我们被文本框困住了

推荐语

Cursor设计负责人ryo Lu提出：AI时代真正的瓶颈不是模型能力，而是交互界面。让我们突破文本框的局限，用更自然的方式与AI协作。

核心内容：
1. 当前AI交互界面的局限性分析
2. 多模态表达的未来协作场景
3. AI作为协作者而非替代品的定位思考

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

简单介绍一下 ryo：他现在是 Cursor 的 Head of Design，之前在 Notion 早期团队和 Stripe 工作过，也做过创业。他在推特简介里写"I make a world where anyone can make software"（我想创造一个人人都能做软件的世界）。

这个背景很有意思——既有大厂产品经验，又理解创业和设计。所以他对工具和交互的思考，我觉得值得认真看看。

分享一下他的核心观点，以及我的一些延伸思考。

ryo Lu 的观点：瓶颈是界面，不是模型

他开头就抛出一个判断：

"the bottleneck isn't the models anymore – it's the interface." 瓶颈不再是模型能力，而是交互界面。

这话让我愣了一下。现在的 AI 模型确实越来越强——能看图、能听声音、能理解代码。但我们还是在那个小小的文本框里，一个字一个字地敲。

他说：思维本来就不是线性的

ryo 在推文里描述了一个很真实的场景：

> 我们的思维不是线性的，而是空间的、视觉的、情绪化的。脑子里可能是草图、箭头、半成型的想法、一段旋律。但我们还在用文字表达所有东西。

这段话我太有共鸣了。你想表达一个想法，脑子里明明是一幅画面、一段旋律、一个流程图，甚至只是一种说不清的"感觉"。但要跟 AI 解释，就得硬生生地翻译成文字。

画个草图？得描述。哼个调子？得写出来。丢段参考视频？得总结风格。写几行代码？还要加注释。

明明模型已经能看、能听、能理解多种形式的信息了，我们为什么还要这么做？

他想象的场景：同时用多种方式表达

ryo 提出了一个很有意思的愿景：

> 想象一下，你可以同时通过画图、哼旋律、扔参考视频、写几行代码来表达一个想法。AI 能理解这一切——结构、情绪、关系、意图。

这个场景我之前没想过，但确实很有道理。为什么一定要二选一？为什么不能把这些混在一起，让 AI 自己去理解？

他提到的团队协作场景

他还讲了团队协作的问题：

> 每个人思考方式不同。设计师画草图，工程师写代码，产品经理画流程图，作家写文字。工具不应该制造回音室，而应该说每个人的语言。

这点我特别认同。现在很多协作工具其实是在强迫大家用同一种方式表达，比如都要写文档，都要画流程图。但如果工具能让每个人用最自然的方式表达，然后自动翻译，协作效率会高很多。

他对 AI 定位的思考

ryo 还提了一个很重要的观点：

> AI 不是替代品，是协作者。模型永远无法完全理解你的意图，不是因为它不够聪明，而是因为你的意图是你的——由它们永远没有的上下文、无法推断的品味、让事情"正确"而不仅仅是"对"的千百个微小决定所塑造。

> 协作意味着持续对话，而不是一劳永逸。

这段话我反复看了好几遍。

确实，现在很多产品把 AI 当成"外包对象"——你说清楚要什么，它去做，完事。但这种模式忽略了一个本质问题：你的意图本身就带着上下文、品味、无数个微妙的判断。这些东西只有你自己知道。

所以真正好用的 AI 工具，应该是持续对话，而不是一次性任务。就像你和设计师、工程师合作，不是甩个需求文档就不管了，而是边做边聊，随时调整。

他说：不需要"切换模式"

ryo 提到一个设计理念：

> 这些模式不是独立系统。你不需要"切换到画布模式"——你只是用最自然的方式表达。文字、像素、声波——都是上下文。AI 不在乎。

这点我太同意了。我特别不喜欢那种"现在进入画布模式""切换到语音模式"的设计。为什么要切换？

文字、图像、声音，这些都只是表达的不同形式。你想用哪个就用哪个，系统理解就行了。就像跟人聊天，有时候说话，有时候发图，有时候画个简图，很自然。不需要先声明"我现在要发图了"。

工具应该适应人的思维方式，而不是让人适应工具。

我的一些延伸思考

看完 ryo 的推文，我突然理解了 Cursor 为什么不只是"做个更好的编辑器"或者"加个 AI 对话框"。

他们想打破的，是这个文本框的限制。让人能用最自然的方式和 AI 一起工作。不是你适应它，是它理解你。

模型不是瓶颈，交互才是

ryo 最后说了一句话，我觉得特别关键：

> 我们不再受限于模型能做什么，而是受限于我们如何与它们对话。这就是我们在 Cursor 正在做的事。

模型已经足够强了。现在真正限制我们的，是我们怎么和它对话。

这个问题，值得所有做 AI 产品的人好好想想。

如果交互变了，产品设计会怎么变？

看完这篇推文，我想到另一个问题：如果交互方式真的变了，产品设计的范式是不是也要跟着变？

以前我们设计产品，总是在想"功能列表""页面流程""按钮放哪"。但如果用户的输入方式变得这么灵活——可以同时用文字、图片、声音、代码表达，产品还能用传统的方式设计吗？

也许下一代产品，根本就不是"页面"的概念了。

这个问题，我还在想。有空再聊。

• 原推文来自 ryo Lu：https://x.com/ryolu_/status/2003875965177663951

• 本文基于 ryo 的推文进行介绍和延伸思考，核心观点归属于原作者。