人机交互协议 - 帮助 AI 与人类更有效地协同合作

# HumanInteraction 来源：https://humaninteractionprotocol.org/ ## 当智能体出错时，谁该负责？ 标题为“当智能体出错时，谁该负责？”的章节（https://humaninteractionprotocol.org/#when-agents-get-it-wrong-who-is-accountable） AI 智能体正在实际工作流程中做出真实决策。错误是不可避免的。如果没有共享的交互标准，以下问题将不明确： - **谁负责**批准、纠正或承担结果的责任 - **具体在询问什么**（决策 vs 批准 vs 澄清）以及“完成”的定义是什么 - **如何审计**后续发生的情况（谁说了什么、何时说、为什么） `HumanInteraction` 是一个实用协议，它标准化了**智能体如何向人类寻求输入**以及**人类如何响应**，从而使团队能够清晰协作并共享责任。 - **团队合作**：为何高效的智能体需要人类与 AI 作为团队协同工作 - **问责制**：如何追踪 AI 行动并将结果追溯至负责的人类决策 - **人为因素**：为何交互设计必须考虑疲劳/过载以及可用性/安全性问题（如 NIST 所建议） - **示例**：共享协议如何使利益相关者和渠道之间的交互变得顺畅透明 HumanInteraction 智能体对人类参与的结构性请求（谁/什么/为什么），包括约束和上下文。 HumanFeedback 解决（或部分解决）交互的人类响应，关联以供审计。 期望与承诺 软性请求 vs 绑定承诺。承诺需要明确承认，并可附带截止日期和后果。 解决策略 多方输入如何解决——例如首次响应、多数决或所有必需参与者。 协调模式 当多人参与时，集中式与分布式处理（可选使用 `groupId` 链接）。 角色 主要角色、批准者、贡献者、观察者——以及在消息扩散时的私密性与群组可见性。 结构化 JSON 使 LLM 生成更简单且工具互操作性更强： `` { "interactionId": "abc123", "groupId": "grp789", "coordinationMode": "centralized", "resolutionPolicy": "majority", "timestamp": "2025-06-24T10:00:00Z", "agentInstanceId": "agent-XZ01:exec-5589", "participants": [ { "id": "user-108", "role": "compliance_analyst" }, { "id": "user-222", "role": "finance_approver" } ], "agentOutput": { "summary": "This invoice exceeds the threshold.", "confidence": 0.62 }, "type": "approval", "urgency": "blocking", "userActions": ["approve", "edit", "reject", "submit_text"], "status": "awaiting_input", "humanFactors": { "trustLevel": 0.8, "fatigueScore": 0.2 }, "history": []} `` 此协议及其设计文档是**不断演进的草案**——随着需求和示例的收敛，命名和模式细节可能会发生变化。阅读设计深度分析（https://humaninteractionprotocol.org/docs/design/）以了解范围、需求和边缘情况。 --- **下一篇：**协议规范（https://humaninteractionprotocol.org/docs/protocol/）·设计深度分析（https://humaninteractionprotocol.org/docs/design/）·贡献指南（https://humaninteractionprotocol.org/docs/contributing/）