能在一定程度上缓解用户对于AI虚构、不可靠的焦虑感，也能让企业用户更好的区分AI数据引用来源，在 RAG 等需要提供引用依据的场景下使用。参考来源默认收起以减少干扰，用户可以通过 hover 或点击方式查看详细引用内容。来源信息需简洁清晰，增强内容可信度。
提供便捷的反馈渠道:对于AI结果提供便捷轻量的反馈渠道，让用户能够方便地表达对内容的评价和建议。帮助AI产品持续迭代；产品中交互操作通过点赞/点踩收集用户对内容的评价。操作后图标立即反映选择状态，清晰展示用户的评价结果。在特定场景下，可通过弹窗收集具体反馈，提供快捷选项的同时保留自由输入的方式。这些反馈可以作为改进内容的重要依据。因此在卡片下方要有明确的解决和未解决入口。针对无数据、加载失败的卡片进行过滤，防止用户点击反馈。同时，可以通过AI技术对反馈进行分析，找出普遍存在的问题和改进方向。同时注意以下设计内容，造成数据混杂，需要人工二次加工。
