人机协作剧本生成器
一个帮助 AI 产品团队设计人机协作流程的交互式工具，支持任务分解、人机分工、交接断点和异常处理的全流程生成。通过 Wizard 和 Turbo 两种模式，30 秒快速生成完整人机协作剧本，直接用于开发或面试演示。
项目背景与问题定义
背景说明
AI 产品团队在设计人机协作流程时面临三大挑战：任务分工不清晰、交接断点难识别、异常处理缺预案。传统设计依赖经验，缺乏系统化方法，导致协作效率低、用户体验差。市场需要一款能快速生成完整人机协作剧本的工具。
核心问题
- 1任务分工不清晰：AI 和人各自负责哪些任务界限模糊，容易重复或遗漏。
- 2交接断点难识别：AI 需要向人交接的关键时刻容易被忽视，影响流程流畅性。
- 3异常处理缺预案：AI 犯错时的降级方案缺乏设计，导致用户体验中断。
核心价值主张
双模式架构
Wizard 模式（分步确认）+ Turbo 模式（一键生成），满足深度设计和快速演示的不同需求。
效率看板可视化
直观展示 AI 任务占比 vs 人任务占比，以及效率提升倍数，展现人机协作的核心价值。
结构化剧本输出
包含任务分解、人机分工、断点识别、异常处理四个模块的完整 Markdown 剧本，即拿即用。
核心功能展示
场景选择器
提供 4 个预设场景（医疗辅助诊断、智能客服、内容审核、自定义），支持快速选择和自定义输入。 特色： - 3 个高价值行业场景卡片 - 自定义场景输入框 - 场景描述预览 - 允许用户自由定义业务场景
任务分解引擎
调用 LLM 将复杂任务拆解为 5-15 个子任务，每个子任务包含任务描述、完成标准。 特色： - 智能任务拆解（LLM 生成） - 子任务数量控制（5-15 个） - 完成标准定义 - 支持拖拽排序
人机能力匹配
为每个子任务标注适合 AI、适合人或人机协作，基于任务特性自动分析。 特色： - 角色自动分配（AI/人/协作） - 分工比例实时统计 - 匹配规则说明 - 支持手动调整
断点识别系统
识别 AI 需要向人交接的关键时刻，用颜色编码标识置信度和优先级。 特色： - 置信度可视化（绿色/橙色/红色） - 危急断点闪烁动画 - 断点说明 - 预设的交接规则
异常处理设计
为 AI 犯错时设计降级方案，包括接管方式、人工干预点、用户引导。 特色： - 异常场景识别 - 降级方案生成 - 手动编辑支持 - 异常处理流程
Wizard 模式（分步确认）
四步分步确认流程，每步都可以编辑和调整。 流程： 1. 任务分解：拆解复杂任务 2. 人机匹配：分配执行角色 3. 断点识别：找出交接时刻 4. 异常处理：设计降级方案 特点： - 每步可编辑、可调整 - 支持拖拽排序 - 实时预览
Turbo 模式（一键生成）
一键生成，自动完成所有步骤，10-12 秒快速完成。 特点： - 一键生成 - 进度可视化 - 加载动画 - Banner 提示预计时间
效率看板（Aha Moment）
直观展示人机协作的价值：AI 承担重复工作，人类专注核心决策。 指标： - AI 任务占比（百分比） - 人任务占比（百分比） - 效率提升倍数 - 价值主张说明
导出功能
支持 Markdown 和 PDF 一键导出，文件名包含场景名和日期。 功能： - Markdown 导出 - PDF 导出（打印优化） - 一键复制到剪贴板 - Toast 成功提示
系统架构与设计亮点
双模式架构设计
Wizard 模式面向深度设计场景，Turbo 模式面向快速演示场景。这种设计既满足了专业用户的需求，也满足了临时演示的需求，体现了对用户场景的深刻理解。
AI 技术边界理解
任务分解、人机匹配、断点识别、异常处理都由 LLM 完成，但每个步骤都有明确的输入输出规范和质量控制机制。体现了对 LLM 能力边界的清晰认识：适合做生成和分析，不适合做确定性计算。
用户体验驱动的设计
效率看板作为 Aha Moment，直观展示人机协作的价值。Badge 视觉系统（颜色编码）快速传递信息。庆祝动画（canvas-confetti）增强完成感。这些设计都围绕用户体验展开。
量化指标与成果
成果时间线
产品方法论总结
"好的人机协作不是让 AI 替代人，而是让 AI 和人各展所长。"
— 人机协作设计方法论
方法论详细阐述
- 1需求分析阶段：深入理解 AI 产品团队的核心痛点（任务分工模糊、交接断点难识别、异常处理缺预案）。明确业务约束（快速生成、结构化输出、即拿即用）。
- 2架构设计阶段：采用 Wizard + Turbo 双模式架构。Wizard 模式面向深度设计，Turbo 模式面向快速演示。这种设计平衡了专业性和易用性。
- 3体验设计阶段：效率看板作为 Aha Moment，直观展示人机协作的价值。Badge 视觉系统快速传递信息（绿色/橙色/红色）。庆祝动画增强完成感。
- 4技术实现阶段：使用 React 18 + TypeScript + Zustand。LLM 调用使用百炼 API（Qwen3.5-plus）。前端部署到 Vercel，支持 Markdown 和 PDF 导出。