如何设计 AI 数字人的首次交互

AI 数字人第一次出现时，应该让用户的一件事变得更容易。它不应像泛泛的主持人一样登场、念出冗长的产品导览，或在尚未证明自身价值前，就要求用户相信一个新界面。

对于 B2B SaaS 团队而言，首次交互是一项产品决策：用户此刻要完成什么？数字人可以解释或引导什么？用户如何始终保有控制权？ 好的答案通常很聚焦：解释下一步配置、介绍练习场景，或带领试用用户了解一个刚好变得相关的功能。

数字人是这段体验的呈现层。对话逻辑、用户上下文、权限、工具和工作流决策仍由你的应用负责。Spatius 将你选择播放的语音音频转换为实时动作数据，AvatarKit 则在客户端本地渲染数字人。相关系统边界见此文档。

核心要点

• 从一个产品时刻和一个明确的用户任务开始；不要把数字人当作泛用欢迎页。
• 用清晰的语言说明数字人的角色，以及用户下一步可以做什么。
• 在用户需要前，就把停止、静音、关闭或切换文字等控制项放在可见位置。
• 将上下文、权限、知识与工具决策保留在你的应用中。数字人只呈现产品已决定给出的回复。
• 测试用户是否理解其角色、能否找到控制项并继续前进，而不只是看他们是否看完了数字人。

从一个边界明确的任务开始

首次交互应绑定到产品中本来就有意义的时刻。用户无需阅读帮助文章，也应该能回答：“它为什么会在现在出现？”

这样既更容易写开场，也更容易评估。不要在每个页面都放一个数字人，而是选择一个解释、引导式选择或练习步骤真正有用的情境。

如果团队无法说出一个明确的下一步操作，首次交互很可能过于宽泛。“认识你的 AI 助手”听上去或许精致，却不能帮助用户决定下一步该做什么。

一个简单测试

在设计页面前，先完成这句话：

当 [用户类型] 到达 [产品时刻] 时，数字人帮助他们 [完成或理解一件具体的事]，然后将他们带到 [下一步操作]。

例如：“当新管理员打开集成设置时，数字人帮助他们理解所需的连接信息，然后将他们带到设置表单。”价值在于产品步骤本身，而不在于数字人自我介绍。

在第一句话中让数字人的角色一目了然

第一句语音应快速交代三件事：

1. 角色： 这个界面是做什么的。
2. 范围： 它在当前时刻能帮什么。
3. 选择： 用户下一步能做什么。

这不同于一次性介绍所有能力。目的不是证明数字人有多聪明，而是消除不确定性。

这些例子是产品文案模式，并非要做出的产品承诺。只提供用户在当前产品状态中确实能执行的操作。如果数字人无法访问某个设置、不能启动工作流，或不能回答某类问题，就不要暗示它可以。

在用户需要前提供控制权

音频和动作让交互更具在场感；但如果没有清楚的退出方式，也会让用户感到被困住。

把控制项当作第一条信息的一部分，而不是事后补充。视团队正在构建的体验而定，它可以包括：

• 停止或跳过： 结束当前说明，并继续使用产品。
• 静音： 保留可视化界面，但不播放声音。
• 文字替代： 用阅读方式获取同样的核心指引。
• 关闭或最小化： 回到工作流，但不放弃产品任务本身。
• 选择路径： 开始、查看示例、编辑详情，或稍后再回来。

没有一套可直接照搬的通用控制项。正确选择取决于工作流、用户环境和应用支持的行为。原则更简单：用户不应必须等一个开场结束，才能重新掌控自己的工作。

先设计退出，再设计进入

在首次会话流程中，在打磨开场前先定义结尾。请问：

• 用户立即跳过时会看到什么？
• 静音后哪些信息仍然可用？
• 关闭数字人是否会保留用户进度？
• 如果用户只想通过文字使用产品，会发生什么？
• 开场结束后，哪个产品控制项在视觉上最重要？

如果这些问题没有明确答案，体验就还不适合写一段精美的开场脚本。

把“智能”留在产品层

数字人不应成为绕过产品架构的捷径。你的 SaaS 应用负责决定对话上下文、检索相关知识、应用权限、运行工具或工作流，并判断适当的回复；随后它通过自己运营的语音栈生成数字人语音音频。

Spatius 是仅提供数字人能力的服务：Motion Server 接收数字人语音音频并返回动作数据；AvatarKit 在客户端渲染数字人。Spatius 不返回成品视频。除非集成平台自行提供，否则文档将 ASR、LLM、TTS、轮次管理和打断策略置于 Spatius 之外。请参阅开发者文档地图。

这一边界会改变开场的设计方式：

• 仅使用你的应用已决定适合当前时刻使用的上下文。
• 在产品已完成相关权限和工作流决策后，再呈现回复。
• 将操作按钮放在产品界面中，让用户了解将发生什么。
• 不要把数字人描述成独立拥有账户访问、策略决策或工作流执行权的主体。

如果你已经拥有来自自建 TTS、TTS 提供商或预录内容的数字人语音音频，Direct Mode 是文档中支持的一种路径：将音频从客户端发送到 Motion Server，并在本地渲染返回的动作。实施前请查看 Direct Mode 概览。

选择交互出现的时机

常见的进入模式有三种。没有一种天然正确；应根据打断工作的代价和及时引导的价值来选择。

对于早期试点，用户主动发起或轻度情境触发的入口通常更容易获得有效学习。它们会让用户意图在数据中更加清晰，也能降低体验打断原本要支持的任务的风险。

将首次交互写成简短的产品序列

开场不必是一段长语音。实际上，将其设计为紧凑序列通常更清晰：

1. 定位： 说出当前产品时刻。
2. 设定范围： 说明数字人在这里能提供什么帮助。
3. 提供选择： 给用户少量有效的下一步操作。
4. 交还控制权： 将注意力带回产品操作，而不是数字人。

以下是实用模板：

你正在进行 [当前步骤]。我可以帮助你 [具体帮助]。选择 [操作 A] 继续，或选择 [操作 B] 自行查看。

第一条信息要足够短，让用户还能记得自己之前在做什么就可以行动。把较长解释放在有意选择之后，例如“解释这一项”“查看示例”或“现在练习”。

将首次交互作为产品路径测试

不要以数字人是否正确渲染、或用户是否听完整段开场为成功标准。这些检查固然重要，却不能说明交互是否真正帮到了用户。

围绕一个任务做小规模可用性测试。观察用户能否识别数字人的角色、找到退出方式，并在无需提示的情况下继续产品流程。之后复盘用户实际走过的路径，而不只是团队预想的路径。

应避免的常见错误

把数字人当作产品导览

完整产品导览很少是对话式界面的最佳首次用途。应将数字人放在一项具体决策或任务旁，让产品 UI 承载它已经能够清晰传达的信息。

给数字人模糊的职责

“任何问题都可以问我”会制造当前产品体验未必能满足的期待。请说明当前页面的支持范围；若产品提供更广泛的帮助，也应给出清晰入口。

隐藏控制项

如果跳过、静音或关闭在视觉上处于次要位置，用户可能觉得体验被强加。离开的能力是产品信任模型的一部分。

将产品逻辑压缩进数字人层

将权限、上下文选择、工具和工作流操作保留在应用中。数字人可以呈现产品回复，却不应掩盖决策与操作实际发生的位置。

尚未从一个流程中学习，就过早扩展

一个埋点充分的任务，比一次目标不清晰的大范围上线更有学习价值。先从高意图时刻开始，建立基线，在增加更多入口前迭代体验。

给产品团队的简明首次交互简报

在设计和工程开始前，使用以下表格：

交付物不只是一段脚本，而是一条小而可控、恰好通过数字人呈现的产品路径。

常见问题

Spatius 会决定数字人说什么吗？

不会。Spatius 将数字人语音音频转换为实时动作数据，AvatarKit 在本地渲染数字人。你的应用、智能体框架或后端拥有对话逻辑，包括 ASR、LLM、TTS、轮次管理和打断策略。参见文档定义的产品边界。

我们能将现有 TTS 系统用于首次交互吗？

可以。如果你的应用已经生成数字人语音音频，Direct Mode 就是针对这类情况的文档化路径。客户端在此路径中将音频发送至 Motion Server、接收动作数据，再用 AvatarKit 本地渲染。在选择集成路径前，请核对当前的集成要求。Direct Mode 概览。

Spatius 会返回完成的数字人视频吗？

不会。文档化输出是供 AvatarKit 本地渲染的实时动作数据；Spatius 不返回成品视频。开发者文档地图。

是否每位新用户都应该看到数字人？

未必。只在交互能帮助用户完成真实产品任务的位置使用它。比起统一欢迎页，用户主动入口或范围很窄的情境邀请，可能是更有用的首次测试。

首先应该衡量什么？

衡量产品路径：进入、控制项使用、预期的下一步操作、跳过、退出和恢复路径。将这些信号与简短的可用性访谈结合，理解用户为什么选择某条路径。

围绕真实产品时刻构建首次交互

如果你正在为 B2B SaaS 工作流规划交互式数字人层，请从一个边界明确的体验开始，并从一开始就厘清所有权边界。预约 Spatius 演示，讨论适合你产品架构的集成路径。

来源

• Spatius 开发者文档地图
• 选择你的集成路径
• Direct Mode 集成