蚂蚁集团 · 生活服务行业
支付宝物流AI Agent设计
项目概览
“我的快递”拥有千万级 DAU、亿级 MAU，覆盖寄件、同城跑腿、搬家、仓储等十余种服务。能力供给已经形成规模，用户仍需自行发现、理解和组合服务。项目目标是降低服务发现与组合成本，让用户从生活场景出发找到可办方案，并连续完成真实任务；业务侧通过场景化组织激活低频服务供给，增加既有能力被发现、选择与续办的机会。我主导从 Agent 交互框架、视觉设计到开发落地的全流程，将分散能力编排为一条可确认、可执行、可继续的任务链。
关键转折：从下单流程转向服务重组
项目最早被定义为一个通用物流 Agent：把首页功能搬进对话框，再用对话式 UI 重做所有下单链路。我先追问了一个更根本的问题：用户在现有流程中，究竟卡在哪一步？
设计策略
Agent 框架
设计对象覆盖完整任务生命周期：用户行为、Agent 判断、规则与模型、服务执行和任务状态共同构成体验。
Agent 负责推进任务与记录状态；关键决定始终由用户确认。围绕 Human-in-the-loop，我将“订单进度可查询”与“关键节点可介入”整合为一套控制闭环：系统保证过程可追溯，用户保留最终决定权。
核心设计：让理解进入执行
验证服务发现价值，定位履约断点
数据来自小范围外灰，观察周期：2026.07.06—07.12。各模块曝光基数不同，以下数据用于判断方向，避免跨模块进行简单归因。
从结构化入口到多模态、连续服务
后续演进沿用同一任务框架，逐步叠加自然语言、图片理解与跨周期主动服务，使分散的原子能力共享上下文与任务状态。
类型与重量的重复填写，是寄件流程中的主要操作负担。多模态识图将照片转化为可确认的信息草稿：高置信字段自动带入，不确定字段交由用户核对，在减少输入成本的同时保留控制权。
单次任务完成后，持续沉淀的寄收行为还能形成新的服务价值。Agent 将分散的物流数据组织为可读总结，帮助用户识别偏好、异常与下一步行动。
设计 Agent，不以「更像和人聊天」为终点
情感表达不能淹没任务
过强的拟人热情与泛化贴士，会增加信息负担。真正的理解体现在少问、少填、推荐相关和执行可靠；情感表达应帮助用户建立信任，并为任务推进服务。
任务完成需要以真实行动衡量
相关服务是否被准确组织、方案是否被用户选择、任务是否进入真实履约，才是服务型 Agent 的完成判据。跨页面或工具调用出现中断时，还要保证状态可追溯、失败可恢复。
AI 输出本身就是交互界面
生成内容需要遵循稳定的信息结构：确认理解 → 主方案 → 事实限制 → 明确动作 → 允许修改或退出。让场景、事实与下一步分层可见，帮助用户快速判断并保持控制权。
先建立边界，再逐步扩大自主性
规则过滤、能力边界和关键确认，为模型提供可控的行动范围。随着识别准确率、工具调用成功率和反馈数据逐步稳定，再扩展模型的理解与编排自由度。