阅读Paz Perez的《模型设计师的崛起》为当前AI产品开发浪潮提供了清晰易懂的视角。她提出了一个令人信服的观点：设计师应该突破界面限制，参与塑造AI代理的核心行为。我完全支持她关于设计师应在模型开发中”获得席位”的呼吁，这对于塑造这场深刻的社会变革至关重要。
然而当我深思时，发现这种观点仍需更广阔的系统视角。我们正在共同经历一场重塑设计思维与语言范式的复杂旅程，这不仅是角色的转变，更是认知方式的革新。
设计师的机遇
Perez在文中鼓励设计师同时参与界面与底层模型的塑造。这种双重聚焦对于打造真正服务人类需求的AI产品至关重要。她的观点及时提醒我们：未来设计不止于屏幕，更在于塑造驱动数字体验的智能内核。
文章重点探讨如何通过提升写作技巧来优化提示工程，使大语言模型行为与用户输入对齐。正确强调了与工程师的跨领域协作，以及通过”反馈循环”优化代理性能的重要性。这种优化存在多种实现路径，我们作为行业共同体正在持续探索。
但这种论述仍将模型置于中心——犹如孤立存在的智慧大脑，缺乏身体与环境支撑。尽管Perez指导我们优化AI的知识与思维，但仅聚焦于此可能导致关键系统动力学的忽视。
以客服AI为例：设计师常专注于优化应答语气与排障能力，却容易忽视系统整合要素。理想的AI代理需要与客户数据系统无缝对接，实现人机交接的流畅过渡，并能适应季节性需求与流量波动。正如Qian Yang等人（2020）指出的，这些系统要素对用户体验的影响远超精心设计的提示词。
缺失的层级：全系统设计
AI代理与所有产品一样，存在于生态系统之中。它们是复杂演进网络中的行动主体。用户工作流、组织流程乃至社会规范都在塑造模型输出。例如医疗AI的临床建议不仅取决于算法，更受分诊机制（优先权分配）、文档规范（符合计费与法律标准）、医患自主权文化（基于当地医疗规范的治疗选择）等环境因素影响。
同一模型在不同医院可能产生差异化的建议，这不仅源于核心能力差异，更因生态系统塑造了问题提出方式与结果解读机制。
（图示：AI生态系统结构。中心为AI代理，首环包含模型、扩展、知识合成等要素。改编自《多代理辩论是答案，问题是什么？》）
AI的影响不仅限于回答准确性或提示词质量，更在于如何重塑工作模式、影响信任关系、引发新的伦理困境。若仅聚焦模型，可能忽视AI在真实场景运行时才显现的潜在问题。某些商业优先级可能与用户需求冲突，造成用户难以理解甚至质疑的决策风险，这些负面效应在测试阶段往往难以察觉。
AI产品设计的系统思维
当我们主张”为全系统而非单一模型设计”时，实质是倡导AI产品设计的端到端整体观。这种理念认识到AI生命周期的每个阶段都影响着用户体验、信任建立与产品长期价值。
这种思维源自系统理论——要求我们超越孤立组件（如AI模型本身），关注塑造最终产品的数据、流程、人员与政策的互联网络。该视角与Rahwan等人（2019）将AI视为生态现象而非纯技术产物的论点不谋而合。研究表明，脱离社会、组织与物理环境，我们无法真正理解AI行为。简言之，机器在人类环境中获得高度自主性之际，理解其行为模式变得至关重要。
对设计师而言，这意味着从模型中心转向生态中心。值得警惕的是，设计师常被局限在界面工作中，缺乏系统层面的影响力。
正如Yang等人（2023）在AI设计实践研究中指出：”尽管设计师在技术系统中具有倡导用户需求的独特优势，却常遭遇限制其影响算法决策的组织障碍”。即便受限于界面工作，我们仍可通过Dove等人（2022）提出的”界面中介倡导”应用系统思维。
例如，设计师可以记录用户遇到的系统摩擦点，显化界面决策与组织流程的关联，倡导Liao等人（2024）提出的”系统接触点”。这些关键时刻让用户感知上游AI决策的后果。那些坚持将界面挑战重构为系统问题的设计师，即使在技术主导的组织中，也能逐步突破传统UX边界。
我不禁思考：是否应该建立专门的AI交互生命周期映射方法？或许通过可视化数据流与”意义流”，追踪信息在模型、界面与用户场景间传递时的解释与决策演变。用户如何理解输出？这种行为如何改变其行为模式？这种系统视角能揭示单纯提示工程无法解决的摩擦点与伦理困境。
现实案例：教育AI中的系统思维
设想部署AI学业反馈系统。若仅设计模型，可能聚焦评分准确性优化。但系统化设计需考虑：
- 学生数据采集方式是否具有代表性？
- 反馈解释如何呈现以建立理解与信任？
- 学生质疑AI评估时的应对机制？
- 如何监控系统在新用户群体中的偏差漂移？
面对海量考量因素，我们该从何处着手？基于持续研究，我为寻求明确AI系统设计路径的产品设计师提供以下建议：
1. 采用”第一性原理”设计方法
（图示：绿色图表环绕的人物形象，图注：平衡人本与技本思维。Thoka Maer绘）
这意味着将问题解构至基本要素，质疑所有假设——特别是自动化受益方及其动因。设计师应突破现状与既有模型，从核心需求与价值出发：正如PAIR所强调，需追问”流程自动化使谁受益？”。同时，建立差异化的透明度机制：专家用户所需的理解深度，应与新手或儿童用户的需求显著区分。
2. 创建系统可视化
（图示：概念示意图，作者绘制）
构建展示AI系统边界及其与用户/其他系统连接的简图至关重要。这些视觉工具帮助各方理解AI的责任范畴与不可控领域。使用明确标记或色块突出AI行为的不确定区域。共享这些图示能使复杂系统更易理解，促进开放式讨论，就需人工监管的领域达成共识。这种方法建立共同认知，最终产出更优质可信的AI产品。
3. 实践”时间维度设计”
设计师需考量AI关系的动态演进。与静态产品不同，AI系统通过使用不断进化，需要能预见并引导这种演进的设计模式。例如：界面如何传达系统对用户偏好的渐进理解，而不引发诡异谷效应？如何为不断变化的信任关系设计，适应用户对AI能力认知的深化？
设计启示——如何传达学习过程而不致诡异
关键之问
您是为模型设计，还是为系统设计？因为最终用户感知的不是模型，而是系统。决定AI产品成败的，不仅是模型能力，更是系统质量。
若要塑造真正服务人类的AI，我们不仅要设计智能代理的卓越性能，更要为其运作的复杂世界而设计。这种转变意味着从界面设计思维转向关系与环境设计思维，迈向人机智能共同成长的AI产品设计新范式。
参考
- Kuang, C, & Fabricant, R. (2019). User Friendly: How the Hidden Rules of Design are Changing the Way We Live, Work, and Play. Macmillan.
- Hangfan Zhang1∗ Zhiyao Cui2∗ Xinrun Wang (2025).If Multi-Agent Debate is the Answer, What is the Question?
- Gray, C. M. (2016). “It’s More of a Mindset Than a Method”: UX Practitioners’ Conception of Design Methods. CHI Conference on Human Factors in Computing Systems.
- Qian Yang, Aaron Steinfeld, Carolyn Rosé, and John Zimmerman. 2020. Re-examining Whether, Why, and How Human-AI Interaction Is Uniquely Difficult to Design. In CHI Conference on Human Factors in Computing Systems (CHI ‘20), April 25–30, 2020, Honolulu, HI, USA. ACM, New York, NY, USA 17 Pages. https://doi.org/10.1145/3313831.3376301
- Holmlid, S. (2009). Participative, Co-operative, Emancipatory: From Participatory Design to Service Design. First Nordic Conference on Service Design and Service Innovation.
- Subramanian, H., Maher, M. L., & Mahajan, S. (2022). The Role of Design Thinking in AI Implementation: A Case Study Analysis. International Journal of Design.
- Designers: AI needs context. How UX teams should embrace data to… | by Paz Perez | UX Collective
- AI product design: Identifying skills gaps and how to close them | by Tia Clement | UX Collective
- Exploring UX Design Through the Lens of AI: A Novel Perspective — AI/LLM
阅读原文：https://uxdesign.cc/beyond-the-model-a-systems-approach-to-ai-product-design-fd9917750993