10年后的收件箱

几个月前，我尝试让 AI 帮我开发一个“10年后教授的收件箱”。本意有两个：

1. 让 AI 模拟未来的知识工作场景，让系统自动处理邮件、安排任务、协调事务。
2. 让 AI 展示未来前沿的技术可能是什么。

最终生成的 demo 有两个最突出的特点：

1. 人类的注意力是有限的——绝大多数操作和决策都由 Agent 完成，人类只在必要时参与。
2. Agent 之间的沟通和反馈才是核心——邮件、任务、决策都在 Agent 网络里流转，只有涉及情感、伦理或价值判断的问题才会回到人类手上。

在那一刻，我意识到：我们现在大多数软件和产品，都是为人类设计的，而不是为 Agent 设计的。Agent 在执行、协作、反馈上有天然优势，但它缺少原生适合自己的产品和界面。

未来的软件世界，是不是应该以 Agent 为核心，而非人类？如果人不再是唯一用户，我们的认知框架、产品设计、增长策略，甚至整个商业模式，都需要重新定义。

一、用户不是单一变量：三个维度

在过去的软件和产品设计中，“用户”通常被当作一个单一变量来理解：

• 指标：DAU、MAU、留存率、活跃度
• 假设：用户执行操作、感知体验、承担结果都是同一个人
• 适用场景：传统互联网、移动应用、社交平台

问题是，这种单一概念在 Agent 时代 已经不再成立：

1. 执行操作的不一定是人（Agent 代替人执行任务）
2. 感知结果和体验的仍是人（需要人类监督、理解结果）
3. 责任和归属仍然在人的手里（法律、伦理、价值判断）

如果继续只用一个“用户”维度，会出现指标失真和设计盲点：你可能以为系统活跃，但实际 Agent 在执行，人类并不真正参与；或者你关注界面体验，但 Agent 执行失败导致结果不可用。

为了在 Agent 时代更准确地描述“谁在使用系统、谁在受益、谁负责”，我们把“用户”拆成三个正交维度：

1. 执行权（Execution Power） 谁能实际执行操作、控制资源、调用接口。

   • 传统软件：人拥有全部执行权
   • Agent 系统：Agent 拥有大部分执行权，人类只下达意图

2. 体验权（Experience Power） 谁能感知系统输出、获得信息和交互体验。

   • 人类体验权决定了信任、采纳与满意度
   • 即便 Agent 执行，系统仍需为人提供透明、可理解的反馈

3. 责任权（Responsibility / Ownership） 谁为结果承担责任、风险或收益。

   • 人类依然保留最终责任
   • Agent 执行结果的归属与合规，需要明确责任链

维度	高	低	解释
执行权	Agent	人类	系统自动化完成大部分操作
体验权	人类	Agent	人类监督、理解、决策
责任权	人类	Agent	法律、伦理、商业归属在人的手中

在传统互联网，三维坐标都落在 人类用户 上（高执行、高体验、高责任），所以“单一用户”概念足够。而在 Agent 时代，这三维被拆开，执行权 / 体验权 / 责任权不是静态分配，而是一个随场景变化的张力系统，每个维度的“主体”可能不同，从而彻底改变了产品设计逻辑。

这三个维度相互独立，决定了系统设计、产品策略和商业模式。人已经不是唯一用户，单靠 DAU 或用户数可能无法解释新的增长逻辑。“系统越忙，不代表人类用户越活跃”，甚至可能相反。

二、Agent 时代的产品逻辑

1. 执行权的转移

AI Agent 将执行权从人手中转移出去。即便最终产品面向人类用户，但内部的执行、调度和协作由 Agent 完成：

• 自动化任务、接口调用、文档理解
• 提高效率、降低操作成本
• 但人仍是意图提供者与监督者

结论：产品指标应关注 Agent 活跃度、任务完成率、结果质量，而不仅是 DAU。

2. 体验权仍然不可或缺

Agent 执行的能力固然重要，但人类体验权决定系统采纳：

• 交互反馈、可解释性、控制感
• 用户信任是 Agent 系统长期价值的基石

结论：产品仍需兼顾人-机体验设计，体验权和执行权要平衡。

3. 责任权驱动决策

AI 执行的结果必须有人承担责任：

• 医疗、金融、企业决策等场景尤为关键
• 系统设计必须明确责任归属

结论：责任权是 AI 系统设计中不可转移的稀缺资源。

三、把 AI 当作用户：从人机交互到智机交互

在 Agent 时代，我们需要重新思考软件的用户体验设计——不仅是面向人类，也要面向 AI。把 AI 当作用户，意味着设计语言、接口、结构和反馈，都要考虑 AI 的理解、执行和纠错能力。

一些实践示例包括：

1. 适合 AI 理解和执行的语言

   • 编程语言如 Rust，能够明确类型、约束和错误边界
   • 更容易让 AI 自动生成、理解和调试代码

2. 适合 AI 的交互方式

   • 命令行接口（CLI）、API 接口、结构化任务说明
   • 避免依赖人类直觉或视觉界面
   • AI 可以直接解析、调用、反馈

3. 适合 AI 的代码库和文档

   • 自带 AGENT.md 或规范文档，完整注释函数用途、调用方式和依赖
   • 让 Agent 能自主学习和调用
   • 结构化设计（如 Toon、模块化结构）便于 Agent 自动组合

4. 为 AI 优化的错误提示与返回值

   • API 返回错误信息时，返回 AI 可理解的显式意图
   • 提供可执行的纠错指导，而不是面向人类的自然语言提示

总结：人和 AI 的交互不仅仅是“人操作、AI辅助”，而是形成三种交互模式：

• 人 ↔ 机器（传统 HCI）
• 人 ↔ AI（AI 助手、决策支持）
• AI ↔ 机器（Agent 执行、自动化、任务链路）

这意味着，我们可以将 HCI（Human-Computer Interaction） 的经验迁移到 ACI（Agent-Computer Interaction）：

• 明确接口和协议，让 Agent 能理解任务
• 提供可执行反馈，让 Agent 能纠错
• 设计可组合的结构，让 Agent 能自主完成复杂任务

目前已经看到了

• 产品：如 pencil（Agent 驱动的 MCP 画布）、适合 AI 接入的搜索引擎等；
• 交互：在线文档提供按钮，以便一键拷贝成 AI 友好的 md 格式文本；
• 技术：各类 MCP、Skills 实现；

把 AI 当作用户，不仅是一种思维方式，也是一套实际的产品设计方法。它让我们从单一面向人类的交互，转向人类、AI、机器三方共存的交互生态。

四、不同类型产品的用户侧重

并非所有产品都必须面向 Agent 设计。现实中，产品类型决定了“用户维度”的权重：

1. 娱乐与社交类产品

   • 核心是人类的情感、互动、归属感和体验
   • 执行权、体验权、责任权仍以人类为主
   • AI 可能参与内容推荐、辅助创作或增强体验，但 Agent 不是主要用户
   • 示例：游戏、社交平台、直播、短视频

2. 工具与办公类产品

   • 核心是高效完成任务、降低操作成本、交付结果
   • 执行权主要由 Agent 占据，体验权和责任权仍由人类监管
   • 系统设计需要原生支持 Agent 协作、调用 API、结果反馈
   • 示例：自动化办公、AI 编程、知识管理、流程自动化

简单来说：娱乐/社交面向人类，工具/办公面向 Agent。这种区分有助于确定产品设计、指标体系和商业模式。

五、商业模型的重构

1. 从 2B/2C 到 2A（Agent 为客户）

   • API、文档、协议成为核心资产
   • Agent 调用量决定收入和价值，而非单纯用户数

2. 从注意力经济到生产力经济

   • 成功指标：任务完成效率、结果质量、ROI
   • 付费策略：用户愿意投资能力，而非时间

3. 增长飞轮

   • 先让 Agent 发现能力
   • 再确保 Agent 离不开你的服务
   • 人类体验权和责任权决定飞轮稳定性

商业关系的核心对象，正在从“用户”转向“执行主体”。

六、系统设计方法论

1. 拆解用户维度

   • 先明确执行权、体验权、责任权各由谁占据
   • 设计指标体系时，每个维度都有独立度量

2. Agent 优先但人不可忽视

   • 赋能 Agent 提高执行力
   • 优化人类体验权以保证采纳
   • 明确责任权确保合规与长期价值

3. 结果导向而非操作导向

   • 人类关心结果，而非操作步骤
   • Agent 系统的价值在于把意图转化为结果

七、结语

Agent 时代不是旧地图的延续，而是一个多维用户、能力优先的世界：

• 旧世界：用户 = 操作者，指标 = DAU，价值 = 注意力
• 新世界：用户 = 多维角色（执行/体验/责任），指标 = Agent 活跃度 + 结果质量，价值 = 生产力与结果

产品可以直接面向 AI，也可以面向人类，但内部运转和执行由 AI 完成。

本文讨论的并不是“完全自治的智能体系统”，而是当执行权开始部分转移给智能体时，软件系统应当如何设计。

这，会是未来吗？