跳到正文
沉默土豆.
搜索标签中文/EN
  • 开始
  • 写作
  • 专栏
  • 项目
  • 研究
  • 咨询
  • 影像
  • 关于

研究 · preprint · 0.2

让 Agent 更像一个可以协作的对象:状态、反馈与结果确认

从 ChatLab 的实际设计出发,记录如何借用人和人协作中的在场、回应、等待和交付语法,让 Agent 的运行状态更容易被理解;这是一篇关于反馈、证据、关键介入和结果确认的 HCI 设计观察。

LiyukLiyuk发布于 2026年8月19日
  • #人机交互
  • #智能体
  • #反馈
  • #可观测性
  • #可恢复性
  • #授权
  • #人机协作
  • #Systems Design
  1. 1五镜法:联系导向的问题定位深度研究 · 约 24 分钟阅读
  2. 2数据度量作为组织协议:口径、测量、分级与复盘深度研究 · 约 15 分钟阅读
  3. 3开发者生产力不是工具目录,而是一个反馈系统深度研究 · 约 13 分钟阅读
  4. 4把 AI 能力放进工程组织前,先定义哪些边界深度研究 · 约 12 分钟阅读
  5. 5当 AI 降低工作流壁垒,职能线与业务线怎样重新划分深度研究 · 约 18 分钟阅读
  6. 6先拆解,后调度:多模型任务拆解、能力切换与子任务路由研究综述深度研究 · 约 38 分钟阅读
  7. 7让 Agent 更像一个可以协作的对象:状态、反馈与结果确认深度研究 · 约 26 分钟阅读本篇
  8. 8让执行交给 Agent:情绪适应、信任校准与人的压力释放深度研究 · 约 28 分钟阅读
  9. 9人的激励法则:情景激励模型深度研究 · 约 37 分钟阅读
  10. 10AI 不会自动带来生产力:从局部提速到系统价值短文 · 约 9 分钟阅读

分享到

X微博TelegramWhatsAppLinkedInFacebook

微信

用微信扫一扫

在手机上打开这篇文章,或转发给朋友。

喜欢这个站?

或订阅 RSS
← 上一篇让执行交给 Agent:情绪适应、信任校准与人的压力释放
下一篇 →先拆解,后调度:多模型任务拆解、能力切换与子任务路由研究综述
查看专栏《工程与 AI 判断》目录← 上一篇:先拆解,后调度:多模型任务拆解、能力切换与子任务路由研究综述下一篇:让执行交给 Agent:情绪适应、信任校准与人的压力释放 →

继续阅读

也许和这篇有关。

  • 写作AI 不会自动带来生产力:从局部提速到系统价值从一次多系统对接经历出发,区分创造、任务效率、组织生产力和经营价值,讨论 AI 进入复杂系统后,收益到底从哪里来、成本又该怎么算。阅读全文 →

    同专栏 · 共享标签 2 个

  • 写作缓存究竟在哪里:多层执行服务的局部性以一套多层执行服务为例,拆解请求身份、边缘路由、执行资源和后端缓存的多级局部性,并给出可复用的路由、失效、故障转移与观测方案。阅读全文 →

    共享标签 2 个

  • 写作数据中心不是报表:从数据生产到业务判断从分析、经营和工程的不同问题出发,整理一个多来源业务平台的数据中心应该如何划分 Tab、定义指标、组织读写链路,以及怎样处理计费、对账、增长和成本。阅读全文 →

    共享标签 2 个

© 2018–2026 Liyuk。缓慢构建,公开发布。

在别处GitHub ↗X ↗LinkedIn ↗邮箱 ↗友链 ↗收藏 ↗订阅 RSS ↗
CC BY-NC-SA 4.0