VivaTalk 是一款从 0 到 1 打造的企业 AI 对话产品。我负责用户研究、对话交互、信任设计、知识库权限体系与设计规范落地。
企业用户还要知道答案来自哪里、能不能放心使用，以及哪些知识可以被谁调用。这个案例围绕可信、好用、安全三条设计主线展开。
企业内部知识散落在 OA、文档库和员工经验中。调研显示，员工查询一个业务问题平均需要 30 分钟，知识复用率不足 20%；访谈的 10 位企业员工中，80% 都遇到过知识“查不到、用不上”的问题。
通用 AI 又带来另一层风险：企业私有数据边界不清晰，回答来源不可核查，用户无法判断是否应该采信。项目目标因此不是简单增加一个聊天框，而是打造一套可信、高效、可控的企业知识对话体验。
AI 对话是员工处理即时问题的入口，私有知识库是企业知识管理与安全控制的底座。两者共同支撑知识查询、文件解析和成果沉淀。
研究从使用端和管理端同时展开：一线员工关注知识从哪里找、如何确认和复用，管理员更关心内容如何维护、谁能查看，以及哪些知识可以被 AI 调用。
访谈中不直接询问“想要什么功能”，而是还原当前的查询路径和阻断点；再用竞品拆解校验这些问题是否已被解决，避免把产品定位建立在功能数量上。
访谈、问题归类与竞品校验共同构成定位依据。
如何让用户快速获得答案，也能在存疑时回到结论依据？
用思考过程可视化和回答引用溯源，帮助用户理解 AI 如何得到结论。
如何把跨系统查找和反复确认，收拢成一次连续的知识处理过程？
用多模态问答、文件解析、会话搜索与导出，覆盖从提问到成果沉淀的完整路径。
如何让知识的可见范围与 AI 调用范围都拥有明确边界？
用管理员、成员、访客三级角色，叠加公私库与 AI 调用开关，控制知识的可见与可用范围。
“查不到”不是单一搜索问题，“不敢用”也不是单一模型问题。对话入口、知识底座、来源证据和权限规则必须同时成立，才能让企业知识真正进入日常工作流。
员工可以从文本或业务文件发起任务，在当前对话中关联知识来源；AI 完成回答后，用户按需核查依据，再把会话和结果留作后续使用。五个节点共同构成从问题输入到成果沉淀的闭环。
输入业务问题，或上传 PDF、Word、Excel 等文件直接解析。
通过知识库选择器，把当前问题限定在可用的企业知识范围内。
模型组织知识与文件内容，输出结构化答案并收拢思考过程。
从回答末尾打开来源标签，按需预览引用片段或进入原文。
保留、搜索和收藏会话，并将结果导出为 PDF 或 Word。
企业场景里，完全不展示 AI 的推理和来源，用户无法判断答案是否可用；但把所有过程默认摊开，又会打断高频阅读。因此我把核查能力设计在回答之后：思考过程默认收拢，来源在答复末尾聚合，用户存疑时再展开查看。
默认保持答案阅读节奏，不把低频核查信息变成每次对话的负担。
用折叠式面板呈现问题拆解、知识检索、信息整合与结论输出。
将引用聚合为标签，并在当前上下文中预览原文片段，避免频繁跳转。
这两个交互取舍的完整方案与对比，放在“信任设计”页签中展开，避免主故事重复展示相同界面。
初版支持多会话创建、收藏与导出，但没有会话搜索。用户在历史记录中查找一次对话平均需要 15 秒，因此我将搜索作为 MVP 后的优先迭代项，补进会话管理路径。
无搜索功能，逐条浏览历史记录
新增会话搜索，直接定位目标记录
从浏览查找转为关键词定位
我直接对接产品经理、前端工程师和后端工程师，负责用户研究、竞品分析、交互与视觉设计、组件与规范搭建，以及设计落地和迭代优化。与后端协作时，重点对齐知识库、AI 接口、权限体系和数据安全逻辑；与前端协作时，将组件状态和使用场景写进设计规范。
研究工作把模糊的“大家想用 AI”拆成可设计的场景、角色和判断标准。
样本覆盖行政、业务、运营、技术，也纳入新人、老员工与团队负责人，兼顾一线使用和知识管理两种视角。
以半结构化提纲覆盖知识获取路径、查询耗时、现有工具痛点、AI 使用经验与核心诉求，统一每次访谈的判断基线。
不直接询问“想要什么功能”，而是追问从哪里找、在哪一步卡住、最终如何解决，并避免诱导性提问。
逐份整理访谈纪要，通过亲和图归类痛点，再与竞品能力对照，筛出能够进入产品设计的机会点。
10 位受访者中有 8 位提到“查不到、找不到或不敢信”；单次查询耗时集中在 15–40 分钟，与原有约 30 分钟的平均记录一致。
资料散落在 OA、文档库和员工经验中，需要跨系统反复查找。
机会：统一对话入口文档更新不及时，即使找到内容，也无法快速判断是否仍然有效。
机会：来源可回查新人高度依赖老员工答疑，相同问题被重复解释，知识难以沉淀。
机会：问答可复用通用 AI 缺少企业上下文，也无法说明依据，用户仍需返回原文确认。
机会：知识库与证据链敏感资料由谁查看、上传和调用缺少清晰规则，形成使用顾虑。
机会：角色与调用控制五类问题并不是五套功能，而是收敛为三条设计主线：可信，让用户能回到答案依据；好用，缩短从提问到成果沉淀的路径；安全，控制知识的可见与可调用范围。
访谈没有把问题停留在搜索效率，而是进一步识别用户找到资料后的确认成本。
横向拆解飞书 AI 知识库、腾讯乐享和 FastGPT，重点比较知识来源、回答可信度、权限边界和企业嵌入方式。
知识散落多处，难以复用
思考过程可视化、回答引用溯源
单个业务问题平均约 30 分钟
多模态问答、会话搜索与导出
私有数据与答案可信度难保障
三级角色、公私库、AI 调用开关
拥有全量操作权限，负责知识库、成员和权限边界管理。
在授权范围内上传、调用文件，使用 AI 对话处理工作任务。
仅查看被授权的知识内容，不参与知识库管理。
信任设计不是装饰层，而是对话流程的一部分：用户可以快速读答案，也可以在存疑时打开过程与来源。
输入自然语言问题，或上传文件发起问答。
通过 @ 唤起选择，明确回答使用的知识来源。
折叠式面板按步骤展开 AI 的思考过程。
聚合来源标签，按需预览引用的原文片段。
答案变得可理解、可核查，也可以持续追溯。
判断依据多数企业员工需要快速获取答案，只有存疑时才查看推理过程。界面既要保持日常阅读效率，也要为信任核查保留入口。
面板锚定在 AI 回复正文底部并默认收拢；展开后按“问题拆解 → 知识库检索 → 信息整合 → 结论输出”展示分步逻辑。
信息长期占据回复区域，界面臃肿并干扰核心阅读。
缺少过程核查入口，难以建立信任与差异化体验。
判断依据企业场景要求 AI 回答可追溯，但逐句插入来源会打断正文阅读。核查入口需要明确，同时尽量留在当前工作流。
在 AI 答复末尾统一聚合来源文档标签，点击后预览引用原文片段，并提供前往知识库原文的入口。
来源标记穿插正文，打断排版与连续阅读节奏。
用户频繁离开对话上下文，核查成本随之增加。
判断依据B 端 AI 产品的核心体验是效率与信任，核心任务中的强转化提示会打断工作。商业化需要被看见，但不应抢占主流程。
在个人主页、客服入口等非核心场景承接付费引导，核心工作流中不出现强商业转化元素。
打断用户工作流，也会削弱对产品效率与可信度的感知。
缺少稳定的转化触点，无法支撑产品后续商业闭环。
判断依据企业客户不仅需要控制谁能查看和上传，还要决定哪些知识能够进入 AI 回答链路。使用权限与模型调用边界需要分别表达。
用管理员、成员、访客区分操作权限，以公开/私密知识库定义可见范围，再通过 AI 调用开关控制模型访问。
无法覆盖访客查看等临时授权与轻量使用场景。
敏感知识无法单独关闭 AI 访问，数据边界不够清晰。
对话体验之外，私有知识库把企业安全要求变成可配置、可解释的产品能力。
这个项目完成了从研究、方案到迭代资产的闭环。指标来自用户访谈、设计验证与项目早期记录，正式上线状态和长期运营口径仍待确认。
思考过程可视化与回答引用溯源进入 AI 回复流程，用户可以按需查看推理步骤，并回到知识库原文确认依据。
知识复用率由不足 20% 提升至 60%，知识获取成本降低 40%；会话搜索将历史查找从 15 秒缩短至 3 秒，效率提升 80%。
95% 企业权限场景覆盖率来自三级角色、公私库与 AI 调用开关的组合设计，分别控制谁能操作、谁能查看和哪些知识可被调用。
企业用户愿意使用 AI 的前提，是答案来源和数据权限都可理解。
推理、引用、搜索和导出都要进入完整任务流，而不是孤立功能。
组件状态和使用场景越早对齐，后续落地和迭代越稳定。