什麼是誠實的介面設計？能力不到，就別用那個外型

你打開一個客服對話框，看到擬人頭像和打字動畫，直覺告訴你「我可以跟它聊天」。結果它只會匹配五個關鍵字。問題不在技術不夠強，而在介面騙了你。

介面外型 = 承諾

使用者的期待不是你的文案決定的，是你的視覺元素在說話：

視覺線索	使用者的期待
放大鏡 + 單行輸入框	「這是搜尋」
對話氣泡 + 擬人頭像	「這能跟我聊天」
Cmd+K 指令列	「這聽指令」
行內紫色虛線框	「這是建議，不是定稿」
來源標註 [1][2][3]	「這可以驗證」

用了對話框的外型，就承諾了對話的能力。能力不到，就別用那個外型。

三個等級：平庸、良好、卓越

等級	代表產品	做了什麼
平庸	台灣銀行智能客服	對話框 + 擬人頭像包裝 if-else 選單，期望詐欺
良好	Stripe 搜尋、Linear Cmd+K、Siri Suggestions	外型 = 能力，零落差，不騙你
卓越	Perplexity（來源標註）、Notion AI（紫色虛線框 + 手動接受）、Arc「Browse for Me」	把 AI 的不確定性變成設計元素

良好是「不騙你」。卓越更進一步：把 AI 天生的不確定性，變成介面的一部分。

我的追問與發現

「『誠實的介面』具體怎麼做？有沒有案例？」

用三個等級看最清楚。平庸案例（銀行 chatbot）：對話框包裝選單，使用者反覆嘗試才發現在跟 if-else 對話，浪費時間也失去信任。良好案例（Stripe）：搜尋框就是搜尋框，看起來無聊但零落差。卓越案例（Perplexity）：每個回答附來源標註，遇到資訊衝突會明說，把不確定性做成可點擊的介面元素。這可能是目前最聰明的信任設計。

「Notion AI 和 Arc 怎麼做到卓越？」

Notion AI 不另開聊天視窗，直接嵌在文件裡。AI 生成的內容用紫色虛線框標示——視覺上就在說「這是 AI 寫的」。必須手動按「接受」才寫入，決定權留給你。Arc 的按鈕叫「Browse for Me」而非「問 AI」，精準描述系統行為，執行時顯示「正在瀏覽 5 個網頁…」。命名即承諾，流程即透明。

你可以怎麼用

檢查你的產品：介面上的視覺元素承諾了什麼能力？系統真的做得到嗎？
對話框是最危險的容器：除非你的系統真的能自由對話，否則別用對話氣泡和擬人頭像
讓不確定性可見：AI 沒把握的回答，用視覺標示（虛線、來源標註）讓使用者知道
命名要精準：按鈕叫什麼，系統就該做什麼。「Browse for Me」比「Ask AI」誠實
決定權留給人：AI 產出 = 草稿建議，手動接受才寫入正式內容

延伸連結

一句話帶走

介面的外型就是承諾。能力不到，就別用那個外型。

📚 完整學習對話紀錄（想看完整脈絡可展開）

從技術到品味

在前一篇討論零 LLM 引擎時，我們聊到了一個問題——零 LLM 模板模式「不應該偽裝成聊天機器人」。Claude 說了一句讓我印象很深的話：

誠實的介面 = 正確的期待 = 更好的體驗

我立刻追問：這個怎麼做？不是口號，是具體的設計方法。什麼樣的介面算誠實？什麼樣算詐欺？有沒有真實產品可以參考？

這篇就是那場對話的整理。

我的提問：「誠實的介面」具體怎麼做？有沒有案例？

我請 Claude 幫我分三個等級——平庸、良好、卓越——各舉真實產品的例子。不要假設性的範例，要我能打開來用的東西。

Claude 的回答讓我重新理解了一件事：介面設計的核心不是好不好看，是誠不誠實。

平庸案例：「對話」的殼包「選單」的心

台灣銀行智能客服

台灣銀行智能客服介面 台灣銀行智能客服的對話介面。看起來像可以自由對話，實際上只能匹配預設選項。

打開介面，你會看到：一個對話框、一個擬人的頭像、訊息送出後還有打字動畫。這三個元素加在一起，承諾的是「我能跟你聊天」。

但真正的能力呢？只能匹配 5 到 10 個關鍵字。你打「我想問信用卡的年費怎麼減免」，它回你「很抱歉，我不太理解您的意思，請試試以下選項」，然後跳出一排按鈕。

問題不在技術能力不足——選單式引導本身沒有錯。問題在於你用了對話的外型。使用者看到對話框，會投入情感和耐心，會嘗試換句話說、多試幾次。等到他們發現自己在跟一個 if-else 對話時，已經浪費了時間，也失去了信任。

這違反了 Jakob Nielsen 的「系統狀態可見性」（Visibility of System Status）原則——使用者應該隨時知道系統能做什麼、不能做什麼。

反模式總結：用「對話」的容器包裝「選單」的能力，是最常見的期望詐欺。

良好案例：用對外型，不偽裝

Stripe 文件搜尋

Stripe 的搜尋介面。放大鏡圖示、單行輸入框、回傳文件連結清單。搜尋的外型 = 搜尋的能力。

就是一個搜尋框。放大鏡圖示、單行輸入、回傳的是文件連結清單。沒有對話氣泡，沒有擬人角色，沒有打字動畫。

你輸入關鍵字，它回傳相關文件。搜尋的外型 = 搜尋的能力 = 零落差。

看起來很無聊？對。但無聊代表沒有騙你。

Linear Command Palette

Linear Command Palette Linear 的 Cmd+K 指令列。輸入時即時顯示系統「能做什麼」的邊界。

按 Cmd+K 叫出指令列，不是聊天視窗。你每打一個字，它即時過濾可用的指令。你隨時看到能力的邊界，而不是問了才知道「不行」。

指令列這個外型本身就在說：「我聽指令，不聊天。」外型和能力完全吻合。

Apple Siri Suggestions

Apple Siri Suggestions。不要求你開口，主動根據時間和地點推薦。是工具，看起來就像工具。

Siri Suggestions 不要求你說話，不擬人、不打招呼、不假裝在對話。它根據時間和地點主動推薦——早上通勤時間顯示地圖、午餐時間顯示常去的餐廳 app。

是工具，看起來就像工具。這就是誠實。

卓越案例：把不確定性變成設計元素

良好的設計是「不騙你」。卓越的設計更進一步：把 AI 天生的不確定性，變成介面的一部分。

Perplexity AI

Perplexity AI 來源標註 Perplexity 的搜尋結果。每個回答附上來源標註 [1][2][3]，遇到資訊衝突會明說。

Perplexity 每個回答都附上來源標註 [1][2][3]，滑鼠移上去可以預覽原文。遇到來源之間資訊衝突，它會明確告訴你：「來源 A 說是，來源 B 說不是。」

沒有藏起 AI 的不確定性，而是把不確定性做成介面元素。使用者看到標註，自然知道這是「可驗證的」而不是「絕對正確的」。

這可能是目前最聰明的信任設計。

Notion AI

Notion AI 行內助手 Notion AI 的行內助手。紫色虛線框標示 AI 生成內容，必須手動「接受」才寫入。

Notion AI 不是另開一個聊天視窗。它直接嵌在你的文件裡，行內出現。AI 生成的內容用紫色虛線框標示——視覺上就在說「這是 AI 寫的，不是你寫的」。

而且你必須手動按「接受」，內容才會正式寫入文件。AI 的產出 = 草稿建議，不是最終答案。決定權留給你。

Arc Browser「Browse for Me」

Arc Browse for Me Arc 的「幫我瀏覽」功能。命名精準描述系統行為，執行時顯示「正在瀏覽 5 個網頁…」。

Arc 的按鈕不叫「搜尋」，不叫「問 AI」——叫「Browse for Me」（幫我瀏覽）。這個命名精準描述了系統真正在做的事：它會去幫你瀏覽幾個網頁，然後整理結果給你。

執行時顯示「正在瀏覽 5 個網頁…」，讓你看到過程。結果同時顯示摘要和原始來源。

命名即承諾，流程即透明。

設計密碼：視覺線索決定期待

Claude 幫我整理了一張表，看完之後我才真正理解——使用者的期待不是你文案怎麼寫，是你的視覺元素在說什麼：

視覺線索	使用者的期待
放大鏡 + 單行輸入框	「這是搜尋」
對話氣泡 + 擬人頭像	「這能跟我聊天」
Cmd+K 指令列	「這聽指令」
行內紫色虛線框	「這是建議，不是定稿」
來源標註 [1][2][3]	「這可以驗證」

一句話總結：介面的外型就是承諾。能力不到，就別用那個外型。

延伸閱讀

想深入研究 AI 介面設計，這些是我找到的最頂尖的資源：

資源	專文	原始出處
Google PAIR Guidebook	精讀筆記	pair.withgoogle.com
NNGroup AI UX 系列	精讀筆記	nngroup.com
Apple HIG ML	精讀筆記	developer.apple.com
Maggie Appleton	精讀筆記	maggieappleton.com
Shapeof.AI 模式庫	精讀筆記	shapeof.ai

我學到的

品味與科技的混合題：技術決定你「能做到什麼」，品味決定你「讓使用者期待什麼」。兩者吻合就是好體驗，不吻合就是災難。

銀行 chatbot 的工程師可能很厲害，但他沒有阻止產品經理用對話框包裝選單。Perplexity 的設計師可能不會寫 LLM，但他知道要把來源標註做成可點擊的介面元素。

能判斷「外型和能力是否吻合」這件事的，不是工程師，是有 UX 直覺的人。這就是 Centaur Model 的精神——你帶路，AI 跑腿。我負責判斷什麼是誠實的、什麼是詐欺的，AI 負責把我的判斷實現成可運作的產品。