AI 产品设计模式：值得学习的产品案例

这篇适合谁读

AI 产品设计最容易犯的错，是把一个聊天框放进产品里，然后期待用户自己发现价值。成熟产品的做法通常更克制：把 AI 放到任务发生的位置，把生成过程变成可控流程，把错误恢复设计成体验的一部分。

这篇整理的是适合反复研究的 AI 产品案例，以及它们背后的可复用设计模式。

一条主线：模型能力如何变成产品体验

评价一个 AI 产品，不要只看模型回答是否聪明，还要看这条链路是否完整。

AI 编程产品：渐进式控制

Cursor

Cursor 的价值不只是“能聊天写代码”，而是把 AI 放进多个粒度：

• Tab 补全：低打扰，适合局部连续输入。
• Cmd+K：选中一段代码后局部改写。
• Chat：解释、问答、检索上下文。
• Composer / Agent：跨文件修改和多步骤任务。

可学习模式：渐进式披露。新手可以从补全和聊天开始，熟练用户再进入多文件修改。AI 产品不应该一上来就把用户推向最高复杂度。

Windsurf

Windsurf 强调 Flow，把 AI 协作尽量放在后台推进。它提醒我们：AI 不一定要一直占据屏幕中央，有时更像高级 linter 或后台协作者。

可学习模式：减少任务切换。对频繁工作流来说，“少打断”比“多展示”更重要。

AI 搜索产品：可信答案

Perplexity

Perplexity 的核心不是生成答案，而是让答案有来源、有结构、可追问。

值得观察的细节：

• 数字引用让每一句关键结论可以回到来源。
• 答案里混合列表、表格、代码块，降低阅读成本。
• Follow-up 问题把搜索从一次性行为变成探索过程。
• Collections 让一次搜索结果变成可保存资产。

可学习模式：来源透明。任何依赖外部事实的 AI 产品都要回答“用户凭什么信你”。

AI 嵌入式产品：出现在任务现场

Notion AI

Notion AI 没有把 AI 做成孤立入口，而是放在写作、搜索、摘要和块编辑中。

可学习模式：

• AI 出现在用户本来就要编辑的位置。
• 生成结果可以接受、拒绝、继续改写。
• AI 结果不是最终文本，而是用户文档的一部分。

这类设计适合已有工作流产品。AI 的入口越贴近原任务，用户越不需要切换上下文。

对话型 AI 产品：工作区与产物分离

ChatGPT

ChatGPT 的学习重点不只是聊天，而是 Projects、Memory、GPTs 和 Canvas：

• Projects 把对话、文件和指令聚合成工作区。
• Memory 让长期偏好可见、可管理。
• GPTs 把个人配置变成可复用助手。
• Canvas 把长文和代码从聊天流里拆出来编辑。

Claude

Claude 的 Artifacts 是一个关键模式：当 AI 生成的是代码、页面、文档或图表时，不应该只塞在聊天气泡里，而要放到独立可查看、可迭代的工作区。

可学习模式：对话负责协商，产物负责承载结果。

AI 陪伴与角色产品：人格化边界

Character.AI 和 Replika 提供了角色化 AI 的典型样本。它们的价值不只在聊天内容，而在角色卡、欢迎语、语气、头像、记忆和关系进度共同塑造的持续感。

可学习模式：

• 角色不是 prompt，而是产品对象。
• 人格化需要明确边界和用户控制。
• 长期关系依赖记忆，但记忆必须可解释、可删除。

AI 会议与笔记产品：人类主导

Granola

Granola 的设计很值得学习：用户仍然在会议里记笔记，AI 在旁边补充和整理。它没有抢走用户控制权。

可学习模式：AI 辅助，人类主导。尤其适合会议、写作、研究这类高信任任务。

Otter.ai

Otter 的信息层级更清晰：转录全文、摘要、行动项。它说明 AI 结果可以分层呈现，不同用户按需要进入不同深度。

生成式产品：迭代循环

Midjourney 的经典模式是：

可学习模式：生成式产品的核心体验通常不是一次生成，而是“生成、选择、微调、再生成”的循环。

总结：可复用的 8 个模式

面试或复盘时，不要只说“某产品功能很好”，而要说清它解决了什么交互问题，以及这个模式能不能迁移到你的项目里。