做AI产品这么多年我越来越觉得人本智能产品设计六原则里“表达”是最容易被低估的一条。很多人把表达理解成“话术漂亮”以为把提示词调得客气点、把文案打磨得优雅点就完成了表达设计。但真正做过语音助手、客服机器人、带对话框的Agent类产品的人都知道表达一旦出问题翻车的往往不是文案而是产品背后的逻辑。这篇是“读人本智能产品设计6原则”系列里关于第五原则“表达”的下半篇承接上一篇聊过的理念部分重点落在真正的实操层什么时候该闭嘴、怎么承认自己不懂、说错了该怎么圆、多模态下怎么不互相打架以及最后用哪几个检查项验证你的表达设计真的过关。如果你正负责一个AI产品的交互设计或者刚想明白“对话式交互不是聊天机器人”这个概念这篇文章应该能帮你少踩几个我踩过的坑。下面我从最容易被忽视的边界问题开始。1. 表达不是AI的“嘴”而是产品的“人格”1.1 上篇的表达理念落到了哪一步上一篇我聊过在六原则的体系里“表达”和前面的“洞察”“理解”是递进关系。洞察是看见用户理解是读懂用户表达则是所有内在能力被用户感知的唯一窗口。你模型再强推理再准用户也只听得见你那几句话、看得见屏幕上那几行字所以表达本质上不是“说话”而是产品人格的具象化。上篇主要讨论的是理念表达要服务于关系建立而不是服务于信息输出。有朋友读完跟我讨论觉得“表达嘛少说多做不就行了”。我当时没有反驳因为我以前也这么想直到我在一个智能客服项目里发现少说多做的确好过话多但“什么时候该说”这件事根本没有你想的那么简单。它不是一个文案问题而是一个需要数据支撑的交互决策问题。1.2 为什么表达是所有原则里最难复用的一条我后来复盘过很多失败案例发现表达这条原则有个特殊之处它几乎没有任何可复用的模板。洞察可以总结用户画像模板理解可以沉淀意图识别框架但表达不行。同样的回复策略在一个银行客服机器人里成立换到儿童教育产品里就完全翻车同一句“好的我明白了”在购票助手那里是正常反馈在健康咨询产品里就显得极其冷漠。原因在于表达高度依赖产品承诺。你对用户承诺了什么角色表达就必须匹配什么角色。银行客服的承诺是“严谨可靠”所以它的表达可以平实一些儿童产品承诺的是“耐心和有温度”所以表达必须更有层次。我见过最普遍的设计失误就是产品经理拿着其他产品的优秀文案直接改几个字搬过来结果用户反馈“这个AI假惺惺的”。问题不在文案本身而在产品人格没有立住。所以做表达设计之前我建议先回答两个问题你的产品在用户心里应该是一个什么样的“人”用户凭什么相信这个“人”回答不了这两点后面所有话术、所有多模态方案都会飘。2. 最容易被忽略的边界问题AI什么时候该闭嘴2.1 “汇报式表达”正在悄悄毁掉产品体验我们先看一个特别常见的毛病AI特别爱汇报。语音助手执行完一个指令非要加一句“好的我已经帮您关掉客厅的灯”智能手表同步完数据非要弹一条通知说“昨晚睡眠数据已同步”你打开导航同一个匝道口它能连续播报三条指令。这种“做了就说、做了就报”的表达方式我用四个字评价互动话痨。这种话痨会让用户觉得AI“很不聪明”。我自己的实测数据里一个语音助手如果每次执行动作后都播报确认用户在中长期的使用率会明显低于只播报结果的版本。为什么因为人脑的注意力是一个有限资源用户一旦判断这个AI“总是说废话”就会习惯性忽略它的所有输出。等到真正重要的提示出现时用户也已经选择不听了。做产品的人一定要理解表达过多和表达过少同样是一种失误。2.2 从用户卡顿信号倒推“言值阈值”那怎么界定“什么时候该说”我自己在项目里常用的方法是设定一个“言值阈值”。简单说只有当用户此刻的不确定性超过某个阈值时AI才需要开口。用户没问、没卡住、没表露出犹豫AI就应该保持沉默。判断“用户卡住了”可以用几个非常实际的行为信号用户重复输入同一个问题说明上次的回答没有解决问题用户中断当前操作比如语音助手场景里用户突然把话说到一半用户连续使用模糊表述例如“那个”“什么来着”等代词变多输入速度显著放缓或长时间静止不动我做过一个具体的调整在智能客服里如果用户输入速度很快、语气词很少系统就只做精准回答不额外追问如果用户输入速度明显变慢系统会在问题末尾追加一句“您是不是想问XX”这个小小的阈值设计让用户对系统的“懂我”评价提升了一大截。关键是这句话的出现是因为系统判断用户遇到了障碍而不是每轮都固定提问。表达的关键不在于“说得对不对”而在于“说在用户需要的那一刻”。3. 让AI坦然说“我不知道”不确定性表达的三个层级3.1 为什么“装懂”是信任的第一杀手如果说“该闭嘴时没闭嘴”是低水平的错误那“不懂装懂”就是高水平的致命伤。生成式AI最让人头疼的“胡编”问题本质不是模型能力的问题而是表达策略的问题。模型面对未知问题本可以选择承认不确定但很多产品设计时为了追求回答率、为了不让用户觉得“AI太笨”给了模型极大的自由度去凭空生成答案。于是用户遇到一次AI一本正经地胡说八道信任就直接清零了。我做过一个用户访谈受访者提到过一次AI助手回答错他所在城市的行政区划从此他再也不信这个助手输出的任何事实信息。注意他遇到的错误其实很小但后果是灾难性的因为信任这种东西碎一次就难以修复。3.2 分三个层级把不确定性说出来我在自己的产品里把“不知道”的表达拆成了三个层级设计团队可以按场景选用第一层级明确承认不知道。对应表达是“这个问题我确实不知道”。很多团队不敢用这句话怕显得AI没用。但实际上一个人在你面前坦率地说“我不懂”并不让你觉得他差而是让你觉得他可靠。第二层级表达置信度。比如“我没有十足把握但根据现有信息结果偏向A方案”。把置信度说出来本质是给用户一个决策依据。用户知道你只有六成把握他可以选择不接受而不是傻等一个可能错误的结论。第三层级给退路。也就是在表达不确定之后紧接着给一个可执行的下一步。比如“需要的话我可以帮您查找原始文档或者转接人工”。这一步特别关键它让不确定性表达从“消极承认”变成了“积极协作”。这三个层级我在智能翻译和文档问答类产品中都测试过。用户的付费转化率和好评率并没有因为AI“认怂”而下降反而因为AI“说人话”而上升。这里我想提醒一句不确定性的表达不是模板堆砌它是建立在真实置信度判断之上的。如果产品根本不做置信度评估只在话术里加“可能”“或许”那用户很快就会识破你在装模作样。4. AI说错之后道歉、纠错与责任边界的表达礼仪4.1 道歉不是越卑微越好AI早晚会说错这个躲不掉。既然躲不掉就要认真设计“错了以后怎么说”。让我很意外的是大部分产品完全没设计过道歉话术出事以后要么靠运营临时补丁要么干脆用模板糊弄。道歉的表达我总结了两种失败模式。第一种是程序化道歉典型句式“对不起给您带来不便我们会持续优化”。用户听完只觉得你在说废话因为你没有承认任何具体失误。第二种是过度道歉“非常抱歉真的对不起请您原谅”卑微到用户反过来安慰AI。这两种都会让用户觉得产品没有担当、缺乏专业度。比较好的做法是“三段式道歉”先确认错误再简述原因最后给修正路径。比如“我刚刚的答案是错的问题出在我把A和B两个概念搞混了正确的说法是C。您可以放心按C操作我这边会记录这次错误”。这里有个细节确认错误一定要具体要说出到底哪里错了而不是一句笼统的“我错了”。用户真正需要的是确认你和他看到的是同一个问题。4.2 把纠错过程做成一次可感知的“重算”光道歉还不够还要让用户看见纠错的过程。我管这个叫“重算可见性”。什么意思一个AI助手给用户算错了税额如果它只是回复“抱歉修正如下”然后把正确答案贴出来用户心里会打鼓你这次是真对了还是又蒙的但如果它把修正过程展开比如“我重新检查了您的收入项和扣除项发现此前漏掉了住房租金专项附加扣除因此正确税额应为1200元”用户就会知道错误是怎么产生的、新答案为什么可靠。具体到交互设计上可以做几个动作显示“我重新检查了一遍”的状态把新旧结果做对比展示在修正的答案旁边加一个“提交反馈”按钮。这三个动作本质上都在传递同一种态度我不回避错误我的修正过程是透明的。这种透明度还有一个额外价值就是帮产品界定责任边界。AI只是工具工具会出错只要出错机制透明用户愿意给机会。5. 多模态表达的一致性问题别让文字、语音和画面互相打架5.1 一个指令在不同模态里的“语气差”现在大多数AI产品都不止一个输出通道。语音助手有声音、有屏幕App里既有文字气泡也有弹窗、动效、卡片。多模态一多就出现了一个新问题同一个意思在不同通道里表达出来的“语气”不一样甚至互相矛盾。我遇到过一个典型问题。用户对智能音箱说“帮我设置明早七点的闹钟”音箱语音回复“好的”屏幕上却弹出一个商品推荐卡片。语音说“好的”视觉却在推销用户第一反应不是“这音箱智能”而是“这音箱想赚我钱”。还有更隐形的冲突语音正在读一段严肃的免责声明屏幕上却播放欢快的动画。用户感受不到内容的严肃性因为他已经被视觉带跑了。这里要理解一个底层逻辑不同模态有不同的表达“带宽”。语音适合传达语气和即时情绪文字适合传达精确信息视觉适合表达状态和过程。很多产品什么都想用结果就是用户既没听清语音、也没读完文字、更没看懂画面。5.2 模态冲突时的优先级与路由策略我在设计规范里定了几条简单的路由原则实测下来挺管用用户有情绪波动时语音优先。因为人类对语音的安抚作用最敏感这时候别急着弹卡片。涉及精确数据和长内容时文字优先。让用户读可以反复确认。涉及操作过程和进度时视觉优先。比如文件上传状态、批量处理任务用进度条和状态图标比用语音播报清晰得多。更关键的是冲突降级逻辑。出现冲突时要有一个明确的“一锤定音通道”。我的做法是语音为主场景如果视觉内容和语音有歧义视觉就降级为辅助如果用户正在盯着屏幕操作屏幕上的文字就是最高优先级语音不要抢戏。这个优先级要在设计文档里写死而不是让算法自由发挥。多模态一致性的本质不是所有通道说一样的话而是所有通道在配合表达同一个意图、同一种态度。语音有力文字有据画面有态三者合起来才是完整的表达。6. 表达的“性格”克制比华丽更接近智能6.1 调性稳定是隐形的信任资产聊完多模态我想专门说一说表达的“性格”。现在的AI产品经常给我一种精分的感觉同一个产品的不同功能模块表达风格割裂得厉害。某个AI写作助手主界面语气活泼动不动“好嘞”“马上安排”但等到它给你解释收费规则时立刻变成公文腔。用户会觉得这个产品像个随时变脸的人没法建立稳定预期。稳定的调性是一个巨大的信任资产。我给团队定的方法叫“调性基线”先给产品写一个非常具体的人格描述比如“一位耐心、直接、偶尔带一点幽默感的效率顾问”然后围绕这个人格整理三个词库动词库、句式库、禁用词库。所有功能模块的文案都要经过这个基线校准。不需要消灭所有模块的差异但底层的“说话气质”必须一致。这里有个经验可以分享写调性基线的时候一定要写“我们不说的话”。比如你不希望产品像个推销员那就把“限时优惠”“错过再等一年”写进禁用词库你不希望产品像个机械客服就把“请您耐心等待”“非常感谢您的理解”写进禁用词库。很多时候表达性格是靠“不说什么”建立起来的。6.2 文化与人际距离决定表达的“温度”调性还不只是文案问题它背后是文化习惯和人际距离的判断。中文互联网语境里用户对“尊敬”和“亲近”的程度有点微妙太敬而远之显得冷太亲近又显得假。我在一个面向中文用户的AI助手产品里试过“很抱歉打扰您”和“有点事跟您说一下”两种表达前者太职场化后者又太随意最后折中成“有件事想跟您同步一下”用户接受度最高。如果你的产品要做出海市场这个问题的复杂度还会翻倍。欧美用户普遍喜欢直接、简洁的表达亚洲用户对间接、委婉的接受度更高。哪怕是同一种提示语“您的操作可能有问题”在不同市场的表达也要调整。我们做过一个实验同一句话在日本市场用“ご確認ください”这种偏客气的形式留存明显比生硬的“操作错误”高在德语市场却相反用户更接受直截了当的问题描述。表达的“温度”没有标准答案但它必须匹配目标用户的预期。没有产品的表达可以同时讨好所有人你要做的是让目标用户觉得“这个AI和我是一类人”。7. 验证表达设计的四个检查项7.1 四个检查项一次自查理论讲完了最后落地到一个很实际的问题你设计完一套表达怎么知道它到底行不行我在多次踩坑后总结出四个检查项每次上线前都要过一遍。边界检查这句话说出去是用户现在需要的还是产品想刷存在感删掉后会不会影响用户完成目标坦诚检查面对不确定信息话术有没有在装懂置信度有没有被真实传递纠错检查当答案被证明是错的产品有没有具体的修正路径用户能不能看到“为什么错”一致检查打开所有输出通道语音、文字、画面说的是同一个意思吗优先级排序对吗这四个检查项我们团队已经固化成模板写进需求评审的DoD里。解决办法也很朴素每次准备上线一个对话流程先自己去当用户把所有分支走一遍然后让一位新同事盲测专门找“哪里让你觉得不舒服”。不舒服的地方通常就是表达设计有问题的地方。7.2 一次真实案例复盘AI助手误报之后我拿最近一次真实事故给人做演示。我们的阅读助手有一天晚上在总结天气时出了错把“明天晴天”说成了“明天有雨”。用户当天晚上就提了反馈。按照四个检查项复盘第一处就挂了道歉文案里没有承认具体错误只说“抱歉之前的信息可能有误”。第二处也挂了修正答案时没有展示重新核查的过程用户不知道新答案为什么可信。一致性问题也存在修正只改了文字内容语音播报里却还是旧信息。发现问题后我们加班改了两版设计道歉文案具体到指出哪一项错了语音和文字同时修正并在文字卡片里附上重新核查的步骤说明。改完之后用户回了一句“这次我放心了”。你看用户其实不介意AI犯错他介意的是犯错之后你把他当傻子哄。这两个指标——用户没有流失、用户愿意继续用——比任何华丽的表达文案都重要。表达设计做到最后拼的不是“说得好”而是“靠得住”。我在实际项目里的体会是一个AI产品如果有能力做到边界清晰、坦诚相待、纠错透明、多模态一致哪怕它的词汇量再朴素用户也会觉得它比那些能说会道但谎话连篇的产品聪明得多。最后再分享一个小技巧每次上线前把产品所有表达打印出来从头到尾念一遍念到任何一句你觉得“如果对面坐着一个人他不会这么说”的地方那就是要改的地方。用耳听、用眼看、用心感受这就是表达设计的终极验收方法。