如何设计 AI 与人的交互？以及为什么真正的创新必然是集中式的？
输入“/”快速插入内容
如何设计 AI 与人的交互？以及为什么真正的创新必然是集中式的？
如何设计 AI 与人的交互？以及为什么真正的创新必然是集中式的？
用户4242用户4242用户9482用户94822025年5月22日修改
原创 谭少卿 谭少卿2025年05月15日 12:00 北京
📚
真正的产品创新不可能靠跨部门协作，只能是集中式创造。
先上“暴论”，在结尾会点题。
因为我们不需要模棱两可的漂亮话，我们需要观点的锋利。否则分享的意义就丢失了，何谈思想的交锋。
🐱
文章结构：
一、我们先谈如何设计 AI 与人的交互
二、更好的设计是什么
三、为什么“真正的产品创新不可能靠跨部门协作，只能是集中式创造。”
四、后记&彩蛋
五、联系方式
我们先谈如何设计 AI 与人的交互。
这个话题很大，所以这篇文章还是举例说明，尝试说清楚中间的一个点。
所以，我们直接举之前的例子，以 Google Photo 和 iOS 相册为例，这曾经是我多年前面试 AI 产品经理的经典题目。如果严谨一点，当时招的叫智慧产品的产品经理。
举这个例子是因为大家可能或多或少这两个产品或者类似的产品，也就是在相册里的输入框，输入关键词，搜索照片。可能是搜猫、搜狗、或者是搜某天跟朋友的合影。
同一个功能，二者的区别在哪里？你可能会发现，如果你拍了很多狗狗的照片，你在 iPhone 里边输入“狗”，能搜到不少狗狗，但是可能有些搜不出来。而搜不出来的这些狗狗，可能是因为拍糊了，或者它看起来可能像个猴子，比如我喜欢的猴面梗，它甚至像个小狮子、或者“小恶魔”，如下图。
总之，它看起来不是那么像大部分狗狗。
但如果你在 Google Photo 里边搜索“狗”，你可能会发现，它基本上能把狗狗都搜给你。但可能它也会把你的毛绒玩具、甚至小狮子的屁股照片搜给你。
所以这二者在产品设计的倾向上是有显著区别的。这个区别是什么？
我们都知道，在检索类的产品里，有两个经典的技术指标。做 RAG 也是一样的，需要看这两个指标。
即召回率（ Recall） 和精确率（ Precision ）。维基百科的解释如下。
📚
召回率（Recall/查全率）＝检索到的 正确目标数量 ÷ 全部目标数量 。
精确率（Precision/查准率）＝检索到的 正确目标数量 ÷ 检索返回的总数量 。