牛顿 1688 新一代买家工作台

数据流转示意 1-1 1-1
牛顿是什么

牛顿是 1688 买家的电商生意经营 AI 工作台——一个懂电商、能自主执行、可持续进化的桌面端 AI Agent 平台。一头连 1688 上游找货采购,一头连用户自己的下游店铺(淘宝 / 拼多多 / Ozon)和经营系统(ERP / 物流 / 财务)。让全链路业务数据在端内流转,AI 越用越懂你的生意。

我的角色

作为 AI Native 产品团队的产品设计师,我加入项目时面对的核心命题:业界没有「电商 AI 工作台」的成熟范式,我要从 0 开始定义产品框架。

核心设计挑战

一个面向 B 端电商买家的 AI 工作台,应该长什么样?

时间 2026.4 – 至今
设计师 曾静慧 / 魏雨丝 / 郑萌萌
我的角色 产品交互主框架设计 & 与 Agent 相关的链路设计

#1

B 端电商桌面 Agent 产品框架定义

设计思路推导:① 电商用户调研 ② 对比三类 AI 产品的形态规律,推导电商人的「产物」是什么 ③ 基于推导做出第一版 Demo,再迭代到当前版

设计思路推导 overview 2-1 2-1
1.1 / 电商用户调研结果

在过往做过的产品中,我们对 1688 的用户做过不少调研,我们发现了以下几点:

用户调研结果 2-2 2-2
疑问 回答 Insight 发现
1688 买家有哪些角色? 选品,运营,美工 角色分工明确
工作内容是什么?产出什么? 选品:看商品数据,进行数据分析,产出选品报告
采购:和供应商议价沟通,处理成表格
运营:上架,和 ERP 打交道,Excel;
美工:做电商素材,做图片,打包成文件夹
电商人天然有"产物心智",产物形态是 表格、图片、文件夹、文档,不断流转,形态差异大
AI 产品的使用程度? 经营工作:在用 Codex、Claw 类
电商素材:豆包、即梦、GPT
中小 B:经营环节逐渐 AI 化,降本增效;
大客户:基于自己的工作流,自己搭建 AI 工作流进行提效,AI 化程度高
工作模式 工作天然多线程,同时跟 N 个商品 / 供应商 / 平台进行交互 框架必须原生支持多任务并行
1.2 / 桌面端 AI 产品形态对比

每一类 AI 产品的形态,本质上都被它「面向谁、核心产物是什么」决定。

产品形态对比 2-3-a 产品形态对比 2-3-b 产品形态对比 2-3-c 产品形态对比 2-3-d
1 / 4
1.3 / 设计思路推导与 DEMO 过程

通过上述调研和对比,和产品经理讨论了桌面端的产品形态,最终有了如下的思路推导:

设计推导黑板画图 2-4 2-4

基于讨论的内容和 PM 的产品文档的输入,我制作了一个可交互的 Demo,供团队产品经理和老板进行评审和评估:

交互 Demo 封面 2-5 2-5

但这个方案面临几个问题:

问题一

左侧业务模块太激进

并不是所有电商用户都用过 IDE 类工具,对于用户来说不好上手

问题二

技能和工作流入口深

技能和工作流作为 1688 的差异化特色,界面中没有体现出来

问题三

资料库和对话较割裂

用户通过对话沉淀了资料内容,但是目前关联性较差

1.4 / 最终方案

因此,最终我们把整个产品的交互框架改成了如下内容,三个区域内容有调整:

最终方案布局解析 2-6 2-6

基于这版框架,我继续做了可交互 Demo,用来验证三个区域在真实操作中的协同关系:

最终方案可交互 Demo 2-7 2-7

#2

产品交互框架设计方案

2.1 / 左侧 · 常用入口区:常用入口 + 业务模块

承担两件事:业务模块导航(数据)+ AI 产品常用入口(新任务 / 能力 / 连接)。

左侧侧边栏 3-1 3-1
2.2 / 中间 · 内容沉淀区

中间不是某一种内容的专区,而是所有「值得沉淀的产物」的统一容器——三类内容共用一套多 Tab 体系,匹配电商多线程的工作本质 + 复用浏览器多 Tab 心智 + 统一承载三类异构内容。

Tab 类型 触发来源 例子
业务详情 Tab 左侧打开 商品详情、订单详情、供应商档案
Browser Use Tab Agent 调用浏览器 Agent 正在 1688 找货时打开的页面
Agent 产物 Tab Agent 输出 选品结果表、铺货策略、对账明细
业务详情 Tab 3-2-a Browser Use Tab 3-2-b Agent 产物 Tab 3-2-c
1 / 3
2.3 / 右侧 · AI 对话区

第一个版本把文件沉淀放在了左侧,太远了;现在和对话相关的内容都被放在了和对话收在一起。

历史对话 3-3-a 文件 3-3-b 历史 + 文件 3-3-c
1 / 3

#3

符合 B 类用户的 Agent 输入 / 执行 / 输出

设计 B 类用户易理解的输入、Agent Runtime 呈现、输出,三件事都需要一套翻译:把工程语言翻译成电商用户能理解的语言。

3.1 / 输入设计 · inline-text 多模态引用

问题:B 端用户不擅长写 Prompt;但电商 query 经常要同时引用图片、链接、技能、策略。

解法:用户可以像说话一样把所有内容混在一句话里,不需要切换「附件」和「正文」两套模式。

优化前 4-1-a
优化后 4-1-b
3.2 / 运行时设计 · 把 tool 调用翻译成用户语言

工程师负责(Runtime 核心):循环机制、工具接入、上下文存储、性能、稳定性、安全沙箱等等。设计师负责(Runtime 的「脸」):Runtime 运行时会产生大量中间状态——正在调哪个工具、思考了什么、第几步、失败了在重试……「这些状态要不要让用户看见、怎么让用户看见」,是设计问题。因此在设计这一部分的过程中,我的设计步骤如下:

Step 1 总结 tool 类型 4-2-a Step 2 UI 提炼 4-2-b Step 3 Demo 交付 4-2-c
1 / 3
3.3 / 输出设计 · 可读的 Markdown 排版系统

问题:AI 输出的重点是 Markdown 格式,如何让 AI 输出的内容可读易读,是设计师的命题。从逻辑上,我将不同的输出内容进行了分类。

解法:4×N 为倍数,设计了不同的视觉间距。

Markdown 间距规则 4-3-a Markdown 排版示例 4-3-b Markdown 输出全貌 4-3-c
1 / 3

为了让视觉看上去更舒服,我在代码层约束:首行标题无额外间距 / 标题前强制出分割线。

代码层约束之一 4-4-a 代码层约束之二 4-4-b
1 / 2

#4

电商经营长链路任务的 Human in the loop

4.1 / 背景

电商任务动辄几十步,Agent 不能闭眼跑完,1)会消耗 token;2)经营相关,如果铺错商品,将会造成巨大的损耗。因此,怎么设计「停下来」的瞬间?这一章解决两件事:① 用什么形态承载「停下确认」;② 这些确认应该出现在对话流的什么位置。

不同业务团队都想在 Agent 流里嵌入自己的定制确认卡——跟单一种、选品一种、上架一种……这条路是无穷无尽的。

需求蔓延示意 5-1 5-1

看看竞品都是什么样的:

竞品参考 5-2 5-2
4.2 / 业务卡片定义

和产品经理一起定义了不同的业务会抽象的内容,抽象成了两种卡片;用最小的组件集,把无限定制的需求收口到可维护的系统里,把接口开放给不同的业务。

卡片类型 适用场景 例子
表单型 选项可穷举的单选 / 多选 你想铺哪个平台?
表格型 从结果集人工筛选 Agent 找到 100 个候选商品,用户勾选
表格型卡片 5-3-a 表单型卡片 5-3-b
1 / 2
所有卡片类型 5-4 5-4
4.3 / 设计争论 · 放对话流中间,还是底部?

「待补充」

#5

技能和工作流的心智教育

「待补充」

#6

跨 IM 渠道的异步触达设计

Agent 长任务跑几分钟到几小时,用户不会一直盯屏,怎么把结果送到她真正在的地方?
这一章解决两件事:① 怎么让非开发者也能完成 IM 渠道配置;② 怎么让用户清晰看到哪些渠道已连、哪些没连。

设计了解决方案:

IM 渠道触达解决方案 7-1 7-1

#7

定时任务

「待补充」

#8

复盘与反思

放一点用户反馈

「待补充」