xAI thiết kế Grok Bot: Tái định nghĩa giao diện cho các tác nhân AI bền bỉ

Khi bắt đầu thiết kế Grok Bot, một trong những câu hỏi trọng tâm là giao diện nên định hình mối quan hệ giữa người dùng và tác nhân (agent) như thế nào. Hầu hết các giao diện AI đều được tổ chức xoay quanh một phiên trò chuyện do người dùng điều khiển. Mỗi phiên bắt đầu bằng việc thiết lập, diễn ra khi người dùng theo dõi và kết thúc khi cuộc trò chuyện dừng lại.

Chúng tôi muốn thiết kế một tác nhân tồn tại bền bỉ vượt ra ngoài bất kỳ phiên đơn lẻ nào và có thể tự mình đảm nhận trách nhiệm. Điều đó có nghĩa là phải xem xét lại một số đối tượng và tín hiệu cơ bản của giao diện, bao gồm những gì nên xuất hiện ở thanh bên, cách tác nhân hiển thị tiến trình và khi nào công việc của nó nên được hiển thị.

Suy nghĩ lại về các thành tố cơ bản

Các sản phẩm AI đã tích lũy một lượng từ vựng lớn trong thời gian ngắn. Trò chuyện (chats), phiên (sessions), mô hình (models), cửa sổ ngữ cảnh (context windows), bộ nhớ (memories), lời nhắc hệ thống (system prompts), dự án (projects), kỹ năng (skills), trình kết nối (connectors), tác nhân (agents), công cụ (tools), môi trường thử nghiệm (sandboxes), quyền hạn (permissions) và tự động hóa (automations) đều mô tả các phần thực tế của những hệ thống này.

Nhưng việc phơi bày từng thứ một như một khái niệm sản phẩm riêng biệt đòi hỏi người dùng phải hiểu nhiều hơn mức họ cần. Chúng tôi bắt đầu bằng cách đặt câu hỏi: một người thực sự cần những khái niệm nào để làm việc với một tác nhân?

Chúng tôi liên tục quay lại với năm khái niệm:

Mọi thứ khác có thể nằm ẩn dưới giao diện cho đến khi người dùng có lý do để quan tâm đến chúng. Câu hỏi tiếp theo là năm đối tượng này nên tổ chức sản phẩm như thế nào.

Từ lịch sử trò chuyện đến danh sách Bot

Các cuộc trò chuyện mang tính dùng một lần. Chúng ta bắt đầu một cuộc hội thoại để giải quyết một vấn đề. Nó bị đẩy xuống thanh bên. Một tuần sau, chúng ta lại bắt đầu một cuộc hội thoại khác. Bạn hiếm khi quay lại xem những cuộc trò chuyện cũ hơn năm cuộc gần nhất.

Hành vi đó hoàn toàn hợp lý khi đơn vị tương tác là một câu hỏi. Nhưng nó trở nên kỳ lạ khi thực thể ở phía bên kia của tương tác được cho là phải hiểu bạn, ghi nhớ công việc trước đó và chịu trách nhiệm theo thời gian.

Vì vậy, các đối tượng chính trong Grok Bot là các Bot, không phải các cuộc hội thoại. Một Bot có tên. Nó có ảnh đại diện và tiêu đề. Nó ghi nhớ các cuộc trò chuyện với bạn. Nó có máy tính và công cụ riêng. Khi bạn quay lại vào ngày mai, bạn đang quay lại với cùng một Bot đó.

Sự hiện diện như một giao diện

Một khi Bot trở thành thứ bạn duy trì theo thời gian thay vì một phiên bạn bắt đầu, cách các Bot xuất hiện trong sản phẩm phải trả lời đồng thời ba câu hỏi:

Đây là ai?

Một danh sách chỉ hoạt động hiệu quả nếu nó có thể được quét nhanh chóng. Khi danh sách dài ra, chúng tôi không muốn người dùng phải đọc từng cái tên mỗi khi họ mở sản phẩm. Họ nên có thể nhận ra một Bot từ ảnh đại diện của nó gần như bằng thị giác ngoại vi.

Đồng thời, chúng tôi muốn giữ cho các ảnh đại diện nhất quán để trông như một hệ thống thống nhất. Chúng tôi đã nghiên cứu các hệ thống nhân vật trong minh họa, hoạt hình, trò chơi và thiết kế giao diện, khám phá mọi thứ từ chữ cái đầu và biểu tượng cảm xúc đến nghệ thuật pixel, màu nước, claymorphism, nghệ thuật đường nét phong cách Noritake, hình bóng và identicon.

Hầu hết các phương pháp đều giải quyết tốt một khía cạnh của vấn đề nhưng lại yếu ở khía cạnh kia. Màu nước và đất sét mang lại cho mỗi Bot nhiều cá tính nhưng lại chứa quá nhiều chi tiết ở quy mô thanh bên. Các hệ thống đơn giản hơn nằm tự nhiên hơn trong giao diện, nhưng thường khiến các Bot trông giống hệt nhau.

Hệ thống mà chúng tôi chọn giữ cho cấu trúc cơ bản nhất quán, sử dụng các hình khối đơn giản và đôi mắt biểu cảm, sau đó tạo ra sự khác biệt thông qua các biến thể và phụ kiện có kiểm soát. Mỗi Bot vẫn có thể nhận diện được trong nháy mắt mà không có vẻ như đến từ một thế giới hình ảnh khác biệt.

Chúng đang làm gì?

Một khi ảnh đại diện trở thành danh tính của Bot, đó cũng là nơi tự nhiên nhất để hiển thị trạng thái. Một Bot có thể đang rảnh rỗi, đang suy nghĩ, đang làm việc, đang chờ đợi, bị chặn hoặc đã hoàn thành. Chúng tôi có thể đã đại diện cho mỗi trạng thái bằng một chỉ báo riêng, nhưng điều đó sẽ thêm một lớp giao diện người dùng (UI) nữa để người dùng phải diễn giải.

Thay vào đó, chúng tôi khám phá xem ảnh đại diện có thể tự mình truyền tải bao nhiêu phần của vòng đời công việc.

Khi nghỉ ngơi, Bot bình tĩnh và hơi tò mò. Khi có công việc, nó xác nhận nhiệm vụ. Khi công việc bắt đầu, nó chuyển sang trạng thái hoạt động. Chuyển động của nó thay đổi lần nữa khi nó đang chờ đợi hoặc cần giúp đỡ, sau đó ổn định khi công việc hoàn thành. Ảnh đại diện bây giờ cho thấy Bot đang làm gì cũng như đó là Bot nào.

Tôi cần biết bao nhiêu?

Một câu hỏi thiết kế liên quan là nên hiển thị bao nhiêu phần trong quá trình thực thi của Bot. Một cách tiếp cận là sử dụng "ba dấu chấm động" tiêu chuẩn, nhưng điều đó sẽ cung cấp quá ít thông tin, khiến người dùng khó biết liệu Bot đang làm việc hay bị kẹt.

Tìm kiếm trên web

Chúng tôi cũng đã thử hiển thị một mô tả ngắn bằng văn bản về hành động hiện tại của Bot, nhưng một khi mọi người có thể thấy một bước, họ lại muốn thấy các bước còn lại. Nghiên cứu người dùng cho thấy họ yêu cầu chi tiết đó chủ yếu để yên tâm rằng Bot vẫn đang làm việc và đi đúng hướng.

Trong thiết kế cuối cùng, chuyển động của ảnh đại diện cung cấp sự trấn an đầu tiên bằng cách cho thấy Bot đang hoạt động. Nếu ai đó muốn kiểm tra xem nó đang làm gì, họ có thể di chuột qua để xem hành động hiện tại của nó.

Máy tính của chúng, không phải của bạn

Mỗi Bot có máy tính riêng, thứ mà nó có thể sử dụng để duyệt web, làm việc với tệp tin và chạy phần mềm. Điều này tạo ra một vấn đề giao diện khác. Máy tính đó nên hiển thị đến mức nào và khi nào người dùng có thể kiểm soát nó?

Chúng tôi đã khám phá bốn cách sắp xếp:

Chúng tôi càng làm cho máy tính trở nên nổi bật, sản phẩm càng khuyến khích người dùng giám sát nó. Chúng tôi quyết định rằng nó nên vẫn là không gian làm việc của Bot, với giao diện cung cấp các mức độ truy cập khác nhau khi người dùng cần.

Thiết kế cuối cùng có ba cấp độ, cho phép người dùng bước vào không gian làm việc của Bot mà không bị cuốn vào việc phải tự tay vận hành nó:

Chúng tôi cũng thiết kế các hình nền thay đổi suốt cả ngày, sáng hơn vào buổi sáng và tối hơn vào ban đêm. Chi tiết này mang lại cho máy tính của Bot cảm giác về thời gian riêng và khiến nó cảm thấy tách biệt với màn hình nền của người dùng.

Nó gần giống với việc làm việc với một đồng nghiệp hơn là vận hành một cỗ máy từ xa. Bạn có thể biết họ đang làm việc, liếc nhìn màn hình của họ khi cần ngữ cảnh và can thiệp khi có việc cần sự giúp đỡ của bạn.

Hình thái của thông tin

Các phiên bản đầu của Grok Bot phản hồi hầu hết mọi yêu cầu bằng văn xuôi. Nó mô tả dự báo thời tiết năm ngày thay vì hiển thị một bảng, và tường thuật một loạt nhiệm vụ thay vì trình bày chúng dưới dạng bảng công việc (board). Người dùng sau đó phải tự cấu trúc lại câu trả lời. Điều này dẫn chúng tôi đến việc coi hình thức của phản hồi là một phần của câu trả lời.

Để hỗ trợ điều này, chúng tôi đã tích hợp các thẻ (cards) và tiện ích (widgets) nội dòng vào Grok Bot. Một Bot có thể trả lời bằng văn xuôi khi văn xuôi phù hợp với thông tin và sử dụng giao diện người dùng có cấu trúc khi không phù hợp.

Nguyên tắc tương tự áp dụng cho các hành động. Khi một Bot tạo một Routine, thay đổi cài đặt hoặc nhắn tin cho một Bot khác, sự kiện đó có thể xuất hiện trực tiếp trong bản ghi (transcript). Người dùng có thể mở nó ra khi cần kiểm tra thêm.

Kết quả là một bản ghi không đồng nhất, trong đó cuộc trò chuyện, sự kiện hệ thống, đối tượng tương tác và hình ảnh trực quan cùng chia sẻ một dòng thời gian.