Grok bot 是今年最惊艳的一个产品，来看看 Grok bot 设计团队背后的设计理念文章

翻译自：https://x.ai/news/designing-grok-bot

我们为代理设计了 Grok Bot，使其能够在单次会话后持续工作——从聊天记录到机器人名册、在线状态、机器人自己的计算机，以及无需提示即可开始的工作。

为持久代理的世界设计 Grok Bot重新思考原始事物从聊天记录到机器人名册以界面形式呈现他们的电脑，不是你的。信息的形式组织情报持续推进的工作消失的界面

在设计 Grok Bot 之初，我们面临的核心问题之一就是：界面应该如何塑造用户与智能体之间的关系？大多数人工智能界面都围绕用户操作的聊天会话展开。每个会话都从设置阶段开始，在用户观察下逐步展开，并在对话结束时结束。

我们希望设计一个能够超越单个会话持续运行并独立承担责任的智能体。这意味着我们需要重新考虑界面的一些基本对象和信号，包括侧边栏的内容、智能体如何显示进度以及何时应该使其工作可见。

重新思考原始事物

人工智能产品在短时间内积累了庞大的词汇量。聊天记录、会话、模型、上下文窗口、记忆、系统提示、项目、技能、连接器、代理、工具、沙箱、权限和自动化等都描述了这些系统的实际组成部分。

但将每个概念都作为独立的产品概念来展示，会要求用户理解超出实际需要的内容。我们首先询问用户，为了与客服人员合作，他们真正需要哪些概念。

我们最终还是回到了五：

1. 机器人是具有自身身份、记忆、运行时和工具的持久代理。

2. 聊天是与机器人进行对话的界面。

3. 提示信息为机器人提供上下文或指令。它们可以一次性使用，保存为技能，或作为例程自动触发。

4. 工具使机器人能够通过软件、API、连接器、shell 或计算机使用来访问信息和执行操作。

5. 工件是指机器人创建或修改的文档、设计、代码、数据和其他持久输出。

其他所有内容都可以保留在界面下方，直到用户有理由关注它们为止。下一个问题是，这五个对象中的哪一个应该用来组织产品。

从聊天记录到机器人名册

聊天记录都是一次性的。我们发起对话是为了解决问题，结果对话很快就被淹没在侧边栏里。一周后，我们又会发起新的对话。你很少会翻看最近的五条之前的聊天记录。

当交互单位是问题时，这种行为完全合理。但如果交互的另一端需要了解你、记住之前的互动，并承担长期的责任，那么这种行为就显得很奇怪了。

所以，Grok Bot 的主要对象是机器人，而不是对话。每个机器人都有名字、头像和称号。它会记住与你的对话。它拥有自己的电脑和工具。当你明天再次访问时，你面对的仍然是同一个机器人。

以界面形式呈现

一旦机器人不再是需要启动的会话，而是需要长期维护的对象，那么机器人在产品中的呈现方式就必须同时回答三个问题：

1. 这是谁？

2. 他们在做什么？

3. 我需要了解多少？

这是谁？

只有能够快速浏览，名册才能发挥作用。随着名册规模的扩大，我们不希望用户每次打开产品时都必须阅读每个名字。他们应该能够几乎仅凭余光就能通过头像识别出机器人。

与此同时，我们希望保持头像的一致性，使其能够被视为一个统一的系统。我们研究了插画、动画、游戏和界面设计中的角色系统，探索了从首字母和表情符号到像素艺术、水彩画、黏土拟人、Noritake风格的线条艺术、轮廓和标识图标等各种形式。

大多数方法都只更好地解决了问题的一个方面。水彩和黏土赋予了每个机器人丰富的个性，但在侧边栏尺寸下却显得过于繁复。更简单的系统在界面中显得更加自然，但往往导致机器人看起来千篇一律。

我们最终确定的系统保持了基本结构的一致性，采用简洁的造型和富有表现力的眼睛，然后通过精心控制的变化和配件来区分不同的机器人。每个机器人都能让人一眼认出，同时又不会显得来自不同的视觉世界。

他们在做什么？

一旦头像成为机器人的身份标识，它自然也成为了显示状态的理想位置。机器人可能处于空闲、思考、工作、等待、阻塞或完成状态。我们本可以用单独的指示器来表示每种状态，但这会增加一层需要用户解读的用户界面。

相反，我们探索了虚拟化身本身能够承担多少生命周期。

静止状态下，机器人平静而略带好奇。当任务到来时，它会确认任务。工作开始后，它会迅速进入工作状态。等待或需要帮助时，它的动作会再次改变，工作完成后则会恢复正常。此时，机器人的头像会显示它正在执行的任务以及它的身份。

由 Benji Taylor 设计的 Avatar 动态系统

我需要了解多少？

一个相关的设计问题是，应该展示多少机器人的执行过程。一种方法是使用标准的“三个动画点”，但这提供的信息太少，用户很难判断机器人是在正常运行还是卡住了。

我们也尝试过显示机器人当前操作的简短文字描述，但用户一旦看到其中一个步骤，就希望看到其余步骤。用户调研显示，他们询问这些细节主要是为了确认机器人仍在运行且方向正确。

在最终设计中，虚拟形象的动作首先给人以安心感，表明机器人处于活动状态。如果有人想查看它正在做什么，可以将鼠标悬停在虚拟形象上查看其当前操作。

他们的电脑，不是你的。

每个机器人都有自己的电脑，可以用来浏览网页、处理文件和运行软件。这就带来了另一个界面问题：这台电脑应该以何种方式显示？用户何时应该能够控制它？

我们探讨了四种方案：

• 浮动窗口：既方便操作电脑，又能遮挡对话内容。

• 并排显示：使作品持续可见，并鼓励用户观看。

• 模态框：使签到变得容易，但将机器人的工作区视为暂时中断。

• 全屏显示：虽然给了电脑足够的空间，但却完全干扰了对话。

我们越是突出计算机，产品就越鼓励用户对其进行监督。我们决定让它始终作为机器人的工作空间，并通过界面根据用户需要提供不同级别的访问权限。

最终设计分为三个层次，使用户能够在不被引导进行操作的情况下进入机器人的工作空间：

• 状态：计算机运行时，标题栏图标变为紫色。

• 预览：打开后会显示一个固定的侧边栏，用户可以在其中跟踪工作进度而无需离开对话。

• 接管：当机器人需要帮助时，用户可以打开计算机全屏，接管控制权，然后再将其交还给机器人。

我们还设计了会随时间变化的壁纸，早晨颜色变浅，夜晚颜色变深。这一细节赋予了机器人的电脑独特的时间感，使其与用户的桌面电脑区分开来。

由 Kenny Kuh 和 Luke Barker 设计的动态壁纸。

它更像是与同事一起工作，而不是操作远程机器。你可以知道他们在工作，需要了解情况时可以瞥一眼他们的屏幕，遇到需要帮助的事情时可以坐下来帮忙。

信息的形式

早期版本的 Grok Bot 几乎对所有请求都以散文形式回复。它会描述五天的天气预报，而不是直接显示；它会叙述一系列任务，而不是以看板的形式呈现。用户不得不重新组织答案。这促使我们将回复的形式视为答案的一部分。

为了支持这一功能，我们在 Grok Bot 中内置了卡片式和组件式控件。机器人可以根据需要使用散文进行回答，而当散文不适用时，则会使用结构化的用户界面。

彭铮设计的在线聊天组件

同样的原则也适用于操作。当机器人创建例程、更改设置或与其他机器人发送消息时，事件可以直接显示在对话记录中。用户可以打开对话记录查看更多信息。

最终得到的是一个异构的转录文本，其中对话、系统事件、交互式对象和可视化内容共享一个时间线。

组织情报

用户创建多个机器人后，产品还需要组织这些机器人如何协同工作。我们需要决定每个角色应该对应哪些上下文，机器人在工作重叠时应该如何共享上下文，以及如何在不让用户变成调度员的情况下协调它们。

随着人们创建更多机器人，我们发现了一种解决方案。有些人创建了一个幕僚长机器人，负责协调多个专家。这样，他们就可以向一个机器人下达指令，而无需亲自检查每个机器人并分配每项任务。

赋予机器人不同的角色也迫使我们决​​定每个角色应该掌握哪些知识。例如，法律机器人可能需要了解正在进行的纠纷的历史记录，而财务机器人可能需要多年的财务记录。如果将这些历史记录合并到一个大型内存中，就很难为每个机器人提供与其工作相关的信息。

因此，在 Grok Bot 中，功能和上下文遵循不同的界限。工具和技能存在于账户级别，因为许多机器人可能需要浏览网页、处理文档或发送电子邮件。记忆和例程则属于机器人本身，因为它们反映了特定角色随着时间推移所掌握的知识和行为。换句话说，功能可以广泛共享，而上下文则保留给需要它的角色。

有些工作会跨越这些角色界限。群聊为项目或团队提供共享的背景信息，同时允许每个机器人保留其专业记​​忆。设计师、工程师、项目经理和数据科学家可以在同一对话中协作，互相传递工作，并分享项目所需信息。

我们曾考虑添加仪表盘、任务分配看板和明确的交接控制来管理这些群组。但每项措施都会增加用户的协调工作量。因此，我们决定采用协调机器人来处理日常路由，并在需要用户做出判断时才引入协调功能。

持续推进的工作

大多数智能机器人会话都是在用户发送指令后启动的。这意味着即使是持续运行的机器人也需要等待用户激活。例程允许用户为机器人设定固定的职责，使其按计划或响应特定事件运行，例如监控行业动态或每天早上准备简报。用户只需定义一次任务，例程就会在需要执行时激活机器人。

最初，我们将例程视为次要配置。随着它们对自主工作变得越来越重要，我们将它们移到了机器人的主界面中。记录显示运行了哪些操作，并为用户提供了一个查看结果或处理异常情况的地方。

这也改变了对话的角色。提示信息可以启动会话，日程安排、事件或其他机器人也可以。随着时间的推移，越来越多的工作可能在用户完全不在场的情况下开始。

消失的界面

项目后期，大部分设计工作都集中在精简功能上。我们移除了窗口和面板控件、计算机视图选项以及代理元数据。我们还设定了实际的限制，每个账户大约 50 个机器人，每个群聊大约 6 个机器人。每一个决定最终都归结于同一个问题：这样做是帮助用户更好地委派任务，还是给他们增加了一项需要管理的工作？

随着模型不断改进，人工智能操作与委托给同事之间的界限也在不断变化。Grok Bot 正是我们目前对人工智能定位的体现。从最初的探索到最终发布，Grok Bot 的设计始终围绕着寻找这条界限，并让用户界面随之调整。随着智能体承担更多责任，用户界面对用户的要求也应该相应降低。