人工智能优先的信息架构框架始于五个核心页面：分析总览、品类分析、大语言模型搜索结果、情境化搜索商品详情页、以及问答维护页面。它通过理解用户需求本质，用用户的语言讲述产品故事。
人工智能优先为何困难重重？
在UXforAI博客中，我们从早期就开始探讨人工智能优先的设计模式——从初代ChatGPT的简单对话界面，到r1 rabbit设备，再到”Apps Are Dead”宣言。当前所谓的”AI优先”应用大多基于聊天界面，正如Jakob Nielsen精辟指出的：”聊天是新时代的命令行”。虽然自然语言处理命令行确实比Linux命令行友好得多，但对于大多数具体用例来说，这远非完整的应用解决方案。即便是”AI女友”这类重度依赖聊天的应用，用户仍需偶尔设置虚拟宠物、更换服装、安排约会等维护操作——更别提那些订阅付费环节了（我绝对没有亲身体验！那些谣言纯属夸大！）。
关键在于：单纯的聊天界面无法满足多数场景需求，Copilot模式同样如此。正如我们深入讨论的，目前常见的侧边栏Copilot实现并非真正的AI优先应用，充其量只是现有页面架构的辅助工具。
当红设计模式：画布（Canvas）
ChatGPT推出的Canvas模式引发热潮，许多设计师似乎认为它能解决所有信息架构难题：
但现实是：即便能将虚拟女友从聊天窗口拖拽到新画布，你仍然需要性格编辑界面、欢迎流程、订阅管理等模块。ChatGPT适用的创新模式，未必适合你的SaaS或电商应用。在这个AI日新月异的时代，UX设计师的使命不是盲目复制，而是深入理解新技术潜力，针对用户真实需求创造性地应用。
信息架构已死？
在聊天AI盛行的当下，许多从业者宣称信息架构已过时。但基于34个AI项目的实证研究，我们发现：若AI体验仅止步于聊天，用户将难以理解产品核心价值。用户需要引导来提出高价值查询，某些场景（如限时促销）更需要主动信息推送。聊天界面存在天然局限：
- 指令传达本身存在认知负担（试玩”制作三明治”派对游戏便知）
- 缺乏环境上下文时，预置查询建议和明确起点至关重要
因此，真正的AI优先体验需要革新性的信息架构。
传统电商 vs AI优先重构
以亚马逊为例，传统架构可分为四大模块：首页、搜索结果页、商品详情页、维护页面（订单/支付等）。当前实现存在明显断层：
“伪AI”首页：基于算法的推荐往往偏离真实需求
传统搜索结果页：处理复杂自然语言查询（如”不恐怖的神秘小说”）时表现欠佳
AI增强详情页：评论摘要等特色功能亮眼，但多搜索框设计割裂体验
机械式维护页面：缺乏智能交互
AI优先信息架构框架
通过五大核心页面的重构，我们可实现真正的AI优先体验：
智能分析总览页
取代传统首页，动态呈现：
- LLM生成的场景化摘要（如黑色星期五关税影响分析）
- 基于恐惧营销的”立即购买”理由
- 精准推荐节日礼品而非泛化兴趣商品
智能品类分析页
通过消费历史分析预测需求。例如钓鱼爱好者页面包含：
- 个性化装备推荐（鱼竿→鱼线→拟饵的完整链路）
- Midjourney生成的场景化主视觉
- 故事化商品叙事（而不仅是商品罗列）
大语言模型搜索页
突破传统关键词匹配：
- 自然语言查询解读（如”不恐怖的神秘小说”→”悬疑有趣不失眠”）
- 动态生成”恐怖指数”等定制指标
- 保留并增强分面搜索功能
情境化搜索商品页
革命性功能整合：
- 可编辑情境标签的统一搜索栏（如”当前商品问答”）
- 基于用户特征的LLM摘要（足弓问题→鞋款适配分析）
- 个性化视觉呈现（关联已购商品场景）
智能问答维护页
自然对话处理：
- 订单状态查询
- 退换货流程指导
- 智能批量采购建议
信息架构永生
这些创新并非要抛弃传统经验，而是以AI优先的视角重构价值。关键在于：
- 情境化叙事：用用户语言讲述商品故事
- 动态指标生成：创建场景专属的评估维度
- 智能引导系统：预测并呈现关键后续步骤
正如Jakob Nielsen强调的个性化体验（深度分析），真正的AI优先架构应实现：精准需求解读、自然语言交互、动态内容生成的三位一体。
这个假日季，当您为促销设计绞尽脑汁时，不妨思考：如何让人工智能成为讲好产品故事的最佳叙述者？
信息架构永存！