今年6月份，笔者下单了一个骨传导耳机。起因也很简单：上半年Q1，AI Agent突然爆发，各种新应用层出不穷，我自觉信息接收的速度完全跟不上节奏，于是选择办公用眼睛看的同时听播客。但长期佩戴入耳式耳机或者头戴式耳机都有损听力，骨传导耳机正好提供了一个解决方案。然而即便如此，信息摄取的速度还是不够快，笔者不禁想起了计算机革命早期的一个经典问题：当计算能力不再是瓶颈时，人机交互的信息传输速率就成了新的生产力制约。
本文首先回顾1960年代至1990年代的人机交互革命历程，继而以马克思政治经济学的理论框架审视生产力与生产关系的演进脉络，最终聚焦于21世纪AI驱动的生物制药领域中的AI原生UX Design范式转变，以及其对社会生产关系带来的深层变革。谨以拙见就教于万家，敬请各位读者不吝指正。
人机交互的百年革命
1968年12月9日，一场载入史册的技术演示在旧金山会议中心举行。在秋季计算机联合会议（Fall Joint Computer Conference）的会场内，Douglas Engelbart完成了一次长达90分钟的系统展示。这场演示后来被计算机史誉为”所有演示之母”（The Mother of All Demos），其历史地位之重要在于它首次向世人揭示了人机交互的全新可能性。
在这场演示中，Engelbart展示了一系列在当时看来近乎”科幻”的技术实现：超文本链接、基于网络的屏幕协同、多窗口界面系统、实时视频会议；以及一种全新的输入设备：鼠标。这些技术的革命性不仅在于其超前的构想，更在于其背后蕴含的核心理念：
技术的使命在于增强人类智能（Augmenting Human Intellect）
现在看来多么令人熟悉的表达！事实上，Engelbart的思想体系早在1962年便已成型。在其发表于斯坦福研究院（SRI）的开创性论文《Augmenting Human Intellect: A Conceptual Framework, AFOSR-3223》中明确阐述了其技术发展的方向：
“The mouse was just a tiny piece of a much larger project, aimed at augmenting human intellect.”（鼠标只是宏大工程中的一小部分，该项目旨在增强人类智能）
“Technology should not aim to replace humans, rather amplify human capabilities.”（技术不应该旨在取代人类，而应该放大人类的能力）
“We are not building computers, we are augmenting human intellect.”（我们并不是在构建电脑，而是在增强人类的智能）
这一理论框架重新定义了人与机器的关系，从人作为机器的操作者，转变为机器作为人类能力的延伸。
施乐PARC与WIMP交互范式
1970年，复印机行业巨头施乐公司（Xerox Corporation）在加州帕罗奥多设立了研究中心（Xerox PARC）。PARC成功研制出了Alto计算机，并在此过程中确立了延续至今的WIMP交互范式：
- Windows（窗口）：将单一屏幕空间分割为相互独立的工作区域，实现多任务的可视化管理
- Icons（图标）：以具象化的视觉符号表征抽象的计算机概念与功能
- Menus（菜单）：将系统命令组织为层级化的可视结构，降低记忆负担
- Pointer（指针）：提供直接操控界面元素的交互工具，建立所见即所得的操作逻辑
尽管由于Xerox公司对PC市场的战略误判，Alto计算机未能实现商业化，但其设计已经包含现代个人计算机的全部核心要素。更为重要的是，它体现了一种革命性的交互哲学：
计算机应当适应人，而非人去适应计算机
技术演进的深层意义远超技术层面的创新，其核心在于”计算能力的使用权”从少数专业人员手中解放出来，计算机操作得以实现真正的民主化。1979年，年轻的Steve Jobs参观了施乐PARC实验室，在观看Alto演示后发出了那句著名的感叹：“施乐坐拥金矿却浑然不知。“随后的故事已成为商业史的经典篇章——苹果公司将这些理念转化为商业产品，最终推动了个人计算机时代的全面到来。
生产关系的历史演进
生产力决定生产关系，生产关系对生产力具有反作用。劳动者从专业程序员扩展到普通民众，劳动资料从大型机房下沉至个人桌面，这是生产关系的根本重构。马克思在其《政治经济学批判》中对其有更加深入的描述：
其一，生产关系的变革总是滞后于生产力的发展。技术早在二十年前已经就绪，但社会结构、教育体系、商业模式的调适需要时间。
其二，当生产力发展到一定阶段，旧有生产关系便从”发展形式”异化为”桎梏”。命令行界面阻碍了计算机大众化，技术精英的垄断成为社会进步的枷锁。
历史此刻与当下交汇，站在AI时代的分水岭上，同样的问题再次浮现：人与AI的交互应当如何被重塑？这一重塑又将带来怎样的生产关系变革？
AI时代的交互设计反思
笔者不才，参考Don Norman在其经典著作的《设计心理学》中交互设计的七大原则给出一些个人见解：
- 可发现性（Discoverability）：用户能否发现可能的操作
- 反馈（Feedback）：系统对用户的操作即时响应
- 概念模型（Conceptual Model）：系统如何工作的心智模型
- 示能/契动（Affordance）：系统暗示的可能操作方式
- 意符（Signifiers）：明确指示操作位置的符号
- 映射（Mapping）：控件与结果之间的对应关系
- 约束（Constraints）：限制错误操作的机制
笔者认为，单一对话框的交互模式并非LLM应用的最优UX设计。这种极简界面虽然降低了学习门槛（可发现性），却牺牲了其他关键的用户体验要素。它缺乏有效的引导机制和交互反馈，导致用户难以理解模型的能力边界，无法充分发挥LLM的优势。
更严重的问题在于反馈机制的错位。由于LLM固有的”幻觉”特征，即使面对简单问题也无法保证100%的准确性。然而现有的对话框设计反而掩盖了这一局限性，营造出”问答即真理”的错觉。更值得反思的是，以OpenAI为代表的行业领导者通过产品设计强化了这种认知偏差。从ChatGPT早期版本可以看到一个关键的设计缺陷：系统要求用户为模型输出提供反馈（thumbs up/down），而不是模型主动向用户提供关于输出可靠性的反馈。这种单向的反馈流违背了”以用户为中心”的设计原则。
设计的偏差来源于企业愿景的错位，一个本应提升生产力的协作工具，却被套用了互联网”注意力经济”的产品逻辑。这种设计导向优先考虑用户留存和使用时长，而非实际的生产力提升，从而抑制了更符合AI原生特性的交互模式的发展。
事实上，Doug Engelbart最初构想的人机交互愿景是协作性的，这与当前某些行业领导者鼓吹的”AI替代人类”论调形成鲜明对比。Engelbart围绕”增强人类智能”这一核心理念设计了完整的计算机系统交互范式，开创了影响深远的时代，我们或许应该重新审视这一初心。
生物制药领域的AI交互挑战
一些优秀的个人设计和社群给出了他们的答案，笔者这里提供给读者参考：
我们一起探索当用户输入内容时，能够捕捉用户意图的上下文提示模式。
以下AIDD早期抗体发现阶段的案例更加形象地诠释了为何拥有先进AI工具，实际生产环节仍难以落地：
你正在构建一个双特异性抗体。一端靶向新兴靶点，序列来自免疫筛选；另一端靶向经典抗原，基于已上市的经典抗体改造。难题很明确：如何平衡两臂亲和力？经典抗体序列已经被临床证明有效，你不想过度改造它。AlphaFold似乎是理想工具，你输入序列，得到了几个高置信度的结构clusters。然后你愣住了，因为有好几个预测结构都”看上去是正确的”，于是计算团队只能告诉你：他们不知道该改哪几个氨基酸？改多少？哪些位置碰不得？你悻悻而去，最终还是选择了传统的建库筛选。
但这里有个被所有人忽略的细节：实验团队手里有一张模糊的结构图片，可能来自专利中早期的晶体学数据。这张看起来”不够清晰”的图片，恰恰包含了协助确定”哪一个AlphaFold预测准确”的关键信息。生物学家把AI当作”参考资料”，觉得不够精确，没必要提；计算团队即便看到了，也不知道怎么把这种”模糊信息”帮助实际的改造。事实上，没人能清楚解释”为什么低分辨率结构能帮助确定抗体改造方案”，这是概念模型的缺失！跨学科协作在最关键的环节断裂了——生物学家和计算机科学家天生具有不同的概念模型！
专家角色的本质重构
回到发展最快的AI Coding为例，程序员的核心价值已从编写代码转向提供Spec文档、构建系统架构和产品设计；映射到更广泛的领域，所谓”领域专家”的技能组合正在从执行层面的精通转向Context构建、抽象思维和创造性洞察。本文封面所展示的AI Coding原生UI，由架构图提供可操作的抽象层、Spec文档提供精确的上下文，正是这种转变的具象化。
专家不再是那个完成任务的人，而是那个定义问题、设计框架并赋予AI行动方向的人。
这不是技能的替代，而是专家这一角色的本质重构。
身处这一转折点的我们，需要超越对技术本身的关注，转而思考如何以人为本重构整个社会的协作模式。正如计算机曾为各行业带来革命性变革，AI正在开启另一个伟大时代——这场变革的主角不是AI模型，而是那些能够重新定义工作、价值和人类角色的人。
真正的机遇不在于掌握工具，而在于参与塑造一个以人类创造力和判断力为核心的新生产范式。历史的车轮滚滚向前，那些主动参与定义规则、而非被动适应规则的人，终将成为时代的引领者。
问题不是”我们会被取代吗？“，而是”我们应当如何重新定义自己？”