Stany agenta interfejsu użytkownika: jak pokazać myślenie AI, wywołania narzędzi i postęp

Dlaczego uruchamianie agentów wymaga własnych stanów

Klasyczne żądanie ma dwa widoczne stany: ładowanie i gotowe. Uruchomienie agenta AI jest inne. Może to zająć sekundy lub minuty, przechodzi przez kilka etapów, takich jak wyszukiwanie, odczytywanie plików lub wywoływanie interfejsu API, i może podejmować działania, które mają konsekwencje. Badania dotyczące czasu reakcji przeprowadzone w Nielsen Norman Group nadal mają zastosowanie: około 0,1 sekundy wydaje się natychmiastowe, około 1 sekundy utrzymuje przepływ myśli, a po około 10 sekundach ludzie potrzebują informacji zwrotnej na temat tego, co się dzieje i mniej więcej, ile czasu to zajmie. Większość agentów obsługuje grunty w tej ostatniej grupie.

Stany do zaprojektowania

Zaprojektuj każdy z nich jako odrębny stan z własnym wyglądem i słowami, a nie jako jeden spinner:

• Otrzymano: potwierdź żądanie natychmiast (poniżej 0,1 s), na przykład wyświetlając wiadomość w wątku.
• Myślenie: spokojny wskaźnik w pobliżu miejsca, w którym pojawi się odpowiedź. Unikaj fałszywych procentów postępu.
• Wywołanie narzędzia: nazwij krok prostymi słowami („Przeszukiwanie dokumentów”, „Czytanie 3 plików”) i podaj liczbę, jeśli ją znasz.
• Oczekiwanie na akceptację: wyraźna pauza, gdy agent potrzebuje pozwolenia przed podjęciem działania.
• Przesyłanie strumieniowe: wyświetlaj dane wyjściowe w momencie ich otrzymania; zatrzymaj wskaźnik myślenia, gdy tylko zacznie się tekst.
• Gotowe: krótkie podsumowanie tego, co się zmieniło, z możliwością cofnięcia, jeśli to możliwe.
• Zatrzymano i zakończyło się niepowodzeniem: powiedz, co się stało, co zostało zachowane i jak ponowić próbę.

Pokaż plan, a nie surowy dziennik

Długie dzienniki wywołań narzędzi są przydatne do debugowania, ale są przytłaczające dla większości użytkowników. Dobrym ustawieniem domyślnym jest jednowierszowy status bieżącego kroku plus zwinięta lista ukończonych kroków, którą można rozwinąć. Programiści i zaawansowani użytkownicy mogą otworzyć szczegóły; wszyscy inni widzą postęp prostym językiem. Protokoły takie jak AG-UI, otwarty standard oparty na zdarzeniach, służący do łączenia agentów z aplikacjami dostępnymi dla użytkownika, istnieją częściowo po to, aby interfejsy użytkownika mogły odbierać te zdarzenia kroków w spójny sposób.

Kontrola i zaufanie

Ludzie bardziej ufają agentom, gdy mają kontrolę. Przycisk stop powinien być widoczny przez cały czas trwania biegu. Poproś o potwierdzenie przed nieodwracalnymi działaniami, takimi jak wysłanie, płatność lub usunięcie, i pokaż dokładnie, co się stanie. Po uruchomieniu możesz łatwo cofnąć, edytować lub ponowić pojedynczy krok, zamiast zaczynać od nowa.

Wniosek o stany agentowe

Ruch jest silnym sygnałem, że „coś się dzieje”, ale pętle męczą na długich dystansach. Użyj delikatnej pętli o niskim kontraście do myślenia, wyraźną zmianę, gdy rozpoczyna się wywołanie narzędzia i wyraźną stabilizację, gdy przebieg się zakończy. Przestrzegaj ustawienia zmniejszonego ruchu, zamieniając ruch na subtelną zmianę krycia. Asystenci głosowi często używają animowanej kuli z wyraźnie różnymi stanami bezczynności, słuchania, myślenia i mówienia.