不确定性下的交互设计
一句话定义
不确定性交互设计的核心是把模型的概率性「翻译」成用户可感知、可核查、可纠正的确定性框架，四原则为：置信度可见、产出可核查、错误可纠正、生成是草稿。
为什么重要
模型永远不会 100% 正确，但产品可以 100% 诚实。同样的 90% 正确率，隐藏不确定性会让用户在第一次翻车后整体弃用；显式表达不确定性则让用户建立「何时信任、何时核查」的稳定预期。交互设计是弥补模型残缺的最后手段——模型能力短期不可控，交互层可控。
前置知识
kp-003 产品形态（形态决定不确定性的承担方）。
核心概念
- 置信度可见：让用户感知「这条输出有多可靠」。注意行为化表达优于数值化：用户无法解读「置信度 0.72」，但能理解「该字段由 OCR 识别，建议核对」的高亮提示；分级标签（高/中/低可信）比连续分数更可行动。
- 产出可核查：为输出附上依据——引用来源列表、检索命中的文档、关键数据的出处（Perplexity 式引用）。可核查性同时是幻觉的解药（kp-024）与信任的地基。
- 错误可纠正：一键点踩、选中重写、局部重生成；纠错动作必须回流为反馈数据（kp-009）。
- 生成是草稿：默认所有生成结果处于「待确认」状态，终稿动作（发送、提交、发布）由用户完成——除非任务进入了 kp-016 光谱的自动端且错误可逆。
原理与机制
四原则共同的认知机制是校准用户的信任校准器：人对 AI 的信任是动态校准的，交互层的职责是提供校准信号。行为化置信度有效的原因是它把抽象概率翻译为具体动作建议（「建议核对」），符合《思考，快与慢》中系统一（直觉）的处理方式——用户不需要调用系统二去理解一个分数。可核查性机制上把「信任 AI」转化为「信任可验证的证据链」，将不可控的模型质量置换为可控的信息架构。草稿框架则从责任上划界：生成不等于承诺，确认才等于承诺——这既是心理预期管理，也是事故时的责任设计。
公式或模型
不适用——设计原则类内容；置信度的量化口径在 kp-021 评测与 kp-022 监控中定义。
图示
| 原则 | 反面（错误做法） | 正面（正确做法） |
|---|---|---|
| 置信度可见 | 隐藏不确定性 | 分级标签+低置信高亮 |
| 产出可核查 | 纯文本无出处 | 引用来源、命中文档可展开 |
| 错误可纠正 | 只能整体重来 | 选中重写、点踩回流 |
| 生成是草稿 | 自动发送不可撤回 | 用户确认才终稿 |
实例或案例
- GitHub Copilot 的「幽灵文本」：补全建议以灰色斜体呈现，打 Tab 才采纳、继续打字即消失——视觉语言天然传达「这是建议不是定论」，是草稿框架的典范。
- Perplexity：每个论断附编号引用，点击展开来源——把「信不信 AI」变成「查这条引用」，可核查性的标杆。
- 反面案例：某邮件工具默认「AI 生成后 10 秒自动发送」，一次把「附上报价单」幻觉成错误金额直接发出——违反草稿框架且不可纠正，用户流失的直接诱因。
常见误区
- 数值置信度迷信：给用户看 0.87 没有意义；置信度的产品化是「翻译成动作建议」而非「展示小数」。
- 可核查性装饰化：引用链接点了打不开、来源与论断对不上，比不引用更伤信任。
- 把纠正做成交互惩罚：纠正要重打一遍提示词、等 20 秒重生成，用户就不会纠错，飞轮（kp-009）随之断燃料。
直观类比
不确定性交互像资深助理的工作方式：交给你一份草稿（不是定稿）、口头说明「第三段数据我没查到原件，建议再核」（置信度可见）、所有引用附了原始文件（可核查）、你改哪段他只重写哪段（可纠正）。而差助理的标志是把任何东西都拍胸脯说「没问题」。
自测题
- 为什么行为化置信度优于数值置信度？
要点：用户对抽象概率无直觉，行为化表达（分级标签+动作建议）匹配直觉决策，可直接指导行为。
- 「生成是草稿」原则在什么情况下可以放宽？
要点：任务进入自动化光谱的自动端且错误可逆、可拦截（kp-016），如后台排序；不可逆动作（发送、支付）永不自动。
- 可核查性如何同时服务信任与质量？
要点：短期提供校准信号建立信任，长期引用点击与纠错成为反馈数据与事实性评测素材。
与其他知识点的关系
kp-016 决定哪些环节需要显式置信度（自动化程度越高越需要事后可查）；kp-017 定义输出不可用时的降级话术；kp-018 从营销侧管理同一份预期；kp-024 提供可核查性的技术底座（RAG 引用核对）。
延伸阅读
- 《设计心理学》（The Design of Everyday Things），Don Norman——示能、反馈与映射的底层设计原理。
- 《思考，快与慢》，Daniel Kahneman——不确定性下人类判断机制，行为化设计的心理学依据。