L121_意图驱动时代，我们该相信什么

发表于 2026-05-18 分类于 AI & Systems 阅读次数： Waline：

Jakob Nielsen 提出意图驱动 UX 新范式，JetBrains Air 开启多 Agent 编排时代，Notion Agent 跳票一年后成转化率最高功能，小红书四年 AI 转型的摇摆与坚持

封面图

引言

上周我在整理这期素材的时候，Jakob Nielsen 那篇关于 Intent UX 的文章让我停顿了很久。不是因为它有多复杂，而是因为它说中了一个我一直在感受但没想清楚的问题——我们和 AI 的交互，到底在经历什么？

想想看，两年前我们用 ChatGPT，最兴奋的是”它能对话”。我们用精心构造的 prompt，像在和一台更聪明的搜索引擎较劲。而今天，JetBrains 推出了 Air，一个让你同时指挥 Codex、Claude Agent、Gemini CLI 和 Junie 四个 Agent 并行工作的桌面工具。你的角色不再是操作员，而是调度员。

从”你跟电脑说话”到”你管理一群数字员工”，这个转变比我们想象的要深远得多。Nielsen 用了一个特别生动的比喻——就像维京酋长下令”去英国修道院给我弄点银子来”，他不需要知道每一步该怎么做，手下的人自己知道。

但问题也来了。当你的 30 个 Agent 每天产生 70 多条阻塞通知时，你怎么管？Notion 的答案是再加一个 Manager Agent，把 70 条压到 5 条。这听起来像是用一个 AI 问题去解决另一个 AI 问题，但仔细想想，这不就是人类组织几千年来一直在做的事吗——层级管理。

这期我想聊的就是这个：AI 正在把我们从执行者变成管理者，但我们还没学会怎么管理。

—

📚 深度阅读

Jakob Nielsen：Intent by Discovery —— AI 时代的 UX 新范式

核心洞察： 这可能是今年关于 AI 交互设计最重要的一篇文章。Nielsen 提出 UI 范式正在经历 60 年来最大的转变——从命令式交互到意图驱动的结果规格化。

他拆解了 UX 的三个时代：1960-1995 的商业计算时代追求生产力，1995-2025 的互联网时代追求影响力（说白了就是操纵用户行为），而 2026 年起的 AI 时代，目标变成了”增强人类存在”。这个表述有点抽象，但内核很清楚——当 AI 处理执行层，人类的精力应该释放给想象力、判断力和意义建构。

文章最戳中我的是”articulation barrier”（表达障碍）这个概念。大约一半人口被归类为低识字率用户，要求他们用散文体写出精确意图本身就是不公平的。prompt engineering 这个概念的存在，本身就是交互设计失败的证据——如果用户需要学习某种”秘籍”才能让系统正常工作，那问题在系统，不在用户。

这让我想到一个日常场景。我用 Notion Agent 时，最开始也花了很多时间琢磨”怎么问才对”。但当我把 Agent 当成一个需要被培养的团队新成员——先让它做低风险的事，看它怎么做，逐步扩大权限——事情就顺了。Nielsen 管这个叫”progressive delegation”（渐进式授权），但本质上就是信任建立的过程。

更长远地，他提出了”latent space exploration”（潜空间探索）的概念：未来我们不再生产内容，而是在 AI 生成的千种方案中探索和发现。用户从”描述我想要什么”变成”在选项中认出我想要什么”。这其实是回归了人类最自然的方式——我们更擅长识别而不是回忆。

🔗：Intent by Discovery - Jakob Nielsen

郝景芳：从北京折叠到 AI 折叠

核心洞察： 郝景芳把童行书院从五六十人拆成 9 个小公司，总部全职人力降为零，所有收入来自与分公司分成。她说公司不必”做大做强”，而应”做多做美”。

最让我震撼的不是这个组织架构本身，而是她说的一句话：”AI 产品经理与编程模型之间的沟通是完全顺畅的、无缝的，人类一旦介入反而会阻碍效率。”

这很反直觉。我们习惯认为人是最重要的连接者，但在 AI 时代，人类可能是瓶颈。她的解决方案是”全 AI 工作”——用 AI Agent 开发了整个教育系统。

五个位移特别值得反复咀嚼：从”能做多少”到”能舍弃多少”，从信息端移到判断端，从技能积累移到叙事积累，从做内容移到建头寸，从建造者移到建造房间的人。

这五个位移串起来其实是一件事——在 AI 让一切变得容易的时代，真正的稀缺不是能力，而是品味和判断力。知道什么不做，比知道做什么更难。

🔗：郝景芳对话 - 甲子光年

Notion Agent 跳票一年后，为什么成了付费转化最高的功能

核心洞察： Notion 的 Custom Agents 跳票一年、经历五次重构，最终成了 Notion 史上 Free Trial 转化率最高的功能。这篇 Latent Space 播客的分享含金量极高。

早期团队试图让模型适应 Notion 自创的 XML 和 JSON 格式，完全失败。改用模型更擅长的 Markdown 和 SQL 后，质量立刻飞跃。这个教训很简单但经常被忽略——让工具适应人（或者说适应模型的训练习惯），而不是反过来。

当工具数量超过 100 个时，团队采用”渐进式披露”方案动态展示工具，避免系统崩溃。这其实和 Nielsen 文章里提到的”orchestration layer”（编排层）是同一个思路——AI 不需要看到所有选项，只需要看到当下相关的选项。

GTM 团队的 30 个 Agent 每天产生 70 多条阻塞通知的案例最有画面感。他们加了一个 Manager Agent 来汇总处理，通知从 70 条降到 5 条。这让我想起自己团队用飞书 Agent 时的类似经历——自动化带来的是自动化本身的管理开销。

Notion 内部正在成型的新职能”Model Behavior Engineer”——无需工程背景——可能真的是 AI 时代的核心岗位之一。理解模型行为模式、设计提示词策略、调试 Agent 交互，这些能力不依赖传统编程，但对 AI 团队至关重要。

🔗：Latent Space Podcast - Simon Last & Sarah Sachs

🤖 AI 工具

JetBrains Air —— 多 Agent 编排的桌面调度台

JetBrains 新出的独立桌面工具，把 Codex、Claude Agent、Gemini CLI、Junie 这些编码 Agent 放进一个控制中心。你可以同时派多个 Agent 各自跑不同的任务，Docker 或 Git worktree 做隔离，还能在统一界面 review 结果。

深度分析： Air 的出现标志着一个趋势——Agent 工具正在从”单个聊天窗口”进化为”编排平台”。它的核心价值不是提供 AI 能力（那是各个模型的事），而是解决并发、隔离和上下文管理这些工程问题。

一位 JetBrains 内部开发者说”用一个晚上就用 Go 写出了相当复杂的 CLI”，而 Go 是他从没碰过的语言。这个案例说明了什么——当多 Agent 并行 + 代码智能 review 结合在一起，学习成本被大幅压缩。

但 Air 也有明显局限。它目前只支持本地运行，云端和自动化还在路线图。对于需要 24 小时跑批的场景，本地方案的可用性是个问题。不过对于个人开发者和小型团队，这已经是一个质变。

🔗：air.dev

Lovart AI —— 矢量造字

功能描述： 上传参考图片加文字提示，就能生成可改色、可调字号的矢量字体文件。背后涉及的不只是生图算法，还有矢量化处理和字符编码映射。

深度分析： 造字体这件事，传统流程是：定骨架、抠细节、调字间距，没个把星期下不来。Lovart 把整个链路压缩到了几分钟。

更重要的是，它解决的不仅是效率问题，而是让不具备专业技能的普通人也能进入这个领域。这其实回应了郝景芳说的”从技能积累移到叙事积累”——当技能被商品化，你的判断力和叙事反而更有价值。

一个设计师可能用 AI 一天出 50 套字体方案，然后凭品味选出最好的 2 套。这种”大量生成 + 精确筛选”的工作流，正在变成 AI 时代的标配模式。

🔗：Lovart AI

小红书 AI 问一问 —— 社区与算法的四年博弈

核心洞察： 小红书 2025 年的 AI”问一问”功能使社区用户留存率提升约 2%-3%。4 月 30 日成立 AI 一级部门 Dots，由原 Hi Lab 升级而来。

深度分析： 小红书的 AI 故事最有趣的地方不是技术本身，而是它在”活人感”和 AI 算法之间的反复摇摆。社区的核心资产是真实用户的真实体验，但 AI 的介入往往会稀释这种真实性。

这和 Nielsen 提到的”trust calibration”（信任校准）直接相关。用户需要知道哪些内容是 AI 生成的，哪些是真人写的，以及两者的边界在哪里。小红书如果能处理好这个边界，可能找到一条不同于纯算法推荐的社区 AI 路径。

但 4 年的探索尚未走通，也说明这事没那么简单。企业内部做 AI 转型，小红书算是一个前车之鉴加现场直播的案例。

🔗：小红书 AI 转型之路

🛠️ 效率工具

Open Design —— Claude Design 的开源平替

把 Anthropic 的 Claude Design 产品拆成协议 + 文件 + 本地架构重搭了一遍。它自己不带模型，靠扫描本机的 claude / codex / cursor-agent / gemini / qwen CLI 当”大脑”。流程是：弹出问卷锁定需求 → 选风格方向 → 加载 Design System → 按 Skill 产出 artifact → iframe 实时预览 → 导出 HTML/PDF/PPTX/ZIP。

深度分析： 这个工具的思路很”开源”——不做模型层，只做编排层。它验证了一个判断：未来的工具竞争不在 AI 能力本身（那是大厂的游戏），而在如何把已有的 AI 能力组合成好用的工作流。

值得一提的是它支持多种 AI CLI 作为后端，这意味着用户不被锁定在某个模型上。这种”模型无关”的设计哲学，和 JetBrains Air 的思路一致。

🔗：github.com/nexu-io/open-design

Claude Receipts —— 把 AI 消费变成热敏小票

每次结束 coding session 自动生成详单，不同模型用了多少 token、花了多少钱，还能打到热敏小票机上做成真的”AI 消费小票”。

深度分析： 这个工具的价值不在于省钱（省不了多少），而在于”把抽象变成具体”。API 花费本来是看不见摸不着的数字，变成一张收据后，你对 AI 使用的成本感知完全不同了。

它把一个 nerd 行为仪式化了。这其实是一个很深的 UX 洞察——当某种新行为变得日常化，人们需要仪式感来确认”我正在做一件正经事”。

🔗：github.com/chrishutchinson/claude-receipts

JetBrains Air 与 Skill 生态的协同

本期多个来源都提到了 Skill（技能）这个概念。YouMind 可以做付费 Skill 卖钱，作者把投资研报到股票因子的流程做成了 Skill 开源，豆包输入法、Narrator AI CLI 都以 Skill 形式存在。

深度洞察： Skill 正在变成 AI 时代的”个人能力资产”。你不再需要每次都从头描述”我想要什么”，而是积累一套可复用的 Skill 库，配合 Git 做版本管理和多设备同步。

这和上期提到的 Skill 中央库管理思路一脉相承。当每个人的 Skill 库变成可交易、可分享的资产，AI 工具生态就从”工具集合”变成了”能力市场”。

✨ 随便看看

GPT Image 2 品牌视觉提案：用 GPT-Image 2 付费版快速生成完整品牌视觉方案，5 张核心图覆盖主视觉、识别系统、包装、传播场景、IP 角色详情
AI 中转站乱象：45% 假模型，9 个投毒，1 个偷币，中间层的人活在灰色地带详情
Cat Gatekeeper：用猫提醒你少刷社交媒体的 Chrome 扩展，时间到了整页被猫盖住详情
flomo memory.md：基于全部笔记生成”稳定的你”和”当下的你”两份文档，接入 AI 后可辅助决策详情
Refero Styles：设计风格搜索 + 结构化拆解，可按情绪、色彩、品牌查询，还能生成 DESIGN.md 喂给 AI agent 详情
Transitions.dev：前端动效字典，卡片变化、数字跳动、菜单开合等独立 demo，一键 Copy 代码详情
笔记同步助手：跨平台内容剪藏中枢，微信/小红书/知乎等转发后自动变成 Obsidian/Notion 笔记详情
AndDrive：把 Android 手机伪装成本地硬盘的 Mac 工具，Finder 侧边栏直接挂载，剪贴板双向同步详情
县城 AI 小店：AI 自习室两年从 1320 家增至 5 万家，品牌方赚加盟费，闲鱼上二手学习机低价甩卖详情
Mockdown：用纯文本画线框喂给 AI 的原型工具，AI 更擅长读结构化文本而非听人描述详情
sipsip.ai：把 YouTube/播客/PDF/文章转成结构化摘要，Daily Brief 每天推送关注源的更新浓缩版详情