> 第一次用 KiKi 的界面模式时，我意识到：真正好用的产品助手，不是把操作步骤念给用户听，而是在页面上陪着他做完。

---

## 一、从「问答」到「操作」，差的不只是多调一个 API

这两年，几乎所有 SaaS 产品都在加 AI 助手。

常见体验是这样的：

> **用户**：怎么创建一台云服务器？  
> **助手**：请进入控制台，点击左侧「云服务器」，再点击「新建实例」……

文字没错，但用户往往还是会卡住——菜单改版了、权限不一样、弹窗没出来、字段不知道填什么。  
助手说完了，活还是用户自己干。

**KiKi 的「界面模式」** 走的是另一条路。

用户用自然语言描述目标，助手不只是回答「怎么做」，而是**真的在页面上动起来**：点菜单、开弹窗、填字段、提交。  
更关键的是，每一步都有**视觉反馈**——当前操作的元素会被高亮，一个小光标移过去，用户能清楚看见「助手正在帮我操作哪里」。

那一刻我的感受是：  
这不是一个更聪明的 FAQ，而是一个**嵌在页面里的操作向导**。

---

## 二、为什么「看得见」这么重要

很多人做 AI 操作页面时，第一反应是做「静默自动化」——后台悄悄改 DOM，用户只看结果。

KiKi 界面模式给我的启发恰恰相反：**操作过程必须可见。**

原因很朴素：

1. **信任** — 用户敢不敢把「创建订单」「修改配置」交给助手，取决于他能不能看见助手在做什么。
2. **学习** — 助手操作一遍，用户下次自己也会了。高亮和光标本质上是一种**现场教学**。
3. **纠错** — 如果助手点错了地方，用户能立刻发现，而不是等提交失败才知道。

所以，界面模式的核心不是「替用户完成任务」，而是**带着用户完成任务**——  
像有经验的同事坐在旁边，一边操作一边讲解，而不是在后台跑脚本。

这也是我后来做 **InterfaceMode** 时坚持保留视觉反馈层的原因：高亮遮罩、虚拟光标、操作时的屏幕光环，都不是装饰，是产品体验的一部分。

---

## 三、它和普通 RPA / 自动化插件，不是一回事

第一眼看到 KiKi 界面模式，有人可能会想：这不就是网页自动化吗？

我觉得差别很大。

| | 传统 RPA / 自动化脚本 | 网页内 AI 助手（界面模式） |
|---|---|---|
| **服务对象** | 开发者、运维、测试 | 产品的终端用户 |
| **触发方式** | 预设流程、定时任务 | 自然语言对话 |
| **页面要求** | 常依赖 testid、固定选择器 | 尽量理解真实页面语义 |
| **失败时** | 脚本报错、中断 | 助手用自然语言解释，引导用户接手 |
| **产品定位** | 提效工具 | 产品能力的一部分 |

换句话说：  
RPA 是「让机器替人干活」；  
界面模式是「让助手陪着人把活干完」。

前者追求无人值守，后者追求**有人感、可理解、可介入**。

---

## 四、从技术上看，界面模式到底在做什么

研究这类能力时，可以把链路拆成四步：

```
用户意图
  ↓
页面快照（理解当前能操作什么）
  ↓
AI 规划（输出 click / input / navigate 等操作）
  ↓
执行 + 视觉反馈（高亮、光标、结果回传）
```

几个值得注意的设计点：

### 1. 先「看懂页面」，再「动手」

助手不能凭空猜按钮在哪。需要先对当前 DOM 做一次**语义化快照**——提取可见文字、表单标签、按钮角色，生成一棵结构化的页面树，再交给大模型规划。

这样即使页面没有 `data-testid`，只要用户肉眼能看懂，助手也有机会找到目标元素。

### 2. 多步任务要闭环，不能「走一步就停」

真实业务操作往往是跨页面的：进菜单 → 开弹窗 → 填表 → 提交。  
助手需要多轮执行：做完一批操作 → 把结果反馈给模型 → 模型根据新页面状态决定下一步，直到任务完成或明确告知用户需要接手。

### 3. 有些能力不该靠「扒 DOM」

比如「查今日营收」——如果系统本身有数据接口，直接调 API 比从页面读数字更准确。  
好的界面模式实现，会在「DOM 操作」和「业务 API」之间做优先级：**能调接口就不猜页面。**

### 4. 高危操作必须有边界

注销账号、批量删除、资金相关操作——助手可以帮用户**定位到按钮**，但不应该静默执行。  
产品里需要一层策略配置：哪些操作禁止、哪些需要二次确认。这是助手进生产环境的底线。

---

## 五、有感而发：我开源了 InterfaceMode

KiKi 界面模式让我确认了一件事：  
**「会操作页面的 AI 助手」会成为 ToB 产品的标配能力**——  
尤其是后台系统、控制台、商户平台这类界面复杂、学习成本高的场景。

但这类能力如果每家都从零做一遍，成本很高。  
所以我把研究思路落成了一个开源参考实现：**InterfaceMode**。

它想解决的不是「写一个自动化脚本」，而是：

> **给任意网站嵌入一个会操作界面的 AI 助手，让用户用自然语言完成操作，并且每一步都有可见反馈。**

### 在线演示

打开下面这个模拟商户后台，点右下角助手，配置 AI 接口后可以试试：
![trae.gif](https://developer.qcloudimg.com/http-save/yehe-7472800/f5ff19fe3d05e7fe7b1d013cc4de5783.gif)

👉 **演示地址**：[https://2019-02-18.github.io/interface-mode-demo/](https://2019-02-18.github.io/interface-mode-demo/)

可以试试这些指令：

- `创建一笔订单` — 跨页面导航、开弹窗、填表、提交
- `查看今日营收` — 走业务 API，不读 DOM
- `注销商户` — 触发安全拦截，助手拒绝执行并提示用户手动操作

### 框架与业务分离

InterfaceMode 本身不绑定任何业务。每个网站只需写一份 **SitePack（站点包）**，声明：

- 这个系统有哪些常见操作路径（playbooks）
- 有哪些可以直接调用的业务接口（apis）
- 哪些操作必须拦截或二次确认（policy）
- 给 AI 看的运行时操作手册（runtime-guide）

框架负责：悬浮助手 UI、页面快照、命令执行、视觉反馈、多轮对话调度。  
业务方负责：告诉助手「我的系统能做什么、不能做什么」。

### 源码

👉 **GitHub**：[https://github.com/2019-02-18/InterfaceMode](https://github.com/2019-02-18/InterfaceMode)

协议：**Apache 2.0**，可自由使用、修改和集成，包括商业场景。

---

## 六、一点个人判断

KiKi 界面模式让我觉得，AI 助手正在从「知识问答」进化到「任务伴随」。

未来产品内助手的竞争点，可能不再是模型多聪明，而是：

- 能不能**真的在用户熟悉的界面上动手**
- 能不能**让用户看见、信任、学会**
- 能不能在**安全和便利之间**找到产品级平衡

如果你也在做控制台、后台、SaaS 产品，不妨想想：  
你的用户说「帮我做一下」的时候，助手是继续念说明书，还是愿意陪他操作一遍？

---

**相关链接**

- 开源仓库：[https://github.com/2019-02-18/InterfaceMode](https://github.com/2019-02-18/InterfaceMode)
- 在线演示：[https://2019-02-18.github.io/interface-mode-demo/](https://2019-02-18.github.io/interface-mode-demo/)

欢迎 Star、Issue，或聊聊你在「网页内 AI 助手」上的实践。

第一次用 KiKi 的界面模式时，我意识到：真正好用的产品助手，不是把操作步骤念给用户听，而是在页面上陪着他做完。

看完 腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

人工智能

前端

开发工具

KiKi界面模式革新AI助手体验，让AI在页面上实时操作并高亮反馈，提升用户信任与学习效率。不同于传统RPA，它通过自然语言交互实现多步任务闭环，支持跨页面操作与安全拦截。开源项目InterfaceMode提供框架参考，助力企业快速集成可视化AI助手能力，适用于复杂后台系统与控制台场景。

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

看完 腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」-腾讯云开发者社区-腾讯云

看完腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

看完腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

看完 腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

看完 腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

看完腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」

看完腾讯云助手KiKi「界面模式」之后：网页内 AI 助手，不该只会说，还应该会「带着用户做」