当Agent不仅会调用工具，还能与人围绕目标分工协作、共享上下文并持续接力时，产品不再只是输出结果，而是与用户共创过程。人机过程协作化与能力模块化两大趋势正在重塑工作流的形态。报告核心判断：产品正在从"结果生成"走向"过程共创"，AI能力正在从"隐藏模型"走向"可调用模块"。
人机过程协作化的本质
人机过程协作化的核心特征是：产品不再只展示一个Agent的执行过程，而是人组织多个角色化Agent围绕目标分工协作、共享上下文并持续接力。用户提出目标，AI生成阶段结果，人再通过预览、判断和反馈持续校准。
这与传统的"一次性输出"有本质区别。过去，用户输入一个请求，系统返回一个结果——交互在输出完成后即告终结。现在，输出只是过程的一个节点——用户在预览后提出修改意见，Agent根据反馈调整方案，双方在迭代中共同推进任务。
人机过程协作化正在进入各类用户场景。用户不需要掌握完整专业流程，但可以在关键节点判断方向、补充偏好、调整结果，与Agent共同推进任务。这种模式降低了专业门槛，同时保留了人类的判断力和审美能力。
过程共创的典型案例
Stitch Fix Vision让用户上传自拍和全身照，AI生成"自己穿上不同造型"的个性化图像。它体现了服装产品从"推荐商品"升级为"人机共创造型过程"：AI给出可视化方案，人通过审美判断和风格反馈持续校准。用户看到的是"自己穿上衣服的样子"，而不是"模特穿上衣服的样子"——这种个性化可视化本身就是过程共创的起点。
Figma Make将用户的想法或已有设计转化为可交互原型、Web App和互动UI。用户可以通过对话继续构思、迭代和优化，而不是只获得一张静态设计稿。它把"生成界面"变成"边预览、边反馈、边修改"的协作过程。设计师不再需要从零开始画每一张图，而是通过对话引导AI生成并持续优化。
两个案例的共同特征是：产品从"一次性输出工具"转变为"持续性协作伙伴"。用户与AI的关系不是"问-答"的单次交易，而是"提出-生成-预览-反馈-修改"的循环过程。
能力模块化的本质
能力模块化让AI不再只是一个隐藏模型，而是被封装成可调用、可组合、可复用的产品能力。知识、工具、流程和规则被沉淀为Skill / Workflow / Playbook，用户不必每次从零描述需求，Agent能在不同场景中稳定调用成熟能力。
传统产品中，AI能力是"嵌入式"的——用户无法感知模型的存在，也无法调用模型的部分能力。能力模块化后，AI能力是"可调用"的——用户可以在不同场景中选择不同的能力模块，组合成适合当前任务的工作流。产品设计的重点从"如何训练一个强大的模型"转向"如何把模型能力封装成用户可理解、可调用、可组合的模块"。
能力模块化的典型案例
Amazon Alexa+将家居控制、购物、提醒、娱乐、信息查询等能力整合到统一语音入口中。用户不必分别打开不同App，而是通过自然语言调用一组日常生活能力。Alexa+的设计逻辑是：把分散在不同应用中的功能组织成围绕生活场景的能力集，让用户用统一的交互方式调用。
Mercedes-Benz MBUX Virtual Assistant将导航搜索、地点推荐、路线规划、车辆信息和多轮对话整合进车机体验。用户可以在驾驶场景中持续调用出行相关能力，而不需要在多个应用间切换。MBUX的设计逻辑是：把车机系统的功能组织成围绕驾驶场景的能力集，让用户在专注驾驶的同时完成信息查询和任务操作。
两个案例的共同特征是：产品把AI能力从"后台模型"变为"前台模块"，从"隐藏逻辑"变为"可调用能力"。用户不需要知道模型如何工作，只需要知道"我能用这个能力做什么"。
从工具调用到过程协作——趋势的深层逻辑
人机过程协作化与能力模块化共同指向一个深层逻辑：产品不再是「工具」，而是「协作者」。传统产品设计中，用户是操作者、产品是工具——用户输入指令，产品执行功能。现在，用户是目标设定者、Agent是过程执行者——用户表达目标，Agent规划路径、调用工具、持续执行并在关键节点获取用户确认。
这种转变对产品设计提出了新要求。产品需要设计协作机制——用户和Agent如何分工、如何交接、如何同步信息？产品需要设计能力复用机制——如何让用户在不同场景中调用相同的AI能力而不必重复设定？产品需要设计过程可视化机制——如何让用户理解Agent在做什么、为什么这么做、接下来要做什么？
这些问题的答案决定了智能产品能否从「功能集合」升级为「智能协作者」。下一轮智能产品创新的核心，并非简单把AI嵌入产品，而是重新设计人、Agent、工具、环境之间的协作关系。
