概念介绍
这篇文档专门给第一次接触 AIUI 的读者准备。
如果你看到 AIUI、意图、意图驱动、AI、AI 眼镜、Rokid Glasses 这些词会觉得有点陌生,不用担心。你可以先把这篇当成一个“名词翻译表”。我们会尽量用简单的话,把这些概念一个个解释清楚。
什么是 AIUI?
先说最简单的理解方式:
AIUI 是一种把 AI 和界面结合起来的智能体开发方式。
这里的重点有两个:
- 它有 AI
- 它也有 UI(用户界面)
很多人第一次接触 AI 产品时,会把它理解成“一个聊天框 + 一个会回答问题的大模型”。这种理解不算错,但它太窄了。
AIUI 想做的事情更进一步:
- 不只是让 AI 回答
- 还要让 AI 参与真实交互
- 让用户不仅能“问”,还能“看”“点”“选”“操作”
- 让系统不仅能“回复”,还能“执行”“更新”“反馈”
所以,AIUI 可以简单理解成:
让 AI 从“会说话”变成“会参与智能体交互”的一种框架。
什么是 UI?
UI 是 User Interface 的缩写,中文一般叫“用户界面”。
你可以把 UI 理解成:用户直接看到并且可以操作的那一层。
例如:
- 页面上的文字
- 一个按钮
- 一张卡片
- 一个列表
- 一个输入框
- 一个状态提示
这些都属于 UI。
在传统软件里,UI 主要负责“显示内容”和“接收点击”。
在 AIUI 里,UI 的作用更进一步。它不只是展示信息,还负责:
- 承接用户当前的需求
- 帮助用户继续下一步操作
- 把系统当前状态清楚地展示出来
所以在 AIUI 里,UI 不只是“长得怎么样”,更重要的是“能不能把交互承接好”。
什么是 AI?
AI 是 Artificial Intelligence 的缩写,中文叫“人工智能”。
如果用最朴素的话来解释,AI 就是:
让计算机表现出一部分像人一样的理解、判断、生成和决策能力。
在今天的大多数产品里,大家最常接触的 AI 主要包括:
- 理解用户说的话
- 回答问题
- 生成文字、图片或语音
- 识别语音或视觉内容
- 根据上下文做出一定判断
不过要注意,AI 不是“万能大脑”,也不是“什么都会自动做好”。
AI 更像是一个能力模块。它擅长理解、生成和推理,但仍然需要:
- 明确的产品目标
- 合适的交互方式
- 清晰的系统边界
- 稳定的工程实现
这也是为什么 AIUI 不只谈 AI,还要谈界面、逻辑和设备能力。
什么是智能体?
“智能体”可以理解成:
一个能够围绕目标持续工作的 AI 系统。
它通常不只是做一次问答,而是会:
- 理解用户目标
- 按步骤完成任务
- 根据环境变化调整行为
- 持续给用户反馈
比如,一个普通问答模型可能只负责回答“今天天气怎么样”。
但一个天气智能体可能还会进一步:
- 识别你当前所在城市
- 查询天气数据
- 用卡片展示温度、空气质量和建议
- 提醒你是否需要带伞
也就是说,智能体不是一个“回答器”,而更像一个“会持续处理事情的系统”。
什么是意图?
意图 是理解 AIUI 时最重要的词之一。
你可以把意图理解成:
用户现在真正想做的事。
注意,不是“用户说了什么字面内容”,而是“用户想完成什么目标”。
举几个简单例子:
-
用户说:“今天上海热不热?” 这句话背后的意图可能是:想查看上海天气
-
用户说:“帮我订明天早上的高铁。” 这句话背后的意图可能是:想完成出行预订
-
用户说:“这个按钮点了没反应。” 这句话背后的意图可能是:想排查问题或继续完成操作
所以,“意图”比“句子内容”更接近用户真正的目标。
什么是意图驱动?
理解了“意图”,就容易理解“意图驱动”。
所谓 意图驱动,就是:
系统在设计和运行时,不只是围绕页面、按钮或接口来组织,而是优先围绕“用户想做什么”来组织。
这句话听起来有点抽象,我们用更简单的方式解释。
不是意图驱动的时候
很多传统系统的思路是:
- 先有页面
- 页面里有按钮
- 用户点按钮
- 程序执行固定逻辑
这种方式没有问题,但它的中心更偏向“界面结构”。
意图驱动的时候
意图驱动的思路更像是:
- 用户先表达需求
- 系统先判断用户到底想做什么
- 再决定应该调用什么能力
- 再决定应该用什么界面来承接
- 最后把结果持续反馈给用户
也就是说,页面、按钮、接口都还存在,但它们不再是唯一主角。
真正的主线变成了:
用户目标是什么,系统该怎样最好地帮助用户完成它。
这就是“意图驱动”最核心的意思。
为什么 AIUI 要强调意图驱动?
因为在 AI 产品里,用户的入口往往不是固定按钮,而是一句话、一个需求、一个问题,甚至一个模糊表达。
比如用户说:
- “帮我看看今天适不适合出门跑步”
- “我想知道这个设备现在有没有连上”
- “给我快速整理一下这段内容”
这类输入本身并不是标准化按钮操作,而更像真实需求。
如果系统只按照固定页面流程工作,就容易显得僵硬。
但如果系统先理解意图,再决定交互方式,就会更自然。
这就是为什么 AIUI 要把“意图”放在很靠前的位置。
什么是 AI 眼镜?
AI 眼镜 可以先简单理解成:
带有 AI 能力的新型眼镜设备。
它和普通眼镜最大的区别,不在于镜片,而在于它可能具备这些能力:
- 语音交互
- 摄像头感知
- 显示信息
- 连接网络
- 调用 AI 服务
- 与手机或其他设备协同
你可以把 AI 眼镜理解成:一种更贴近真实生活场景的智能终端。
在这种设备上,用户不会总是盯着一个大屏幕慢慢点操作,所以交互方式会和手机、电脑有明显不同。
这也是 AIUI 这类框架重要的原因之一:它要支持的不只是传统 App 页面,还包括更自然、更轻量、持续在线的交互体验。
什么是 AR?
AR 是 Augmented Reality 的缩写,中文叫“增强现实”。
它的意思不是把人带进完全虚拟的世界,而是:
把数字信息叠加到真实世界上。
例如:
- 你看着真实街道,眼前却能看到导航箭头
- 你看着一个物体,系统同时给你显示说明信息
- 你戴着设备时,真实环境和数字内容同时存在
所以,AR 的重点是“真实世界还在,只是多了一层数字增强”。
AIUI 适合 AI + AR 场景,是因为这类场景往往特别需要:
- 更自然的交互
- 持续状态反馈
- 界面和环境协同
- AI 对上下文的理解能力
什么是 AI 眼镜里的交互?
在手机上,用户习惯的是:
- 打开 App
- 找到页面
- 点击按钮
但在 AI 眼镜上,交互经常会变成:
- 说一句话
- 看一眼提示
- 点一下确认
- 接收持续反馈
这意味着设备上的交互可能更碎片化、更实时,也更依赖上下文。
因此,AIUI 不是简单把手机页面搬到眼镜里,而是要重新思考:
- 用户现在最方便的输入方式是什么
- 反馈应该是文字、语音还是卡片
- 用户是否需要一个完整页面,还是只需要一个轻量交互块
什么是 Rokid Glasses?
Rokid Glasses 是 Rokid 推出的一类智能眼镜设备。
如果你完全不了解它,也可以先把它理解成:
一种可能运行 AIUI 智能体的 AI 眼镜 / 智能眼镜设备。
为什么文档里会提到它?
因为 AIUI 的很多设计目标,本身就和这类设备场景高度相关,例如:
- 更轻量的交互
- 更自然的输入输出
- 更依赖语音、卡片和状态反馈
- 更强调真实场景中的连续使用
你不用一开始就非常了解 Rokid 的硬件细节。现阶段只要知道:
- 它代表一种真实设备场景
- AIUI 这类框架不是只为传统手机 App 设计的
- 它也希望支持 AI 眼镜、AR 终端等新设备体验
这样就够了。
什么是“会回答”和“会交互”的区别?
这个区别对理解 AIUI 很重要。
会回答
指的是:
- 用户提问
- 系统给出一句回答
- 交互基本结束
这是最常见的聊天式 AI 体验。
会交互
指的是:
- 用户提出需求
- 系统理解用户想做什么
- 系统展示合适的操作方式
- 用户继续点、选、确认、输入
- 系统持续更新结果和状态
这时候,系统就不是只在“答一句话”,而是在和用户一起完成一个过程。
AIUI 更偏向后者。
你可以怎么记住这些概念?
如果你想快速记忆,可以先这样理解:
- AIUI:把 AI 和界面结合起来的开发框架
- AI:让系统具备一定理解、生成和判断能力
- UI:用户看得到、点得到的交互界面
- 智能体:围绕目标持续工作的系统
- 意图:用户真正想做的事
- 意图驱动:系统优先围绕用户目标来组织交互和能力
- AI 眼镜:带有 AI 能力的新型眼镜设备
- Rokid Glasses:一种真实的智能眼镜设备场景
下一步建议
如果你已经理解了这些词,接下来建议继续读:
- 总览:从更大角度理解 AIUI 是做什么的
- 项目结构:看看一个 AIUI 项目有哪些文件
- 智能体框架:理解意图是如何变成交互和界面反馈的
如果你读到这里仍然觉得有些词不熟,也很正常。对初学者来说,先建立“朴素理解”比一次记住全部术语更重要。后面随着你继续看示例和文档,这些概念会越来越清楚。