UI设计的第二类用户：当智能体开始操作你的界面

界面正在多出一位用户：它不欣赏留白，也不理解动效，只认语义和状态。

11 月初的 GitHub 趋势榜上，一个叫 Open-AutoGLM 的开源项目已经积累了约 2.65 万颗星，它的能力说起来很简单：看懂手机屏幕，然后替你把任务点完。11 月 1 日当天涨星最快的项目 Mika，把这件事做到了端侧——一句话下达，它就在后台虚拟屏里打开别的 App 自己操作。差不多同一时间轴上，工信部《人工智能终端智能化分级》（GB/Z 177—2026）已经把终端智能化分成 L1 响应级、L2 工具级、L3 辅助级三个层级，“能替用户做事”被写成了可评测的指标。

这两件事指向同一个变化：界面正在多出一位用户。以前 UI设计只面对人，现在还要面对一类会“读屏幕、找按钮、点下去、再核对结果”的智能体。它不欣赏你的留白，也不理解你的动效，它只认两样东西——语义和状态。

一、智能体看到的不是设计稿，是语义

技术圈这两年的拆解文章已经把过程说得很清楚。腾讯云开发者社区分析 Vercel Labs 的 Agent Desktop 时提到，它不靠像素比对，而是通过操作系统的无障碍（accessibility）API 读取应用的真实 UI 结构，给每个可交互元素分配一个短引用，操作完再快照核对一次。另一类浏览器智能体工具（如 agent-browser）则直接取浏览器的无障碍树（AX Tree），拿到每个节点的角色、名称、状态和层级，再决定点哪一个。

换句话说，UI设计交付的视觉稿，到了智能体那里会被翻译成一串“角色 + 名称 + 状态”的清单。清单里没有的东西，对它等于不存在。

二、“好看”的界面，为什么会卡在第一步

我见过不少界面，人用着顺手，交给智能体就寸步难行。问题通常集中在四处：

第一，按钮是 div 拼的。无障碍树里只剩一个没有名称的图形，智能体知道“这里能点”，却不知道“点了会发生什么”。

第二，图标按钮只有一个 icon。人靠位置和习惯能猜出是搜索还是筛选，机器只能挨个试。

第三，状态只靠颜色表达。红点代表异常、灰底代表禁用，色弱用户和智能体一起被挡在门外。

第四，提交之后只有一句“操作成功”的浮层提示，没有稳定的结果位。智能体刷新一次，判断依据就丢了。

这些都不是“丑”的问题，而是 UI设计里长期被当成附加项的那一层——语义、命名、状态——从来没有被当成设计对象。

三、给界面补一层“机器可读性”：四个动作

语义先于样式。按钮就用 button，标题就分层级，列表就用列表结构；自绘控件必须补上角色和名称。这一条几乎不增加成本，只要求设计规范里写清楚。

让每个可交互元素“有名字”。图标按钮给可访问名称，表单的 label 真正与输入框关联，别只靠 placeholder 提示——placeholder 一输入就消失，人和机器都会失去上下文。

状态要显性、可验证。加载、成功、失败都要有文本或可读状态，而不是只有颜色和动画；关键操作之后留一个稳定的结果位。

保留可退回的路径。支付、提交、删除这类动作要有确认与撤销，智能体误触时人能兜住。这既是体验底线，也是合规底线。

四、不是所有界面都值得为 AI 让路

把“可被代理程度”当成一个设计参数，比一刀切更实际。

面向消费者的品牌页、活动落地页，视觉表达仍然是第一优先级，把基础的语义化做扎实就够了。高频业务操作界面——后台、审批、下单、工单——机器可读性的收益更直接，值得投入。涉及资金和隐私的界面，宁可设计成“读得到、点不动”，把最终确认权留给人。

这个取舍需要 UI设计和业务、法务一起判断，而不是让前端在发版前一周补一批 aria 标签了事。

五、把“可被代理”写进 UI设计流程

需求评审时多问一句：这个界面未来会不会被智能体或自动化流程调用？

设计阶段，在组件库里给每个组件补一层语义定义（角色、名称、状态），并把它列为交付物，而不是可选项。

验收阶段，用无障碍扫描加智能体实测双轨跑一遍主流程，让机器真的去点一次，比人工点十次更能暴露问题。

多端统一，小程序、APP、后台共用一套设计系统，避免每端各补一套语义。

说到底，这不是为 AI 另做一套界面，而是把原本服务于无障碍和自动化测试的那层语义，正式当成设计资产来管理。对做 UI设计的团队来说，这可能是未来两年最务实的一次能力升级：不需要推翻审美，只需要把“可被理解”补进流程。

   【艾艺】专业的UI设计公司,300位资深技术和设计师的团队,有1000多项成功案例经验，艾艺对用户研究、交互设计、UI界面开发、页面与业务逻辑集成有很丰富的经验，如您需要UI界面设计服务，欢迎咨询艾艺客服：17702199087（同微信），发送您的需求，即可免费获取专属的UI设计方案和报价哦！