40 分钟
AI Agent 产品经理进阶

Agent 产品设计方法论与交互体系

就按这个来:系统掌握设计原则、人设与边界、三大交互范式、多轮对话、RAG、工具调用、多 Agent 协作与错误处理

  • 掌握 Agent 设计四大原则,以及人设、边界的设计方法
  • 区分三大交互范式并能选型
  • 掌握多轮对话、RAG、工具调用、多 Agent 协作的产品设计要点
  • 建立完整的错误处理设计体系

5.1 Agent 产品设计四大核心原则

宁可不做,也不要做错。明确能做什么的同时,更要明确不能做什么,超出边界就直接拒绝,别硬答。

先抓高频刚需的场景,做深做透再慢慢拓展,别上来就想着什么都做。

所有可能出错的地方都要有兜底方案,别让用户碰到无解的错误。

交互要符合用户平时的习惯,别为了炫技给用户加没必要的操作负担。

🐍边界感是 AI 产品的第一设计力

传统软件的问题往往是功能没做全,AI产品最容易翻车的地方是做了但做错。一个清楚知道自己边界、超纲就坦诚说明的Agent,信任度远高于一个什么都敢答、偶尔胡说的Agent。

5.2 人设设计体系

人设不是起个名字那么简单,它由五个相互咬合的部分组成:

Agent 是用户的助手、顾问、专家还是伙伴,不同身份对应不同语气与主动性。

能力范围:明确核心能力、拓展能力、禁止能力的边界,边界越清晰体验越稳定。

回复风格:统一三个维度——正式或口语、简洁或详细、理性或带情感。

边界话术:为“超出能力范围”设计标准化回复,统一口径,避免同一问题每次回答不一致。

错误兜底:为答错、无法回答、系统故障分别设计补救话术,把负面体验降到最低。

5.3 能力边界设计的四种方法

深度拓展

四种边界设计方法

场景收敛法:先梳理 Top 20% 高频需求,集中资源把核心场景做到极致。

减法设计法:先做减法,去掉所有非核心、效果差、成本高的功能。

边界迭代法:通过 Badcase 不断收敛“不该答”的边界,通过用户反馈逐步拓展“可以答”的范围。

分级能力法:核心能力保证高准确率,拓展能力允许一定误差,禁止能力坚决不碰。

5.4 三大交互范式与选型

配对题交互范式与适用场景

选型就看任务确定程度:任务越开放,越适合纯对话;越结构化,越该加控件。成熟的 Agent 产品大多是三者混合,不同环节用最合适的方式。

选择题

一个“查询订单并一键退款”的高频固定流程,最适合的交互范式是?

5.5 多轮对话设计进阶

意图体系:搭一级、二级、三级意图树,明确每个意图的边界和触发条件,别让意图之间互相冲突。

槽位填充:缺啥就直接问,上下文里有的不用再问用户。

上下文管理:只记和当前任务有关的信息,任务完了就清掉没用的,别让旧信息干扰新任务。

话题切换:能识别用户中途换话题,自动重置任务状态、开新流程,别把两句话硬揉一块儿。

⚠️重复追问是最伤体验的细节

用户刚说过“明天下午三点”,下一轮又被问“请问您想约几点”,会立刻暴露系统没在听。槽位填充前必须先查上下文,这是多轮对话的基本功。

5.6 RAG 产品全流程设计

RAG(检索增强生成)本质是给模型外挂一个可更新的知识库。产品视角要盯紧五个环节:

知识库规划:确定知识来源、结构、分类体系与更新机制。更新机制常被忽略,却决定长期效果。

文本预处理:制定清洗规则、分块策略与标准化规范,分块大小直接影响检索质量。

检索策略:选向量、关键词或混合召回,定召回数量和重排逻辑。

答案生成:设计提示词模板、引用规范与幻觉约束(如“无依据不得作答”)。

效果衡量:定义召回率、准确率、完整度三大核心指标。

选择题

RAG 系统回答出现「知识过时、和最新文档不一致」,产品上先排查哪个环节?

5.7 工具调用型 Agent 设计

工具选择:优先接入高频、刚需、结果明确、风险低的工具。

工具定义:统一工具名称、功能描述、输入参数、输出格式,描述质量直接决定模型选不选得对。

参数校验与异常处理:参数不合法时如何引导、调用失败如何兜底、结果异常如何识别。

多工具编排:分顺序调用、并行调用、条件调用三种模式,每一步都要设计失败回退。

5.8 多 Agent 协作系统设计

每个 Agent 职责单一、边界清晰,别搞角色重叠,不然容易互相推诿或者重复劳动。协作协议要定死信息传递格式、任务分配规则、结果汇总机制。三种主流模式:

深度拓展

三种多 Agent 协作模式

总管+专家模式:一个调度 Agent 统筹,多个专业领域 Agent 分工执行,适合任务可按领域拆分的场景。

流水线模式:任务拆成多个步骤,每个 Agent 负责一个环节,适合流程固定、顺序明确的任务。

评审模式:多个 Agent 分别产出方案,由评审 Agent 筛选最优解,适合需要高质量、可比较结果的场景。

5.9 错误处理设计体系

可感知错误(系统明确知道出错了):明确告知原因,给出解决路径或引导,不回避、不敷衍。

不可感知错误(即幻觉,系统自己都不知道错了):通过 RAG 增强、事实校验、多轮验证从源头降低概率。

降级机制:AI 效果不佳或系统故障时,自动切换到人工或传统方案,保障底线体验不崩塌。

🐍把错误当成必然来设计

别假设系统总正常。成熟的做法是预先列出所有可能的失败点,给每种失败写用户能看懂的提示,再给可继续的下一步。错误处理做全,就是工业级产品和 Demo 的区别。

资深工程师加餐

底层原理 · 大厂视角 · 工程经验,点卡片展开

组合拳:用 RAG 提供事实依据并要求引用来源;事实型任务降低温度、用结构化输出约束;关键环节用规则或人工审核兜底;明确教模型「不知道就说不知道」。同时区分任务类型——创作类可以容忍发散,医疗、法律、金融等事实类必须高约束、可溯源。