设计需求背景：客户经理与理财经理面对产品更新快、客户信息分散、话术与合规要求高的三重压力。传统培训与知识库查找效率低，想用 AI 又怕答错、怕违规。我们需要一个「随问随答、懂业务、守合规」的助手，嵌入而非打断现有作业。
设计需求背景：助手「在哪里被唤起」决定了它是帮手还是干扰。为平衡即时可用与不打断主线任务的双重需求，我们设计了 3 种差异化的触发形态。
策略推导：AI 产品的核心不是模型能力，而是「边界感」。我把策略拆成三条主线，每条都对应一类具体的界面决策，也各自有「怎么算做到了」。
设计需求背景：B 端场景里 AI 很少只是一个孤立聊天框——它要嵌入已有系统，与原有任务流、信息架构和权限结合。下面是我在慧销里逐个回答的交互设计问题。
设计需求背景：在慧销里我同样把 AI 用在闭环上：让它负责铺开可能性，我负责收敛与守住合规底线。
批量梳理一线在客户群里提出的真实问题，聚类出高频问题与话术缺口，形成「值得让 AI 回答」的候选清单。
这一步拿到的是「形态结论 + 核心依据 + 对应指标」三项，判定标准提前写明；最终再结合一线实测反馈完成形态定稿。
探索可信卡片的视觉层级：来源、置信度、合规提示如何在一屏内被读完且不喧宾夺主。
用 Vibe Coding 做可交互 Demo，让一线在演练环境里真实试错；上线后由采纳数据回流驱动迭代。
产出说明：交付对话式助手面板、知识问答、智能话术生成、合规卡与快捷执行，并覆盖 PC 与移动双端作业场景。以下为真实设计稿（PC 端 / 移动端）。
为什么放这一页：AI 最容易做出「看起来很像」的界面，也最容易做错决定性的那一步。我把初稿的典型问题和最终稿并排，逐条说明我改了什么、为什么改。
左图为按 AI 初稿典型问题反向重绘的示意图（非真实 AI 输出），用于说明人工收敛的具体动作；右图为最终交付的真实设计稿。
结果说明：慧销已完成上线并进入一线日常作业。考虑到金融场景的经营数据与合规要求，这里不披露采纳率、转化率等明细，改用可对外表述的落地事实与设计侧可验证项。
因内部经营数据与合规要求，采纳率 / 追问率等指标未对外披露；此处以已上线的落地事实与设计侧可验证项替代，避免给出无法核实的数字。
我的判断：主导慧销的体验设计时，我把信任放在能力之前。下面两条决策，决定了后面所有的界面取舍。
助手已能辅助决策，但真正的杠杆在：执行。