概念介绍 | AIUI | Rokid

这篇文档专门给第一次接触 AIUI 的读者准备。

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:

  1. 总览:从更大角度理解 AIUI 是做什么的
  2. 项目结构:看看一个 AIUI 项目有哪些文件
  3. 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。