你已经在表格里选好了数据、设好了筛选条件，却还要对着侧栏重新描述一遍：“请分析我刚才选中的内容。”这正是许多 AI 功能的尴尬：模型会做的事越来越多，入口却常常不理解你正在做什么。笔记、邮件、设计、日历乃至银行软件纷纷装上相似的 sparkle 按钮、聊天框和推荐问题。问题不是“专业工具该不该用 AI”，而是：为什么它们都把 AI 做成了同一个聊天面板？
Jon Sabutis、Patrick Neeman 与 Slava Polonski 的三篇评论文章，分别从产品回报、专家工作流和人的情境优势切入。它们没有提供足以证明聊天框普遍无效的行业数据，却共同提出了一个值得产品团队认真回答的问题：AI 到底在缩短任务，还是只在界面上占了一个醒目的位置？
聊天框把能力交给用户，也把问题留给用户
对话式界面（Conversational UI）允许人用自然语言说出目标，不必逐级寻找菜单。它对新手很友好：不知道功能叫什么，也可以先说“帮我找出本月异常支出”。但空白文本框也要求用户先猜出模型会什么、该怎样提问，以及回答是否可信。
Sabutis 观察到，许多产品采用几乎相同的组合：右侧面板、提示词输入框、三条建议问题，再配一个象征 AI 的 sparkle 图标。它能总结当前页面、代写一段文字，也会提醒答案可能出错。作者认为，这种趋同部分源于模型供应商提供相似的 API——也就是软件调用模型能力的接口——和演示方案。不过，这是他的因果判断，并非经过验证的行业结论。
这种设计并不只是难看或雷同。功能若被命名为“AI assistant”或“Copilot”，用户知道它用了什么技术，却未必知道它解决哪项任务。Sabutis 提到，Amelia Wattenberger 在 2023 年发表《Why Chatbots Are Not the Future》，认为空白文本框无法帮助用户理解模型能力；同年 Maggie Appleton 在《Language Model Sketchbook》中展示了三种聊天框之外的方案，其中一种把模型能力放进文档右键菜单。两项作品的细节在本次材料中均来自二手转述，但它们指向同一个设计方向：入口可以贴着对象和动作出现，不必永远占据一块独立侧栏。
新手的捷径，可能是专家的绕路
Neeman 把问题进一步缩小到专业软件。理赔员、律师或供应计划人员长期使用同一套系统，已经记住字段、状态码、快捷键、固定页面和自己的变通方法。要求他们改用自然语言，未必减少复杂度，只是把熟练操作改成了“该怎么措辞”。
这可以用一个简单场景理解。新手不知道筛选器藏在哪里，输入“找出待复核案件”很省事；专家已经记住准确字段和筛选组合，聊天框却要求他重新解释目标，再检查系统有没有理解错。对前者，聊天替机器吸收了复杂度；对后者，它在熟练路径上增加了一层翻译。
Neeman 将这种现象联系到“专家反转效应”：帮助初学者的提示和脚手架，可能给熟练者增加负担。他认为，专家在软件里形成的操作习惯不是应被忽略的沉没成本，而是每天仍在产生回报的技能。材料中的“每周第 82 个理赔文件”“读过 10,000 份合同”和“每天节省 90 秒”等只是作者的个人观察与示例，不能外推为行业指标，但足以说明设计研究容易漏掉什么：埋在具体工作里的熟练度，未必会出现在常规使用统计中。
因此，判断聊天入口是否成立，不能只问“模型能不能完成任务”，还要问它是否比原有路径更快，是否完成了旧界面做不到的事，以及是否保留了熟练用户的旧路径。Neeman 转述 Jakob Nielsen 的说法，将 AI 称为“60 年来的第一个新 UI 范式”；这一历史判断同样只有单一二手来源，更适合当作提醒，而不是定论：改变交互范式的学习成本，最终由用户承担。
真正缺的不是按钮，而是情境
情境感知（Context Awareness）指系统能理解用户当前处理的对象、此前操作和现实约束。缺少这些信息时，聊天框会让人重复描述屏幕上已经存在的内容。Polonski 把理解情境视为人类当下的优势，同时认为 AI 正在快速吸收更多情境信息；但 S3 只有一句摘要，没有说明这里的“情境”具体包括什么，也没有给出验证过程，因此这项判断仍需保留。
更稳妥的产品方向，是把 AI 嵌入具体任务。例如，用户选中文档的一段文字后，相关能力才从右键菜单出现；系统已经知道对象是什么，用户也不必从空白提示词开始。这符合“渐进式披露”（Progressive Disclosure）：复杂能力不必常驻主界面，而是在需要时逐步显露。
这也解释了为什么“能关闭”很重要。Sabutis 称，一些 AI 面板默认开启，关闭入口难找，更新后还可能重新出现。该说法来自单一作者的观察，不能当作普遍现象；但它揭示了一种具体的信任损耗：设置原本代表用户已经做出选择，产品若替用户改回去，用户此后就要花注意力防守界面。
专业场景还要防范自动化偏差——人可能过度相信自动系统的建议，即使自己具备判断能力。因此，好的 AI 功能不只生成答案，还应让依据、修改方式和撤销路径清楚可见。对专家来说，可控性往往比一句“Ask anything”更有价值。
该问的不是“有没有 AI”
这三篇文章最有用的地方，不是宣布聊天框过时，而是把评判单位从“AI 功能”换成“具体任务”。聊天对新手探索陌生系统可能有效；对已经掌握软件语法的专家，它也可能成为额外步骤。Sabutis 本人每天用 AI 写代码，还让模型帮助制作同一个按钮的 131 种 hover feedback——鼠标悬停后的反馈——变体。他反对的并非模型能力，而是没有围绕用户目标重新设计的通用入口。
专业工具当然需要 AI，但未必需要一个始终可见的聊天框。更关键的问题是：系统是否知道用户正在处理什么，是否比旧路径明显更省力，是否允许人检查和撤销，以及是否尊重已经形成的工作习惯。按钮可以复制，情境不能。
局限与未知
- 三篇材料均为评论性文章，缺少采用率、关闭率、任务耗时和投资回报等实证数据，不能据此断言聊天框普遍无效。
- 默认开启、更新后重现及界面趋同原因等说法主要来自单一作者观察；两篇主要文章虽相互呼应，但均刊于 UX Collective／uxdesign.cc。
- 关于 AI 正在吸收更多情境的信息，材料没有提供定义、案例或验证方法，目前只能视为待检验的趋势判断。