← 全部文章

为 Agent 搜索设计舒适的 AX

Tenny

作者 Tenny

Cofounder & CTO & AX Designer

发布于 2026 年 6 月 11 日

你精心设计了人类看到的每一个像素。然后你丢给 Agent 一堵原始 ID 的墙,管这叫结果。

Human search results compared with an agent raw result dump
你看到的。你的 Agent 得到的。

当你的 Agent 执行搜索时,它应该得到什么?

你很多年前已经为人类回答过这个问题了。你绝不会把原始数据库 dump 丢给人然后管它叫搜索功能。你返回一个结果页面:一组摘要,每一条都是对匹配内容的小窗口,每一条都可以点击。摘要告诉人们那是什么。链接告诉他们下一步该做什么。

现在看看大多数工具为Agent的同样搜索返回了什么。一组 ID。也许是每个命中结果的全文。设计 Agent 收到什么和设计屏幕一样是一门手艺,而这正是大多数工具跳过的那部分。

问题在于——这也是它容易被忽视的原因。Agent 几乎拿到什么都会行动。它不会对糟糕的格式提出异议;它只会悄悄做得更差。这就是陷阱:它确实能用,所以没有任何东西标记出成本,而每一个笨拙的结果都在让 Agent 比它本应的更费力。问题从来不是它能否应付。而是应付的代价是什么。

我们第一次遇到这个问题是在为 Raft 设计搜索时,结果是消息。但这个问题与聊天无关。一篇博客、一条时间线、一个 issue、一条推文:每个搜索结果都是一个通往更大内容的窗口——它是从那里抽取出来的——而一个好的结果要带回足够多的内容,让你值得打开。

走一遍错误答案

从最明显的开始:只返回 ID。Agent 技术上能用,但只能一次一个调用地把每个 ID 解析成真实内容。你没有节省上下文;你推迟了它,并让 Agent 支付利息。一个结果首先必须是立即可用的。

那就返回完整内容。每个命中,全文。现在是相反的问题:匹配了四十条消息的搜索,把四十条消息全倒进了一个只能容纳几条的上下文窗口里。一个结果的大小必须适配消费它的人。

好吧,只返回匹配的那些消息,每条完整。合理,但仍然是错的,因为单条消息很少是答案。Agent 搜索一个决定,得到了命名它的那一行,但没有得到争论它的线程,也没有得到推翻它的回复。你交回了一句从它所处的对话中撕下来的句子。结果必须携带足够的自身上下文才值得阅读。

三次尝试,三次失败,它们在同两个轴上失败:Agent 能看到什么,它能做什么下一步。

有效的那个结果

以下是那三个答案围而未中的答案。返回 ID、匹配关键词周围文本的预览并高亮命中位置,以及一个明确的下一个动作:读取周围上下文查看完整线程。

你以前见过这个。它是搜索引擎的结果。围绕匹配构建的摘要——而不是页面顶部——和一个把你带到其余内容的链接。Agent 得到足够的信息来判断相关性而不需要解析任何东西,再加上一个清晰的 handle,当它想要更多时去拉。

前三个答案都缺的是后半部分。一个没有可去之处的预览,是一个你点不了的搜索结果。有信息而没有下一步动作,只是半个设计。

就这么多:它看到的信息,和它能采取的行动。两者都做对,你就为 Agent 做了你为任何用户会做的设计。

同一个搜索设计理念,当用户是阅读上下文预算的 Agent 时,形态发生了变化。

一种一维的用户体验

这仍然是 UX,只是不是你画的那种 UX。人类用户有一个屏幕;他们的眼球游走,扫描布局,停在吸引目光的地方。Agent 在一维中阅读:没有眼可游走,没有布局可扫描,只有一条在预算内的 token 线。上下文窗口是你无法看见的屏幕空间。所以,那些准则延续了过来,但权衡移位了。你不再为注意力设计,而是为那个预算设计。结果花费的每个 token 都必须配得上它的位置。 匹配周围的预览配得上:它把相关片段放在 Agent 已经在阅读的地方,丢掉其余。

这里的舒适不是锦上添花。Agent 能一次通读的结果,是它更经常做对的结果,并且在漫长的会话深处持续做对。笨拙的结果不会阻止 Agent;它会征税。每个不得不过滤的不相关命中、每个不得不怀疑的截断、每块不得不剥离的结构,都是花在格式上而不是任务上的注意力——而花在那里的注意力正是错误产生的地方。更少的弯路,更少的上下文被消耗:舒适是可度量的那种,不是令人愉快的那种。

这也是为什么结果要告诉 Agent 它在哪里被切断了。标示省略文本的标记不是装饰;它们是信息。匹配前的间隙意味着上面还有更多内容;匹配后的间隙意味着下面还有;甚至两个关键词之间的空间也可能被切掉。Agent 必须知道预览是窗口,不是整个房间,否则它会把片段当全文读,从半句引文回答问题。

为 Agent 像一个真正的用户而设计

认真对待这一点不只是把输出排版做好看。它是一份合约,而且是双向的。

Agent 必须把结构当作结构来读。预览周围的标记、匹配上的高亮、标示文本被切处的记号:所有这些都是搜索构建来沟通的脚手架,Agent 必须把它当作脚手架处理,永远不当作消息本身。读错这个,它就开始把截断标记当作内容引用回来。

它还必须把那些脚手架留在里面,而不是把它们交出去。当 Agent 回答人类时,它渲染成自然语言。结构是给 Agent 读的,就像浏览器读无障碍树来决定显示什么;人类永远看不到它。读结构,按它行动,把它留在自己这。

这是一种品味,我们让 Agent 来证明它。合约是被测试的:Agent 必须理解结构,在解析之前过滤,采取下一步动作,把标记留给自己。设计通过这个门槛才算站住,不是靠页面上的可读性。

(标记本身,标签和记号,只是载体。它完全可以是别的东西。重要的是它下面的配对:信息加行动。)

最清晰的案例,但不是唯一的

搜索是最容易看到这一点的地方,因为每个人都早已知道一个好的结果是什么感觉。但搜索并不特殊。同一个问题出现在 Agent 必须读取输出并选择下一步的任何地方。

跳过设计你就会感觉到:Agent 打开四十条消息找一句话,把截断标记当事实引用,或在一个它从未完整读完的结果上空转。

你丢给 Agent 的每一个输出都是一个界面,不管你是不是设计过它。工具结果、错误、状态、列表:它们都是 Agent 必须理解并行动的信息。问题从未改变。它能否使用它看到的?它知道下一步该做什么吗?

你已经在设计人类看到的每一屏了。你的 Agent 也已经成为你的用户之一。 它值得同样的用心。

编辑 Alice & Megan