先给结论:写代码时停下来选「这条用快模型还是强模型」,是界面缺陷,不是专业感。用户不该理解模型差别才能干活。描述要做什么,系统把请求送到合适的后端。单个选择只要两三秒,一天几十次会把心流切碎。税要由路由层交,不要由人交。最好的界面常常是把选择器拿掉,而不是把选择器做圆。
为什么「再把下拉框设计得更好看」减不掉认知税
痛点是微决策。简单重构用快的?架构问题用强的?每次都要跳出编码,估复杂度,权衡速度和能力。单项可忽略,一天累加就把精力从问题上抽走。自动路由之后:描述、回车、信任系统。决策从人移到该做决策的那一层。这和「去掉物理键盘、让界面按任务长出来」是同一类减法:优化的不是控件,是控件存在的必要。
第一代生成式工具必须把模型、参数、上下文窗口亮出来,因为系统自己还选不准。底层可靠之后,界面就该变简单。选择器是过渡期的脚手架,不是成熟产品的身份。别的工具还要你手选时,你会感到缺了一层抛光:编码时想不起来它,换回手选就会觉得黏。这种改进是复合的。每个被消掉的微决策、每处摩擦、每个自动掉的选择,都给真正要做的工作腾地方。单独看不革命,合在一起才像思维的延伸而不是障碍。
五步把模型选择从用户课表收成路由层的活
- 先列一天里用户要做的选择。模型、温度、是否联网、是否进仓库,凡是能由系统估任务类型再决定的,都标成候选自动项。
- 路由目标写成可测:延迟、失败率、用户回头手选的比例。回头手选高,说明自动还不可信,不要假装已经抛光。
- 简单任务走快路径,需要长推理或跨文件的走强路径。规则可以先启发式,再收集对错样本。不要一上来就让用户当分类器。
- 保留逃生门,不要把逃生门做成默认。高级面板可以有,主路径必须是「描述然后回车」。默认仍是下拉框,就还是在收税。
- 审查别的微决策:要不要开检索、要不要带测试、要不要切代理模式。问「系统现在能不能代劳」。能,就拿掉;不能,就当成还没做完的路由,而不是永久设置项。
| 做法 | 谁在选模型 | 认知税 | 门禁 |
|---|---|---|---|
| 每次下手选 | 用户 | 高、切心流 | 禁止当默认 |
| 更漂亮的下拉框 | 仍是用户 | 略低外观、税还在 | 不当完成 |
| 按任务类型自动路由 | 系统 | 主路径接近零 | 默认 |
| 高级面板里可选覆盖 | 用户偶尔 | 仅逃生时 | 不得比主路径更显眼 |
| 系统乱路由还不准改 | 系统且不可纠正 | 怒气税 | 禁止,必须有覆盖 |
现场有三条。其一,选择器存在常常因为产品还不会路由,不是因为用户热爱比较模型名。把比较当高级功能可以,当主路径不行。其二,抛光是你感觉不到的那种。编码时忘了它,才说明税交清了。还在想「这次用哪个」,界面就还没做完。其三,同一原则可推广:上下文窗口、工具开关、索引范围,凡是能从当前任务推出来的,都不要做成必答题。第一代显式,是能力不够的诚实;一直显式,是设计偷懒。
工具要像思维的延伸,先把挡在思维前面的选择题拆掉。模型名不是用户的工作语言,任务才是。路由错了要比手选更可纠正:主路径旁放一个很小的「换后端」入口,用完就收回去。永远不让人改,错一次就会失去信任,税会以怒气的形式加回来。度量回头手选比例,就是在量这层信任。比例降不下来,说明启发式还在把架构问题送给快模型,或把改名送给强模型。
评审产品时不要被圆角和配色带走。问主路径上还有没有模型名。还有,抛光就还没做完。把选择器做得更好看,是在优化缺陷的外观。真正的抛光是编码时想不起来有过选择这回事。别的微决策同样:检索开关、测试开关、代理模式,能从当前文件和当前句子推出来的,就不要做成必点项。第一代显式是诚实,一直显式是把用户训练成运维。
若只能改产品一处:主输入旁边拿掉模型下拉,改成自动路由,覆盖放进高级。还把选择器当品牌识别,就是在用认知税当差异化。品牌可以写在关于页,不要写在每一次回车之前。
结论:选模型是系统的活,不是用户的专业动作
微决策会累加成税。自动路由把税从人身上拿开。去掉选择器比美化选择器更值。第一代亮参数,成熟期吃复杂度。仍让人每条请求点模型,是在用过渡期脚手架当成品。
你下次评一个编程助手,先数主路径上要选几次模型。次数不是零,界面税就还在。把次数记进评测表,和延迟、正确率放在同一列,不要只当观感,税是能数的,不是口味,也不是设计风格或圆角配色上的偏好。
本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证,不要把示例阈值直接当生产策略。 相关:风控体检 · 方案资源
常见问题 FAQ
什么是AI工具中的认知税?
认知税指的是用户在执行任务时,不得不频繁做微决策所消耗的注意力和精力。比如在编程助手中,每条请求都手动选模型会中断心流,累加起来影响效率。系统应该自动处理这些决策,让用户专注于描述任务,而不是纠结模型选择。
为什么模型选择器被认为是界面缺陷而不是专业感?
模型选择器让用户理解模型差别才能干活,这增加了不必要的认知负担。专业感应该来自系统智能路由,而不是让用户手动选择。优化界面不是把选择器做得更好看,而是去掉它,让路由由系统做,从而减少微决策对心流的干扰。
如何将模型选择从用户转移到系统路由层?
根据文章,有五步方法:首先列出用户日常选择(如模型、温度等),标为候选自动项;其次设置可测路由目标(如延迟、失败率);然后使用启发式规则,简单任务走快路径,复杂任务走强路径;接着保留逃生门供高级用户覆盖;最后审查其他微决策,能自动化的都拿掉。
哪些用户会从模型自动路由中受益最多?
主要受益者是日常使用AI编程助手的开发者和专业人士。他们需要专注编码,不想被模型选择等微决策分心。系统自动路由后,他们只需描述任务,回车执行,节省时间并保持心流,让工具更像思维的延伸而不是障碍。
如果系统模型路由不准确,应该怎么处理?
系统路由必须可纠正,否则会带来怒气税。文章建议保留覆盖选项,比如在高级面板中允许用户手动选择模型,但主路径应是自动路由。同时,度量回头手选比例来衡量信任度,改进启发式规则,确保错误时用户可以轻松切换。
手动选择模型和自动路由模型有什么区别?
手动选择模型让用户每条请求都做认知决策,增加认知税,打断心流;自动路由由系统根据任务类型选择模型,减少用户干预,让界面更简洁。手动选择像障碍物,需要持续关注;自动路由则让编码时想不起选择这回事,实现抛光体验。