AI 体验的层次：为何设计师需要向下穿透一层

随着生成式 AI 的普及，产品的交互逻辑正在发生根本性变化。设计师 Emily Campbell 在《The Layers of AI Experience》中提出，传统 UX 设计中由设计团队「控制界面、定义路径」的确定性范式已难以适用，AI 产品呼唤一种新的多层设计视角。

从用户体验要素到产品设计要素

2000 年，Jesse James Garrett 在《The Elements of User Experience》中提出，网站体验由视觉、信息架构、交互等多个相互依赖的「平面」构成，设计师需要对整体体验负责，而非仅优化自己控制的那一层。

二十年后，Jamie Mill 在《The Elements of Product Design》中扩展了这一框架，将「问题空间」与「现实世界」纳入考量——即用户的需求、行为、约束、心智模型等都会影响产品如何被使用。设计不再是单纯定义交付物，而是面向结果的协调过程。

Garrett：设计需超越设计师直接控制的「解决方案空间」。
Mill：设计还需关注影响用户理解和使用的外部条件。

AI 带来的概率性转折

生成式 AI 让产品系统进一步复杂化。传统算法产品虽然具有动态性，但行为可由规则、状态、路径来描述；AI 系统的底层模型本身是概率性的，会产生难以完全预测的涌现行为。

Campbell 指出，AI 产品中每一次交互都可能携带来自以下层次的痕迹：

模型层：训练数据、模型权重与内在偏置。
编排层（harness）：提示词、工具调用、上下文管理。
策略层：安全策略、行为边界与产品定位。
涌现行为：模型在特定上下文中的不可完全预测的表现。

这意味着设计师无法通过界面穷举所有结果，而需要像系统设计师一样，识别并操纵「表面之下的杠杆点」——即决定模型生成结果的那些条件与结构。

全栈设计师的真正含义

Campbell 所说的「全栈设计师」并非指设计师要成为机器学习工程师或模型研究者，而是强调一种「多语言」能力：能够流畅讨论界面之下每一层如何影响用户体验，并知道在何处、何时介入。

具体而言，AI 时代的设计师需要：

理解模型的训练数据、能力边界与常见失效模式。
掌握提示词工程、上下文工程与编排策略的基本逻辑。
关注安全策略与产品定位如何塑造模型行为。
将涌现行为纳入设计考量，为不确定性预留空间。

结语

Campbell 的核心主张是：AI 体验由一组高度相互依赖的层次共同塑造，在与系统交互的过程中，每一层都可能改变形态与功能。早期交互高度依赖用户直接指令，随着系统对问题与用户上下文的理解加深，它将逐步接管需求管理。这一演化路径决定了 AI 产品设计必须超越界面，延伸到模型、编排、上下文与策略等多个层面——这是 AI 时代对设计师提出的新要求。