[!info] related notes

• 所属 MOC: 前端工程化 MOC, 前端基础 MOC
• 相关概念: AI 聊天与流式 UI, ai-chat-page, ai-product-frontend-reliability, ai-chat-performance-optimization
• 更广的执行交互: AI / Agent UX 设计

AI 输出不确定性与交互设计

AI 产品前端不是只负责“展示答案”，还负责减少模型不确定性对用户造成的误导和挫败感。

一句话定义

AI 输出不确定性与交互设计，核心是在界面层明确生成状态、保留用户控制权，并为错误结果提供重试、追问、反馈和依据展示。

常见交互策略

• 生成中提示
• 重新生成
• 继续追问
• 展示可定位的来源与依据；有引用不代表该来源支持结论
• 区分事实、推断和待确认项；高风险动作靠运行时控制，不能仅加提示文字
• 纠错反馈入口，并明确纠正的是显示文本、会话上下文还是已保存的业务记录

为什么这很重要

• AI 结果不是稳定确定输出
• 用户需要知道当前结果是否可信、是否还能继续操作
• 没有交互兜底时，错误结果更容易损伤信任感

常见误区

• 只把 AI 输出当普通文本渲染
• 没有给用户撤回、追问、纠错入口
• 结果不稳定时界面仍然装作完全确定

面试要点

本篇聚焦输出解释与纠正；长任务、工具动作和审批状态统一见 ai-agent-ux-design。

一句话回答

前端应该通过生成中提示、重新生成、继续追问、引用来源、纠错反馈和人工兜底入口来降低模型不确定性对用户体验的伤害，而不是把结果当成绝对确定答案直接展示。

最稳的回答主线

• 先强调 AI 输出天然不稳定
• 再说前端要做的是管理信任和后续动作
• 最后给出几个具体交互手段

可以怎么展开

• 生成中提示，让用户知道系统还在工作
• 让用户能定位引用来源，并区分“附有来源”与“来源支持该结论”
• 重新生成、继续追问、纠错反馈，给用户控制权
• 对证据不足的高风险结论限制交付并给出可用的后续动作；不把轻提醒当作安全保证

面试里最好补的一句

AI 前端不只是显示结果，更重要的是管理用户对结果的理解、信任和后续选择。

常见误区

• 把 AI 输出当成普通静态文本展示
• 结果不稳定时还做得像完全确定答案
• 没有重试、纠错和人工兜底入口

验证

检查不确定性说明是否对应实际证据。不要用模型自报“90% 可信”制造未经校准的精度；重新生成也不保证更正确。保留不同版本及纠正状态，避免界面显示已修正而后台仍保存旧值。

可能追问

• 哪些场景一定要做风险提示
• 你怎么平衡提示过多和体验流畅
• 如果模型经常答非所问，前端能做什么

最短记忆方式

不是只显示答案，而是管理用户对答案的信任和后续动作。

Related notes

• AI MOC