用户界面正在经历一场深刻变革——从静态的"一刀切"设计，转向能够自适应用户的"流动界面"。设计师 Rio Lou 将 AI 驱动的 UI 未来描述为"像水一样流动"，去适配用户的真实思维方式。这种转变意味着：软件不再是僵硬的成品，而是一种响应式媒介——共享底层逻辑，但表面形态可以因人而异。
本文将探讨这一变革的几个核心维度：从静态 UI 到个性化 UI 的演进、AI 如何动态拆解和重组界面、设计师角色的转变（从像素工匠到系统架构师），以及 AI 作为通用界面范式的崛起。
传统用户界面基本上是"一刀切"的：设计师创建一套布局和工作流，期望适用于广泛的用户群体。用户需要学习界面结构，让自己去适应软件。这往往意味着：如果设计与用户的思维方式或特定需求不匹配，他们就会感到吃力。
AI 驱动的自适应 UI 颠覆了这种关系——不是用户适应软件，而是软件适应用户。正如 Rio Lou 所说：
"有些人用要点思考，有些人用对话思考，还有些人需要把所有东西可视化地呈现出来。"
流动界面可以检测或被告知这些偏好，然后相应地改变形态。例如，AI 助手可能为分析型思维的用户呈现简洁的要点列表，而为视觉型思维者生成图表或时间线。
"想象一下，AI 知道你更擅长用时间线处理复杂信息，或者你更喜欢快速的一来一往而不是长篇解释。"
同样的底层内容，可以作为交互式时间线、聊天对话、表格或画布来呈现——取决于什么格式"真正适合你的思维方式"，同时"基于相同的底层数据"运作。
这种个性化不仅仅是简单的主题或布局设置；它是动态的、情境感知的。自适应界面可以利用 AI 实时学习用户行为和上下文。学术研究表明，根据用户专业水平调整复杂度的界面可以显著提升可用性。
情境感知的适应（比如在用户使用移动设备且阳光强烈时简化布局，或在用户移动时放大按钮）同样能保持软件在各种条件下的可用性。简而言之，根据用户偏好和情境个性化界面可以减少认知负荷，让交互更高效、更自然。
Bret Victor 长期主张界面应该"匹配用户自己的思维过程，而不是强迫他们去适应僵化的界面"。Jakob Nielsen 则指出，AI 现在使界面能够完全不需要用户去迁就软件——AI 会解释用户的自然输入，甚至预测需求。
"AI 驱动的界面可以解释自然语言、手势或上下文线索"来服务用户目标。
问题从"我怎么使用这个界面？"转变为"我想要达成什么？"，由界面智能地处理其余部分。界面开始变得"隐形"，因为它们实现了"恰到好处"的理想形态。
实现这种适应性的关键是将传统界面分解为更细粒度的组件，AI 可以按需重新组合它们。在传统应用中，UI 布局和导航由设计师和开发人员硬编码。但现代 AI 系统（尤其是大语言模型和生成式模型）可以动态生成界面元素、对话框或可视化，以适应特定任务或用户意图。
与其说是固定的 UI，不如说是一个由用户意图和上下文引导的 UI 生成引擎。Google 最近关于 Generative UI 的研究捕捉到了这个思路：
"这是迈向完全 AI 生成用户体验的第一步，用户自动获得根据其需求定制的动态界面，而不必从现有应用程序目录中选择。"
在 Google Gemini AI 的实验中，用户询问穿搭建议时获得了一个非常视觉化、可浏览的"时尚搭配顾问"界面；而解释数学概念的查询则产生了一个交互式学习模块。AI 按需构建这些 UI，使用相同的核心引擎，但"理解向 5 岁孩子解释微生物组需要与向成人解释不同的内容和功能集"，或者"创建画廊需要与规划旅行完全不同的界面"。
传统的单一静态 UI 概念被动态 UI 层所取代，它可以根据需要重塑自己，从 UI 组件、可视化和交互模式的调色板中提取适合任务和用户的元素。
这种 AI 主导的重组是通过将底层逻辑或数据与呈现层分离来实现的。现代软件越来越多地暴露其功能的 API 或语义表示，AI Agent 可以使用这些来组装新的 UI 视图。例如，电子邮件服务的核心逻辑（发送、排序、阅读邮件）可以通过经典收件箱 UI、语音助手或聊天机器人访问——都是同一后端上的不同"界面皮肤"。
"通过一组用于与 AI、Agent、代码、软件交互的通用共享概念……你可以将每一个变形以适应更多人和用例。每一个都可以利用最佳模型来做这件 UI 的事情，用最适合我的视图。" —— Rio Lou
我们已经在一些现代工具中看到这种分解。许多生产力应用有多种模式或视图（比如项目管理工具让你在日历视图、看板视图或电子表格视图之间切换同一数据）。AI 更进一步，根据意图确定视图或即时组合一个新视图。
例如，Microsoft 的 Copilot 作为对话层跨 Office 应用进行中介——它可以将命令结果呈现为格式化的 Word 文档、PowerPoint 幻灯片或 Excel 数据表，取决于你的要求，有效地将输出重组为适合任务的界面。
"未来，AI Agent 将代表人类使用你的 UI……'用户'只与他或她的 Agent 交互，Agent 然后执行与所需服务的任何特定交互。" —— Jakob Nielsen
流动界面的一个关键方面是：不同用户（或用户角色）可以拥有不同的界面体验，即使使用的是由同一底层系统驱动的同一软件。
过去，迎合不同角色往往意味着构建单独的产品或添加复杂的偏好设置。工程师可能使用文本密集的脚本界面，设计师使用可视化 GUI，项目经理使用仪表板——所有这些都是为重叠的领域服务。这种孤立的方式效率低下且割裂协作。
"如果你设计正确的概念而不是按钮，一套代码库可以服务所有人。" —— Rio Lou
Rio Lou 在职业生涯中亲身经历了碎片化工具的痛苦："在过去 15 年左右，制作软件的艺术变得非常碎片化……每个角色使用自己的工具、自己的术语。"
在 Cursor（一个 AI 驱动的代码编辑器，Rio 是设计负责人），他正在扭转这种局面。非程序员最初被开发者中心的界面吓到。团队意识到他们可以简单地为这些用户提供一个 Agent 驱动的界面——本质上是一个空白的自然语言提示——并隐藏技术按钮。
| 方面 | 传统 UI（一刀切） | AI 驱动的"流动" UI |
|---|---|---|
| 个性化 | 所有用户的界面统一。用户必须遵从给定的设计和工作流。 | 界面根据个人用户偏好、认知风格和上下文动态调整。 |
| 界面组成 | 设计师预先确定的固定布局和导航流程。 | UI 由 AI 在运行时使用模块化组件组成。 |
| 用户角色 | 通常为不同角色提供单独的工具——体验碎片化。 | 一个底层系统，为不同角色提供多个"面孔"。 |
| 设计师的任务 | 设计特定的屏幕和工作流，像素级控制。 | 设计灵活的组件和样式规则系统。 |
| 交互范式 | 用户必须学习和导航界面。所有用户的一致性是关键。 | 用户可以用自然语言、语音、手势交互。一致性是个性化的。 |
在流动的、AI 组装的界面时代，设计师的角色正在演变。传统上，UI 设计师在像素级细节和固定布局上花费大量精力。随着 AI 接管更多界面组装工作，设计师正在转向定义 AI 将使用的高级设计语言、约束和模式。
从某种意义上说，设计师正在成为元设计师或系统设计师，策划界面的成分和规则，而不是手动组合每个屏幕。
"随着 AI 承担更多设计工作，设计系统正在从为产品构建者编写转向也为 AI 编写。" —— Figma 团队
这意味着设计师现在必须以 AI 可以理解的形式外化他们的知识和决策理由——例如，不仅编码调色板，还要说明何时使用每种颜色；不仅是一组组件，还有它们背后的意图。
"它们彻底编码团队的品味，以便 AI 可以在开发的每个阶段应用它。" —— Wayne Sun, Figma 设计师
Rio Lou 提到："我不整天坐在 Figma 里做模型。"相反，他在写作（阐述设计想法）、用代码原型设计、素描之间交替，甚至"留一些空白空间让事情沉淀"以获得创意灵感。
设计师与开发人员的合作更加紧密，或者成为混合型"设计师-开发人员"。当 AI 可以从高级描述生成代码时，设计师的角色可能扩展到撰写这些描述（提示工程），然后策划/优化结果。
"不是我们的界面应该是流动的；而是我们是流动的，我们的界面需要对此做出响应。" —— Chan Karunamuni, Apple
设计师必须预见流动的用户需求范围，并确保系统可以流动地响应，由他们设定的设计模式引导。他们提供容器和乐高积木；AI（有时是用户自己）进行组装。这是从界面的唯一作者转变为动态界面的促进者或指挥者。
这种转变的另一个视角是将 AI 作为"通用界面"的概念，可以根据上下文以不同形式呈现。有了强大的 AI Agent，传统的逐应用界面模型开始解体。AI 本身成为用户和数字服务之间的中介，采取最适合当下的形式：
"未来，AI Agent 将代表其人类使用你的 UI……人类用户只与他或她的 Agent 交互，Agent 然后执行与服务的任何特定交互以完成任务。"
在 Nielsen 的场景中，你可能告诉你的个人 AI，"规划我下个月去东京的旅行"，AI 在幕后与航空公司和酒店 UI 交互，比较选项，然后可能向你呈现一个整洁的摘要和选择——所有这些都不需要你手动点击每个网站。
1. 对话 Agent（聊天/语音）：用户界面就是对话。例子：ChatGPT、Siri/Alexa、客户支持机器人。"UI"是最小的——一个文本框或语音提示——但可以通过连接后端处理许多任务。
2. 应用内 AI 助手/Sidekick：这些作为面板、工具提示或模态框出现在传统 UI 中，提供帮助。例如，Photoshop 的生成填充、代码编辑器中的内联建议。这种方法增强现有界面而不是替换它。
3. 自动 UI 生成：像 Google 的生成式 UI 这样的系统可以为任务创建定制界面。这个概念可能导致短暂 UI——只存在于一个会话然后消失的界面。
4. Agent 式 UI（AI 代替用户操作）：AI Agent 导航现有界面。例如，Microsoft 的新 Copilot 可以像用户一样自主点击软件。AI 使用传统 UI，但人类看到的是它的更高级抽象。
流动的、AI 驱动的界面的出现对用户体验设计有重大影响。积极的一面是，它承诺比以往任何时候都更加个性化、高效和包容的体验。挑战性的一面是，它引发了一致性、可预测性和设计师对体验控制的问题。
包容性和可访问性：自适应界面可以实时调整以适应用户的能力和环境。AI 可以自动简化 UI 并增加文本大小，为阅读障碍者提供语音交互，或为无法使用鼠标的人提供免提控制。
减少认知负荷和提高效率：通过以用户偏好的格式呈现信息并预测需求，流动界面可以显著减少完成任务所需的步骤和心理努力。这种由 AI 管理的渐进式披露意味着初学者不会不知所措，专家也不会被拖累。
多模态和自然交互：用户可以以最自然或最方便的模式交互——说话、打字、绘画或使用注视/AR——界面会适应。最终，界面可能"感觉像是你自己的延伸……与你的思维同步"。
赋能创意用户：用户获得更多权力来根据他们独特的工作流程定制软件，而不需要编程技能。有了 AI，人们可以简单地告诉界面你想要什么，AI 会相应地重新排列。
持续改进和学习：AI 驱动的界面可以从每次交互中学习以变得更好。你使用系统越多，它就可以变得越简化，因为它学习你的习惯。
失去一致性和可预测性：自适应 UI 本质上会变化，如果处理不当可能会让用户困惑。设计师需要确保仍有可识别的锚点或标准，也许让用户控制适应程度。
透明度和信任：当 AI 正在改变界面或代表用户执行任务时，用户需要信任它。设计师必须纳入反馈机制，在不压倒用户的情况下提供一定程度的洞察。
设计和开发复杂性：构建自适应、AI 驱动的界面比构建静态界面复杂得多。需要投资于 AI 训练、上下文感知，并可能维护多种 UI 可能性。
设计师的角色和可能的替代：正在形成的共识是设计师不会被淘汰，但他们的重点会转移。他们将策划风格，确保可用性原则被编码，并处理高级架构。
用户能动性和偏好：如果软件自己变化太多，一些用户可能会感到失去能动性。将用户偏好和反馈循环设计到自适应系统中是必不可少的。
隐私问题：为了有效适应，界面的 AI 需要收集用户行为、上下文的数据。需要明确的许可框架和设备端处理来建立信任。
尽管存在这些挑战，流动的、AI 驱动的界面的轨迹似乎很可能会加速。用户体验的好处——使技术更个人化、更直观、更有力——太大了，无法忽视。
流动界面的概念——像水一样适应用户思维形状的软件——正在从愿景变为现实。Rio Lou 和其他人分享的想法描绘了一幅令人信服的画面：界面"弯向用户，而不是相反"。
实现这个未来需要重新思考我们如何设计（关注系统和意图）、如何衡量成功（不是平均情况，而是跨情况的适应性），以及如何确保用户信任和能动性保持中心地位。
终极目标是一种如此直观和响应的体验，界面本身淡入背景——或者正如最好的界面一直追求的那样，它"感觉恰到好处"。