为你切回工作的那一刻而设计
大多数软件能记住信息存储在哪里。 却记不住工作进展到了哪一步。
想想使用 AI agent 的场景。 你交给它一个任务。 你切换到其他工作。 九十秒后你回来。 agent 说：“完成了。”
现在你面临一个问题。 它只是写了个草稿吗？ 它修改了真实数据吗？ 有什么证据支持这一点？ 是否需要人工决策？
为了回答这些问题，你必须翻遍聊天记录、通知和标签页。 系统记录了活动，却丢失了上下文。 这种断层正是我们需要工作流连续性设计（Workstream Continuity Design, WCD）的原因。
WCD 确保界面在你每次切换时都能记住工作的状态。
传统设计假设你是唯一的执行者。 现代设计必须考虑到软件在你离开时仍在运行。 你可能同时在监督几件事：
- 一个正在研究课题的 agent
- 一个正在编写代码的 agent
- 一条客户回复
- 一个被阻塞的部署
主要任务变成了“切回”（switch-in）。 你进入一个工作流，理解状态，做出决策，然后离开。 如果你每次都必须重建上下文，你就会损失时间和注意力。
WCD 使用一套特定的语法来帮助你快速定位： • GOAL：预期的结果。 • ATTN：为何现在需要关注。 • STATE：当前状态。 • DELTA：实际发生了什么变化。 • ACTORS：责任人及后续执行者。 • AUTH：允许的操作。 • EVIDENCE：支撑状态的证据。 • EFFECT：影响范围与风险。 • NEXT：最稳妥的下一步。
这比简单的状态指示灯更有用。 也比阅读冗长的聊天记录更快。
WCD 的成功不在于用户点击的速度有多快。 而在于他们理解的速度有多快。 我们通过以下指标进行衡量：
- 定位耗时 (Time to Orientation)：你发现是否需要采取行动的速度。
- 决策就绪耗时 (Time to Decision Readiness)：你理解变化的速度。
- 误判就绪率 (False-ready rate)：在工作并未完成时，你误以为已经完成的频率。
目标是建立一个连贯的模型，让软件能够辅助人类进行监督。
在 Zenodo 上阅读完整的研究版本。
Optional learning community: https://t.me/GyaanSetuAi