用户在使用应用时，即使完成了引导流程，也常常无法充分理解其全部功能和潜力。传统的 UI/UX 改进和教程帮助有限，尤其是在应用变得越来越复杂的情况下。而AI Agent 的出现，为解决这一问题提供了新的思路。本文将深入探讨如何利用大模型技术，将 AI Agent 作为 UX 助手深度嵌入到业务逻辑和应用操作中，从而提升用户体验。我们将以 NOXX 公司为例，探讨如何借助 AI Agent 优化招聘流程中的用户体验。
大模型：构建智能 UX Agent 的基石
大模型（LLM）是构建智能 AI Agent 的核心。没有强大的语言理解和生成能力，AI Agent 就无法理解用户的意图，更无法提供有效的帮助。大模型 赋予了 AI Agent 以下关键能力：
- 自然语言理解（NLU）：理解用户提出的问题和指令，即使表达方式不精确或存在歧义。
- 自然语言生成（NLG）：以自然、流畅的语言回复用户，避免生硬的机器式回答。
- 知识推理：基于已有的知识库和上下文信息，推理出用户的潜在需求和意图。
- 工具调用：根据用户的意图，调用相应的工具或功能，完成用户请求的操作。
例如，用户在使用 NOXX 的招聘工具时，可能会问：“如何才能筛选出最符合要求的候选人？”一个基于 大模型 的 AI Agent 不仅能理解这个问题，还能根据预先设定的知识库，提供关于筛选流程、标准设置等方面的详细指导，甚至直接调用筛选工具，帮助用户快速完成设置。
UX Agent：嵌入业务逻辑的智能助手
UX Agent 的核心价值在于其能够将 AI Agent 深度嵌入到业务逻辑和应用操作中。它不仅仅是一个简单的聊天机器人，而是一个能够理解业务规则、调用应用功能的智能助手。
UX Agent 能够：
- 主动引导用户：根据用户的行为和上下文信息，主动提供帮助和指导，例如提示用户填写缺失的信息、介绍新的功能等。
- 解答用户疑问：通过自然语言交互，解答用户在使用过程中遇到的问题，例如解释某个功能的含义、指导用户完成某个操作等。
- 简化操作流程：通过工具调用，帮助用户快速完成复杂的操作，例如自动填写表单、生成报告等。
- 个性化用户体验：根据用户的偏好和历史行为，提供个性化的帮助和建议。
以 NOXX 为例，UX Agent 可以帮助用户：
- 创建职位描述：自动从职位描述中提取关键信息，预填充相关字段，节省用户的时间和精力。
- 定义筛选逻辑：引导用户设置筛选标准，例如学历、工作经验、技能等，并解释每个标准的含义和作用。
- 优化招聘流程：根据用户的招聘数据和反馈，提供优化建议，例如调整筛选标准、改进面试问题等。
通过 UX Agent 的帮助，用户能够更快、更高效地完成招聘流程，并获得更好的用户体验。
工具调用：AI Agent 连接现实世界的桥梁
工具调用（Tool Calling）或称函数调用（Function Calling），是 AI Agent 的一项关键能力，它允许 AI Agent 与外部系统进行交互，完成各种操作。工具调用 可以看作是 AI Agent 连接现实世界的桥梁，使其能够不仅仅是提供信息，还能真正帮助用户解决问题。
工具调用 的实现通常需要以下几个步骤：
- 定义工具模式（Tool Schema）：定义每个工具的功能、参数和返回值，以便 AI Agent 能够理解如何使用这些工具。
- 向 LLM 提供工具列表：将定义的工具列表提供给 大模型，让 大模型 知道有哪些工具可以使用。
- LLM 识别用户意图并调用工具：当用户提出需要工具才能完成的请求时，大模型 会识别用户的意图，并根据工具模式选择合适的工具进行调用。
- 执行工具并返回结果：应用程序执行 大模型 调用的工具，并将结果返回给 大模型。
- LLM 生成自然语言回复：大模型 根据工具执行的结果，生成自然语言回复，告知用户操作结果。
文章中提供了一个 makeSpecificActionTool 的工具示例，该工具可以执行一个特定的操作。该工具的模式定义了该工具的名称、描述、参数和执行函数。当用户希望执行该操作时，AI Agent 会识别用户的意图，调用该工具，并将结果返回给用户。
例如，在 NOXX 中，可以定义一个 “发布职位” 的工具，该工具的参数包括职位名称、职位描述、薪资范围等。当用户说：“我想发布一个职位，职位名称是软件工程师，薪资范围是 15k-25k” 时，AI Agent 会识别用户的意图，调用 “发布职位” 工具，并将职位名称和薪资范围作为参数传递给该工具。应用程序执行该工具，将职位信息发布到招聘网站，并将发布结果返回给 AI Agent。AI Agent 随后会生成自然语言回复，告知用户职位已成功发布。
知识库：AI Agent 的智慧源泉
知识库 是 AI Agent 提供高质量服务的基础。知识库 存储着关于业务逻辑、产品功能、用户指南等方面的知识，AI Agent 可以通过查询 知识库 来回答用户的问题，提供帮助和指导。
知识库 的内容可以是结构化的数据，例如数据库中的表格，也可以是非结构化的文本，例如文档、网页等。为了让 AI Agent 能够高效地访问 知识库，通常需要使用一些技术手段，例如：
- 语义搜索：根据用户的问题，在 知识库 中查找相关的文档或知识条目。
- 问答系统：根据用户的问题，从 知识库 中提取答案。
- 知识图谱：将 知识库 中的知识组织成图结构，方便 AI Agent 进行推理和查询。
文章中提供了一个简单的 知识库 示例，该 知识库 包含了关于 NOXX 招聘工具的常见问题和解答。AI Agent 可以通过查询该 知识库 来回答用户关于职位创建流程、筛选流程等方面的问题。
为了提高 知识库 的质量和覆盖范围，可以使用 RAG（Retrieval-Augmented Generation）技术，将外部文档嵌入到 知识库 中。RAG 技术可以从大量的文档中检索相关的知识，并将其与 大模型 生成的回复结合起来，从而提供更准确、更全面的答案。
提升用户体验：AI Agent 的价值体现
通过以上技术的结合，AI Agent 能够显著提升用户体验：
- 降低学习成本：用户无需阅读冗长的文档或观看复杂的教程，只需通过自然语言交互，就能快速掌握应用的使用方法。
- 提高操作效率：AI Agent 能够自动完成一些繁琐的操作，例如填写表单、生成报告等，节省用户的时间和精力。
- 提供个性化服务：AI Agent 能够根据用户的偏好和历史行为，提供个性化的帮助和建议，让用户感到被重视。
- 增强用户粘性：通过提供高质量的服务和个性化的体验，AI Agent 能够增强用户对应用的粘性，提高用户的活跃度和留存率。
例如，在 NOXX 中，AI Agent 可以帮助用户：
- 更快地找到合适的候选人：通过智能筛选和推荐，AI Agent 能够帮助用户更快地找到符合要求的候选人，缩短招聘周期。
- 提高招聘质量：通过提供优化建议和数据分析，AI Agent 能够帮助用户提高招聘质量，降低招聘成本。
- 提升用户满意度：通过提供个性化的服务和及时帮助，AI Agent 能够提升用户对招聘工具的满意度，增强用户的忠诚度。
总而言之，AI Agent 不仅仅是一个工具，更是一个能够理解用户、帮助用户、提升用户体验的智能助手。
实际应用案例：NOXX 的 AI 招聘助手
NOXX 是一家利用 AI 信号创建招聘信息并定义筛选逻辑的公司。他们通过将 AI Agent 集成到招聘流程中，显著提升了用户体验。具体来说，他们利用 AI Agent 实现了以下功能：
- 智能职位描述生成：AI Agent 能够根据用户输入的少量信息，自动生成完整的职位描述，包括职位职责、任职要求、薪资福利等。
- 个性化筛选标准推荐：AI Agent 能够根据职位类型和行业特点，推荐合适的筛选标准，帮助用户快速定义筛选逻辑。
- 候选人匹配和推荐：AI Agent 能够根据用户的筛选标准，自动匹配候选人，并推荐最符合要求的候选人。
- 面试问题生成：AI Agent 能够根据职位要求和候选人背景，自动生成面试问题，帮助用户更高效地进行面试。
通过这些功能，NOXX 的用户能够：
- 节省时间和精力：AI Agent 自动完成了很多繁琐的任务，例如撰写职位描述、定义筛选标准、筛选候选人等，节省了用户的时间和精力。
- 提高招聘效率：AI Agent 能够更快地找到合适的候选人，缩短了招聘周期。
- 提高招聘质量：AI Agent 能够提供更客观、更全面的候选人评估，提高了招聘质量。
NOXX 的实践证明，AI Agent 在提升用户体验方面具有巨大的潜力。
结论：AI Agent 引领 UX 新时代
随着 大模型 技术的不断发展，AI Agent 将在 UX 设计中扮演越来越重要的角色。通过将 AI Agent 深度嵌入到业务逻辑和应用操作中，我们可以构建更加智能、更加个性化的用户体验，从而提升用户的满意度和忠诚度。 AI Agent 不仅仅是一个辅助工具，更是一个能够理解用户、帮助用户、提升用户体验的智能伙伴。 利用好 AI Agent ，让用户体验更上一层楼，是每一个产品经理和 UX 设计师都应该思考的问题。 拥抱 AI Agent，开启 UX 新时代！