过去几十年，计算机界面一直在解决同一件事：人怎样操作机器。你打开App，找到功能，点击按钮，输入参数，确认执行。你知道文件在哪，知道功能在哪，知道哪一步该由自己完成。但2026年开始，很多新产品正在把这个前提一点点拿掉。Meta Muse、OpenAI Dots、Microsoft Project Solara，以及一批企业Agent产品，表面上看依然有聊天框、卡片、侧边栏和设置页；但它们共同在做的事情，已经不是"给Chatbot找一个更漂亮的UI"。它们开始让机器在你离开之后，继续替你行动。OpenAI对Dots的描述非常直接：它是一个可承担持续责任、拥有云电脑、可跨连接应用工作的常驻Agent；Meta Muse也把长期目标、后台行动、跨应用执行和权限控制放进了同一个产品定义里。这意味着，未来人机交互最重要的问题，是："机器什么时候可以替我行动？""它能做到哪里？""它凭什么这样做？""什么时候必须回来找我？""如果它做错了，我怎样把权力拿回来？"这不是简单地UI风格的变化，这是计算机第一次开始把"执行权"从界面里抽走。而未来界面的任务，也会从"让人操作机器"，变成"让人委托、限制、监督并收回机器的行动权"。

一、未来的电脑首页，可能只剩三件事

想象一下，几年后的某个早晨。你打开电脑。它不再先给你二十个App图标，不再先给你几百封邮件，也不一定先给你一个空白聊天框。它可能只给你三类东西。

第一类：我在替你推进什么。"你的竞品研究正在进行，两个新的市场变化已经进入待判断状态。""客户流失预警已启动，有三位客户满足介入条件。""下周的商务出差已经完成初步安排，有一项航班选择需要你确认。"

第二类：昨天什么发生了变化。"竞争对手更新了定价策略，影响分析已生成。""项目预算减少10%，原计划中的两项工作被重新排序。""一个此前成立的研究假设，被新的数据推翻。"

第三类：哪些地方必须由你决定。"两个供应商都符合条件，但成本和交期存在取舍。""需要一次性付款2600美元，超过了当前授权上限。""任务看似完成，但系统无法确认订单是否真的提交成功。"

可以把它压缩成三个词：Goals—Changes—Exceptions。这看起来像一个更聪明的Dashboard仪表盘。但它其实不是。Dashboard的前提是：人看数据，再操作系统。而这个新界面的前提是：机器已经在替人行动，人只在关键处重新出现。这才是Agent Interface和传统软件界面的根本差别。

二、2026年发生的，不是Chatbot找到了下一种皮肤

如果只看视觉，这一轮变化很容易被低估。还是输入框，还是聊天记录，还是文件上传，还是侧边栏。但底层交互的基本单位，已经开始移动。

过去是：Message。你问一句，机器答一句。接着是：Task。你不再问"这个行业最近有什么新闻"，而是说"帮我把这个行业过去三个月的重要变化理一遍"。机器会自己搜索、筛选、调用工具、保存中间状态、整合信息，然后过一段时间把结果交回来。再往前一步，正在出现的是：Responsibility责任。不是"帮我查一下今天发生了什么"，而是"持续关注这个领域，真正重要的变化出现时告诉我"。不是"整理今天的邮件"，而是"管理我的收件箱，只把我必须亲自处理的事交给我"。

这三者的差异，不只是任务长度。过去是Message，正在发生的是Task，更远的未来是Responsibility。过去是Session，正在变成Project，最终走向Relationship。过去是操作，正在变成委托，最终变成长期授权。过去是App，正在变成Capability，最终变成Agent-managed world。

Task会结束。Responsibility不会。Task的状态是Done。Responsibility的状态更接近：Active、Suspended、Escalated、Revoked。启用、暂停、升级、撤销。这也是常驻Agent最重要的变化。它开始拥有长期目标、工作历史、权限边界、事件订阅、世界状态和待履行的职责。于是，真正重要的问题变成：它现在负责什么？它承诺了什么？它在等待什么事件？它拥有什么权限？它做了哪些动作？它在什么情况下必须回来找我？我怎样暂停它、收回它的权限，或者把它交给另一个人管理？这已经不像在使用一个软件功能。更像是在管理一个被长期委托的数字角色。

三、执行权正在离开界面

传统GUI的伟大之处，在于它把机器的复杂功能，变成了人可以逐步操作的对象。窗口、菜单、文件夹、按钮、鼠标指针，本质上都在回答一个问题：我怎样让计算机完成这件事？路径通常是这样的：打开App→找到功能→点击按钮→填写参数→确认执行→看结果。这套路径的前提是：人负责导航、选择、执行和确认。但Agent正在把其中越来越多的环节接过去。未来的路径会逐渐变成：表达结果→系统理解意图→Agent选择工具与路径→机器行动→人只在关键处介入。

微软Project Solara对这轮变化的表达很激进：从"打开的软件"走向"被调用的智能"，从按钮和图形界面走向意图表达，设备则成为进入长期运行智能的窗口。它提出的"just-in-time UI"，本质上是在设想：同一个Agent可以根据设备、上下文和交互方式，临时生成适合此刻的界面。这意味着，最先消失的可能不是屏幕，而是mode selection模式选择。今天的用户还常常需要判断：我现在应该搜索，还是问Chat？应该开Deep Research，还是开浏览器？应该调用Agent，还是自己操作网页？应该进入哪一个App？应该选择哪一种工作流？未来这些选择会越来越多地变成系统内部的问题。人表达Outcome结果，机器决定Execution执行。

与此同时，App不会真正消失。它会从过去的"人类导航单位"，逐渐降级成未来的"机器能力容器"。过去是：人知道功能藏在哪个App。未来是：Agent知道哪个App、工具、网站、协议、模型或服务可以完成这件事。这不是App消失。而是App从前台入口，退到后台能力层。

四、人类没有失去控制权，只是控制权换了位置

当机器开始接管执行，最自然的担忧是：AI越强，人是不是越失去控制权？这其实把"操作权"和"行动权"混在了一起。传统GUI给人很强的过程控制。点哪个菜单、打开哪个文件、选哪条路径、填写什么参数、执行哪个动作，都是人决定。Agent拿走这些过程操作后，表面看，人类似乎失去了一部分控制。但更准确的描述是：人类的控制权，正在从"如何做"迁移到"要做什么、做到哪里、什么情况下必须停下来"。

过去，人控制每一步操作、每一个菜单、每一次输入、每一个执行动作。未来，人更可能控制最终目标、可接受的代价、优先级、时间边界、金额边界、数据边界、对外沟通边界、例外处理规则、是否接受结果、是否继续授权。以商务出差为例。传统UI下，你需要打开订票App→搜索城市→选择日期→对比航班→看价格→填个人信息→确认支付。Agent-native的表达可能是："按我过往的商务出差偏好处理。超过3000元、涉及改签风险、红眼航班或签证问题时再问我。"前者是Control every step。后者是Control policy and boundary。人不再是亲自移动鼠标的人。人开始变成Principal：定义目标、授予有限权力、处理价值冲突、接受最终结果的人。这也是未来界面最深的一层变化：Human agency不等于human operation。人不必亲手操作每一步，仍然可以拥有结果、边界和责任。

五、反直觉：AI越强，界面未必越少

一种流行想象是：AI越可靠→人越不需要操作→UI越少→最终只剩语音，或一个聊天框。这只说对了一半，人确实会越来越少参与连续执行。但这不等于人应该什么都看不见。因为如果Agent一天完成几千次动作，让人逐条看几千条日志，没有任何意义。人不需要知道它点了哪个按钮、打开了哪个网页、复制了哪一段文字、调用了第几个工具。人真正需要知道的是：它为什么相信这个结果；哪个假设发生了变化；哪个动作不可逆；哪个结果无法验证；它动用了什么权限；它为什么认为自己有资格这样做；它在哪里触及了默认规则的边界。

因此，未来UI既不会简单走向"更多透明"，也不会走向"完全黑箱"。它会走向：Just enough transparency恰到好处地透明。低风险、可逆、确定、短任务，UI可以越来越隐形。高风险、不可逆、不确定、涉及真实价值取舍的任务，UI不但不能消失，反而会变得比今天更重要。可以把未来交互写成一个简单函数：Interface=f(Risk, Reversibility, Uncertainty, Duration)。它大致会导向几种不同制度：低风险、可逆、确定、短任务为Invisible Automation；风险略高为Act→Inform；涉及付款、对外沟通、重要修改为Prepare→Approve；高不确定性、创造性任务为Shared Workspace；长期、多Agent、高责任任务为Role/Policy/Exception UI。所以，未来UI会从continuous interaction持续互动，变成selective intervention选择性干预。平常，机器自动流过。到了真正需要人类判断的地方，机器停下来。

六、未来界面真正要管理的，不是页面，而是行动权

如果一个Agent要替人行动，人和机器之间究竟需要被明确管理什么？答案是一套新的关系对象。

1. Goal：人想让世界变成什么样。Goal不是一句Prompt。Prompt是表达方式。Goal才应该是持续存在的系统对象。比如"完成一本关于AI时代技术品味的书。"这个Goal下面，未来可能天然挂着Context、相关文件、Research、Deadline、Budget、Success criteria、当前状态、Agents、Decisions、History、Constraints。它可能持续几个月，甚至几年。你离开电脑之后，它依然存在。所以，Goal很可能成为File、Folder、Project之上的新抽象。因为文件终于开始被放进一个更接近人类意图的结构里。

2. Responsibility：谁长期负责这件事。Task是"查一下今天发生了什么。"Responsibility是"持续关注这个领域，出现真正重要的变化时告诉我。"Task是工作的分解单位。Responsibility才是长期委托的单位。这也是为什么"AI员工"这个词虽然粗糙，却抓到了一点什么：未来的关键不只是某个Agent能否做完任务，而是它是否拥有明确、持续、有限的职责域。但"数字员工"仍然不够准确。Agent不应该被赋予无限责任。它应当是一个受限角色。它有职责，也有权限边界；能主动行动，也必须接受暂停、撤权和接管。

3. State：我们共同面对的现实是什么。未来复杂协作的中心，是双方共同面对的State状态。它可能是代码库、文档、表格、设计稿、客户状态、供应链数据、订单、日程、数据集、研究资料、一个正在变化的世界模型。所以未来复杂知识工作最稳定的形态，很可能不是Shared conversation。而是Shared state共享状态。人和Agent围绕同一个Artifact工作。聊天退到边缘，负责澄清、协商、批评、重定向。真正的"共同事实"，存在于Artifact和State里，而不是聊天记录里。AG-UI这类新协议之所以值得注意，因为它开始把Agent状态、UI intent、工具调用和用户交互视为同一条实时交互边界上的对象。

4. Trigger：机器什么时候可以主动行动。传统GUI的核心时间结构是now。点击以后，现在执行。常驻Agent的时间结构则是if/when/until。如果价格低于某个阈值；收到某个人的邮件时；如果项目三天没有进展；一旦竞品发布新产品；如果一个研究结论被新证据推翻；每周五生成一次简报；当客户流失风险达到某个等级时。Trigger触发器不是高级版日程。它是机器何时获得Initiative的条件。没有Trigger，所谓"全天候Agent"大概率仍然只是一个后台Chatbot。

5. Authority：机器能做到哪里。传统软件权限问的是App能不能访问相机。Agent世界的问题是这个Agent在什么条件下，可以代表我做什么。这完全不是一个层级。未来的授权会越来越像：可以读邮件，但不能发送；可以草拟合同，但不能签署；100美元以下的采购可以自行处理；公开发布必须人工确认；可以与供应商协商，但不能承诺价格；晚上十点以后，只有P0风险可以打扰；可以访问项目资料，但不能把数据带出组织边界。过去软件有Settings。Agent时代，越来越重要的对象会是Policy规则。Settings管理软件如何运行。Policy管理机器可以代表谁行动、行动到什么程度。Workday已经把Agent Interaction Policy作为独立安全对象，用来定义哪些用户可以调用哪些Agent技能。这只是很早期的形态，但方向已经出现了。

6. Exception：机器在哪里必须把权力交还给人。Notification说的是Something happened。Exception说的是Machine agency stops here. Human agency required.这是完全不同的东西。未来的Exception可能包括：两个方案都可行，但成本和时间存在不可自动化的取舍；付款超过预算；某个高风险动作需要扩大权限；先前成立的假设被新数据推翻；结果看似完成，但无法验证；Agent遇到与既定目标冲突的新情况；Agent无法继续推进，需要重新定义目标。Exception是权力交接点。也是未来Agent Inbox最值得关注的地方。过去的Inbox是别人希望我做什么。未来的Inbox更可能是机器在哪些地方不能替我做决定。

7. Verification：我怎么知道它真的做对了。AI越强，人越不应该逐步盯着它做事。人应该看证据。未来最重要的迁移，可能是Reasoning visibility→Evidence visibility。我们今天经常观看Agent做了什么。未来更重要的会是：有什么证据证明它做对了？这会带来一批新对象：Receipt、Evidence、Source、Test、Provenance、Diff、Outcome verification。人不需要重读整个系统。人需要知道它改了什么、为什么改、哪些地方仍然不确定、什么证据支持它说"完成了"。W3C最新的《Web User Agents》草案也已经把软件"代表用户行动"放到更严肃的位置：它把保护、诚实和忠诚视为user agent对用户的基本职责。这个草案，说明浏览器、助手和Agent正开始共享一种更本质的定义：它们不是单纯呈现信息的工具，而是代表用户与外部世界交涉的软件。

8. Recovery：如果不对，我怎样把权力拿回来。传统Ctrl+Z撤销的是一次编辑。Agent世界需要撤销的是一条自主行动轨迹。这可能意味着Pause、Cancel、Rollback、Revoke、Restore、Fork、Compensate。你不只是撤销一封邮件，可能需要暂停整个持续责任，收回权限，恢复到某个检查点，取消后续计划，甚至要求系统对已经发生的动作做补偿。所以Recovery恢复比Undo撤销更像Agent时代的基础能力。行动能力越大，可恢复性越重要。这不是因为模型不够聪明。而是因为"替人行动"这件事本身，就要求人始终保有收回行动权的能力。

七、GUI之后，是一门新的交互语法

GUI时代，Window、Icon、Menu、Pointer的意义，在于它们把复杂计算函数，变成了用户可以理解和操作的对象。Agent时代真正对应的，不太可能是一组新的视觉控件。它更像一组新的关系原语：Goal、Responsibility、State、Authority、Trigger、Exception、Verification、Recovery。以及一组新的动词：Define、Delegate、Grant、Observe、Act、Escalate、Verify、Override、Revoke、Accept。把它们连起来，就得到一条新的交互语法：人定义Goal。人委托Responsibility。人授予有限Authority。Agent观察State。Trigger激活行动。Agent在边界内执行。出现Exception时升级给人。人做价值判断或重新定向。Agent提供Verification。人接受结果，或暂停、撤权、恢复。注意，这里已经很少出现传统GUI的核心动词：Click、Open、Scroll、Navigate、Launch app。它们没有完全消失，但正在退到更底层。GUI把机器的功能变成可操作对象；Agent Interface要把机器的行动权变成可操作对象。

八、Chat、生成式UI、共享工作区和眼镜，不是在争同一个终局

今天关于未来界面的讨论，常常把很多不同层的东西混在一起。Chat、Canvas、Generative UI、语音、眼镜、Agent OS、Shared Workspace，看上去都在竞争"下一代界面"。其实它们解决的不是同一个问题。

1. Chat：未来的语言化控制通道。Chat不会消失。它仍然是人表达模糊意图最自然的入口。但它不太适合承载一切。Chat更适合发起委托、澄清目标、协商取舍、质疑结果、中断任务、重新定向、追问"为什么"、Debug Agent的判断。它更像语言化的Command Line+Negotiation Channel。重要，但不等于整个操作系统。

2. Shared Workspace：复杂创造的真正中心。当人和Agent真正一起写代码、做研究、改文档、设计产品、分析数据时，最重要的并不是聊天记录。而是共同操作的对象。Conversation at the edge，Artifact at the center。聊天负责协商。Artifact承担共同事实。这也是为什么未来所有界面不会都缩成一个输入框。复杂工作必须有共同状态、结构化对象、差异视图、验证机制和可恢复历史。

3. Generative UI：把语义临时编译成最适合当前任务的界面。Generative UI很重要，但它解决的是这一刻，机器应该给人呈现什么操作表面？同一个Exception，有时适合两个按钮。有时适合一张比较表。有时适合地图。有时适合一段Diff。有时适合一个模拟器。Google A2UI的思路很有代表性：Agent不直接交付一张任意生成的网页，而是用结构化数据表达"应该渲染什么"，再由宿主应用用自己的组件系统生成界面。这意味着UI开始从application property，变成runtime output。但Generative UI不是终局。它只是Presentation Layer的突破。真正决定一张临时界面该长什么样的，是更底层的语义对象：这是授权、异常、验证、恢复，还是目标取舍。所以Generative UI的终局不是没有原语的UI。恰恰相反，它需要更稳定的语义原语，才能每次生成不同但正确的界面。

4. Ambient Interface：屏幕不会消失，它会变成信心表面。眼镜、耳机、戒指、手机、桌面设备，都可能成为Agent出现的入口。低风险任务当然会越来越无界面化。提醒、记录、导航、整理、环境感知，很多动作会在你没有主动打开软件时发生。但这不意味着屏幕消失，更准确的描述是：Screen将从execution surface，变成confidence surface。平时，它不必出现。当你需要比较、验证、授权、复盘、撤回或处理风险时，它出现。不是为了让你操作机器。而是为了让你确认自己仍掌握局面。

九、未来的桌面，不是App首页，而是注意力路由器

回到开头的三块未来首页。经过前面的拆解，它们不再只是一个漂亮猜想。它们是Agent-native计算最自然的结果。

1. What I care about：Goal/Responsibility目标/责任。什么在被持续推进。什么被暂停。什么需要重设边界。什么长期由谁负责。

2. What has changed：State/Results/Verification状态/结果/验证。世界发生了什么变化。Agent做了什么。它留下了什么证据。哪些结果已经验证，哪些仍然不确定。

3. What needs me：Exception/Decision/Authority request例外/决定/权限请求。哪些地方到了机器行动的边界。哪些地方必须由人做价值判断。哪些地方需要扩大、收回或修改授权。

这其实就是未来的Agent Inbox。它不再是Email Inbox，是Human Attention Router人类注意力路由器。当Agent足够多以后，人类最稀缺的资源不再是输入命令的能力。而是注意力。不是"怎样让机器开始做事"。而是"在什么时刻，什么事情值得我亲自出现"。

十、多Agent时代，界面最终会像组织结构

如果未来一个人不再只拥有一个AI，而是拥有研究Agent、编码Agent、日程Agent、财务Agent、招聘Agent、个人Agent、公司Agent、以及一群临时Subagents，那么"和二十个Agent逐一聊天"，不可能成为稳定界面。人也不会愿意观看二十个Agent的完整内部协作过程。未来人真正需要管理的是Role、Responsibility、Authority、Budget、Policy、Escalation、Evidence、Ownership。这也是为什么Agent UI最后会越来越像Organization UI。Salesforce已经在产品层面呈现了很早期的形态：一个任务可以同时分配给AI Agent与人类审核者，Agent先填充内容，再停下来等待人类审阅；无法完成时，也可以转交给预设的fallback assignee。它说明，软件开始第一次以一种可委托、可约束、可追责的角色，进入组织结构。过去的组织图只安排人和部门。未来的组织图会开始安排人、Agent、工作流、权限、预算、审批、责任边界、例外升级路径。

十一、界面将成为人类意图、机器行动权与责任交接发生的地方

未来不会只有一种"AGI的iPhone界面"。不会所有事情都变成Chat，不会所有屏幕都消失，不会所有任务都交给AI。真正稳定下来的，是不同风险、不同责任、不同不确定性之下的几套交互制度。低风险任务，自动化会隐形。复杂创造，人和AI会共同编辑同一个世界状态。高风险行动，会需要结构化授权、证据、验证和确认。长期多Agent系统，会要求我们管理角色、责任、预算与升级路径。

所以，未来UI的问题不再是："我怎样让机器做这件事？"而是："我想让世界变成什么样？""谁来持续负责？""它可以做到哪里？""它什么时候可以自己行动？""什么情况下必须回来找我？""我怎样知道它做对了？""做错以后，我怎样把行动权拿回来？"

过去，界面让人学会操作机器。接下来，界面要让人学会把机器的行动权交出去，又在必要时拿回来。