从智能驾驶看 Agent
之前做过智能驾驶的交互设计，现在接触 Agent 后发掘其中的相似性。
无论是控制物理实体的智能驾驶，还是操作数字环境的 Agent，均由感知、理解、决策、行动与反思五大环节构成。
感知层：
- 智能驾驶采集传感器点云与视觉图像
- Agent 解析用户 Prompt、工程代码库、检索上下文与外部数据。
理解层：
- 智能驾驶进行目标识别与动态轨迹预测
- Agent 意图识别、上下文关联、依赖关系建模、知识库检索
决策层：
- 智能驾驶计算变道、避让与制动路径
- Agent 执行思维链推理（CoT）与任务分解。
行动层：
- 转向角度、油门开度、制动压力
- 工具调用（API 请求、终端命令、文件改写、UI 点击）
反思层：
- 智能驾驶回传 Corner Case 训练数据
- Agent 反思机制、短期/长期记忆、偏好对齐
SR 的意义
我在做智驾交互时曾和同事们讨论过 SR 视图的价值，当时我们推到了两个极端去思考这个问题。
- 智驾能力很弱：驾驶者更多的是看路而非看屏幕，屏幕上显示的实时渲染画面对于驾驶者来说没有价值
- 智驾能力很强：驾驶者可以做更多的娱乐（就像我们曾对副驾屏这个形态产生的疑惑一样“为什么我不玩手机呢？”）而不用紧盯着屏幕
最后我们的结论是，SR 主要体现的是
- 戳破黑盒、了解边界：
- 人需要知道机器到底看见了没有、打算干什么,从而决定”这一刻我该信它,还是该准备接管”。
- 信息降噪、情绪价值：
- 它把复杂的道路信息做了很大程度的简化，只去渲染重要的信息，只去声明他当前以及下一步将要做的动作
当然，也会有代价，用户的负担。实测研究发现人们在面对几种不同的观察路面的方式，去处理紧急情况时，SR 的的关注次数最多、接管时间最长，因为人们需要去花费脑力去翻译这个渲染画面。
回看 Agent
当前 AI Agent 界面设计正在重演智能驾驶的交互演进路径。Agent 的「SR 视图」体现为思维链展示、终端操作日志、工具调用序列以及代码 Diff 预览。
- LLM能力极低时：人类必须逐行审查 CoT 与终端命令，监督成本超过直接编写代码或手动调用的成本。
- LLM能力极高时：Agent 具备全局可靠性，用户采用异步交付模式，仅需消费最终产物，无需了解中间过程。
- 能力过渡期（现状）：系统处于半自主状态，人类承担「实时监督者与应急接管者」的角色。
场景的区别
但是我想还是有区别的。 人类的价值
- 在智能驾驶时人类需要介入是因为安全保障。
- 在与 Agent 协同过程中，人类介入的目的在于通过适时干预引导 Agent 生成符合预期的结果 信息披露的不同
- SR 的披露是可以不那么全面，因为用户不需要屏幕提供全部信息，屏幕只需要提供”路面之外”的那部分——机器的状态和意图。我有写一篇聊这件事[[AI 是否正模糊了创作与消费的边界？]]
- 而 Agent 信息的披露是唯一的窗口，搜到了什么、读了哪些文件、改动了哪里他只存在信息里，用户没有挡风玻璃外的世界参照。