软件开发一直是人工智能赋能的共同创造展现出最大实际影响的领域之一。GitHub Copilot 和 CodeWhisperer 等平台提供实时代码建议，完善所有功能，并帮助检测错误或提升性能。这些平台的设计旨在与开发人员的工作环境 (IDE) 无缝集成，并注重即时性、上下文相关性和快速修复能力。
图像：视觉提示、修饰和构图
以 Midjourney、Firefly 和 Canva Magic 等工具为代表的 AI 驱动的视觉生成需要更具探索性的方法。用户从一个想法开始，输入提示（文本或图像），将选项可视化，并调整参数，直到达到预期结果。界面变成了一个交互式画布，通过语言、选择和直接编辑的组合进行共同创作。
音频和视频：新兴的多模式人工智能
尽管音频和视频的人工智能工具仍在不断发展，但它们正在迅速发展。Runway、ElevenLabs 和 Pika 等平台支持创建合成语音、文本视频、自动配音和智能编辑。在这些情况下，界面必须处理更复杂的格式和更长的响应时间，同时保持清晰度和用户控制力。
这些用例都提醒我们，人机协作并非抽象概念，而是一种现实，会根据媒介的不同以不同的方式展现。设计的挑战在于如何将这种多样性转化为易于理解、强大且连贯的体验。
人工智能工具中新兴的界面模式
随着与生成模型的协作变得越来越普遍，某些促进这种交互的界面模式开始成形。这些并非昙花一现的时尚，而是响应新设计逻辑的解决方案：界面不再仅仅是一个执行空间，而是一个人机对话的环境。以下是一些最具代表性的模式：
提示生成器和交互式编辑器
提示已成为人工智能交互设计的新语言。但编写好的提示并非总是直观的。 工作职能电子邮件列表 正因如此，许多工具开始提供可视化构建器：结构化字段、上下文示例、用于调整样式或语气的按钮、自动建议……界面不再是一个空白的文本框，而是充当创意指南，帮助用户更好地表达他们的意图。
自适应工作空间
与人工智能协作需要灵活性。正因如此，我们越来越多地看到模块化界面可以根据流程进行重组：先写作，然后编辑，最后比较不同版本……有些平台甚至会根据任务类型（快速草稿、深度编辑、审阅）调整布局。这些自适应环境有助于保持用户的注意力并最大限度地减少摩擦。
预览和变体
当人工智能生成多种可能的结果时，界面必须方便用户进行比较和选择。并排显示各种变体、允许在不同版本之间切换，甚至放大查看关键更改，这些都已成为常见做法。这种模式不仅提供了控制权，还强化了共同创造的感觉：用户收到的不是单一的方案，而是一系列可供用户决策的方案。
共同编辑和即时建议
在许多工具中，AI 不再等待用户完成输入后再进行干预：它会在用户输入时提供建议，补全片段，并实时提出改进建议。这种模式继承自“自动完成”机制，如今正变得更加复杂，并更具情境化。这里的挑战在于平衡干预和自主性：好的建议不应打断或干扰用户的输入，而应自然地融入用户的流程。
这些模式并非一成不变，也并非一成不变。它们会随着模型自身能力的提升和用户的成熟度而不断演变。但它们都指向同一个方向：界面不仅能让你用人工智能做事，而且是专门为做好这些事而设计的。