别了，提示词工程师：AI交互的未来是“所见即所得”

一、AI最大的谎言：对话框就是未来

一个闪烁的光标，一个空白的输入框。这是我们今天与最顶尖人工智能交互的方式。

这幅场景，与其说充满未来感，不如说是一次彻底的“文艺复兴”——复兴到了1980年代的DOS命令行时代。过去四十年，从苹果Macintosh的图形界面到智能手机的触摸屏，人机交互的整个发展史，就是一部努力消灭命令行的历史。我们用点击、拖拽、滑动代替了晦涩的指令，让普通人也能直观地与机器沟通。

然而，生成式AI的浪潮，却似乎让我们一夜回到了解放前。我们再次被要求将脑海中复杂的、视觉化的、空间化的想法，翻译成机器能够理解的、线性的、刻板的文字。这不仅是体验的倒退，更是一种结构性的失败。

一个1970年代的计算机终端，黑屏绿字，显示着命令行界面

二、当“看见”被降维成“诉说”

问题的核心在于信息损耗。

认知心理学中的“双重编码理论”早已揭示，人类通过视觉和语言两个独立的通道处理信息。视觉通道的带宽远超语言，它能以极高效率传递空间、比例和关系等复杂信息。根据麻省理工学院（MIT）的研究，人脑处理一张图片最快只需13毫秒。

试想一个简单的任务：描述一个螺旋楼梯。如果只用语言，不借助任何手势，可能需要数百字才能勉强说清其结构、材质和光影，且听者脑中的图像依然模糊。但画一张草图，只需五秒钟，信息传递精准无误。

当前的AI提示词交互，正是在强迫我们用低效的语言通道，去描述本应属于视觉通道的创意。设计师脑中的构图、导演脑中的分镜、建筑师脑中的空间感，都被迫进行“降维翻译”。在这个过程中，创意的精髓大量流失。我们得到的，往往是“忠实于字面意思，但完全不是我想要的”的结果。

三、工程师的路径依赖，用户的认知负担

这场交互设计的倒退，并非偶然。

首先，这是技术上的“路径依赖”。大型语言模型（LLM）天生以文本为母语，对话框自然成了最快、最容易实现产品化的“最小可行界面”。在AI的淘金热中，速度压倒了一切，用户体验被暂时搁置。

其次，这反映了早期AI工具创造者的文化偏见。主导这波浪潮的是软件工程师，他们是命令行最忠实的用户，视其为精确、高效的终极工具。他们下意识地为“同类”设计了产品，却忽略了设计师、艺术家、音乐家等创意工作者的思维方式是视觉化、非线性的。

这种错位，直接催生了“提示词工程”（Prompt Engineering）这门“显学”。用户需要学习如何遣词造句、调整权重、添加魔法词汇，才能“驯服”AI。这本质上是重新为用户树立了一道技术门槛，完全违背了Don Norman在《设计心理学》中强调的“示能性”原则——好的设计应该让人一看就知道怎么用。一个空白的对话框，恰恰是示能性的反面：它什么都没告诉你，却要求你什么都得知道。

Adobe Photoshop中的生成式填充功能，用户用画笔选择区域，AI进行智能填充

四、中国市场的启示：没人想和App聊天

将视线投向中国市场，这种“文本先行”的交互模式显得更加格格不入。

中国的互联网用户早已被微信、淘宝、美团等“超级App”培养出了截然不同的使用习惯。这些平台的核心是高度整合的图形化界面，用户通过点击、滑动和选择，在同一个视觉框架内完成从社交、购物到出行、点餐的复杂任务。这里的逻辑是“嵌入”与“融合”，而不是“切换”与“对话”。

想象一下，如果滴滴打车不是让你在地图上选点，而是弹出一个对话框问“你想去哪，请用精确的语言描述”，这无疑是场灾难。中国的AI产品想要真正落地，就必须尊重这种根深蒂固的“所见即所得”的交互文化。

美图旗下的AI工具提供了一个正面范例。它没有另起炉灶做一个聊天机器人，而是将“AI换装”、“智能消除”等功能，以按钮、滑块和选区的形式，无缝地融入其成熟的图片编辑界面中。用户在熟悉的画布上直接操作，AI在幕后完成繁重的计算。这才是AI工具应有的形态：它应该是画布上的画笔，而不是站在你身后的监工。

五、告别命令行，回归“直接操作”

幸运的是，改变正在发生。全球范围内，领先的工具已经开始摆脱“对话框”的束缚，回归图形界面的本质——直接操作。

画布即指令：tldraw的“Make Real”功能，允许用户手绘一个粗糙的界面草图，AI能直接将其转化为可用的代码。在这里，画图本身就是指令，无需任何文字翻译。
空间即逻辑：ComfyUI为Stable Diffusion设计了节点式编辑器，用户通过拖拽连接不同的功能模块，将复杂的生成流程以一张直观的逻辑图呈现出来。整个工作流一目了然，可随时修改和调试。
工具即AI：Adobe在Photoshop中加入的“生成式填充”功能是最好的例子。用户用熟悉的选框工具圈出一片区域，输入简单的词语（如“添加一只鸟”），AI便在选区内完成创作。80%的操作是视觉的、直接的，文本只扮演了辅助角色。

这些探索共同指向一个未来：AI不再是一个需要通过特定语言去沟通的“异类”，而是被整合进现有工作流，成为一种可以被直接操控的强大能力。