先看一段很常见的对话:

用户:预算 25 万,想要续航长一点的,分期每个月多少?

机器人:推荐蔚来 ET5 租电版,只要 22.8 万,月供大概 3,000 出头,我帮你下定吧?

一句回答错了三处:租电的 22.8 万不含电池,每个月还要另付电池月租,不能说成“只要 22.8 万”;月供应该由金融试算给出,而不是“大概”;下定金这种事,更不能由机器人替用户决定。

模型并不是“算错了”,它压根就不该算。

这篇文章以新能源汽车的线上询价为例,介绍一个对话式询价 Agent 的 UI 设计。核心思路只有一句:模型负责听懂和解释,报价和金融服务负责价格,卡片负责选择和确认。 原型里用了小米 SU7、蔚来 ET5、比亚迪海豹几款车,价格是公开资料的近似示例,以各品牌官网为准。

借鉴了谁

这个方向已经有不少公开案例。我关心的不是它们的聊天气泡长什么样,而是决策怎么在对话里完成:

案例官方描述在原型里的转译
Expedia in ChatGPT按目的地、价格等约束,在聊天中给出酒店、航班和地图,展示动态价格与可用性条件变成可编辑的需求摘要;用明确预算筛选候选;价格始终带着单位;不默认选最贵的方案
Uber Eats Cart Assistant把文字或图片意图转成可复核、可修改的购物篮,由用户决定下单不凭空补全条件,只追问缺的那一项;选定方案后直接生成可修改的草稿
DoorDash in ChatGPT把食谱转成可购买清单,用户到购物车复核、调整并完成购买聊天负责发现与解释;资料、复核和确认交给受控卡片;复杂比较留在弹层
Shopify Agentic Storefronts商品进入 AI 对话,Catalog 提供结构化信息,交易走统一 Checkout价格来源与 AI 的解释分开;旧报价不进入新需求;结果页明确写“未下单”
OpenAI Apps SDK UI guidelines卡片用于单一决策、支持直接编辑,主要操作最多两个,避免嵌套滚动和重复输入一张卡只做一件事;修改先暂存、确认后原地更新;条件太严时用空结果卡说明原因,不编一辆车
小米汽车官网和 App 提供在线选配、金融试算,下定金后锁单价格和月供来自确定性的服务;定金和锁单由用户显式完成
蔚来同一辆车可以买断电池,也可以租电(BaaS)计价结构变化要明确说出来,不能把租电说成“便宜了 7 万”
比亚迪同一车型有多个续航和驱动版本按预算和续航筛选版本,CLTC 续航和指导价都标明口径

界面表达上参考了 A2UI 的思路:Agent 输出一份声明式的 UI 描述,客户端只从预先注册的组件目录里挑组件来渲染。原型没有接入 A2UI 的官方协议或 SDK,用的是一个结构类似的自定义消息格式。

先玩一下

下面嵌入的是原型本身。翻页时原型会切到对应场景,红框标出这一页讲的内容;也可以在新窗口打开自由体验。

① 从一个选择开始

先选一款车,或者让助手按预算来挑;也可以直接在底部说一句话。

原型截图
100% ↗
双击或 +/- 缩放,拖动平移;全屏时可用滚轮缩放。点「自由操作」可直接点击原型。

谁来报价?

一次询价中,用户、Agent、编排层和卡片之间的消息往来

一次询价里有四个角色,模型只出现在开头那一段:

  • Agent:把一句话理解成结构化的需求,追问缺少的信息,解释版本之间的差异。
  • 编排层:用状态机管理整个流程,调用报价和金融试算服务,判断现在该给用户看哪些卡片。
  • 卡片:只渲染预先注册好的组件,用户的操作直接回到编排层。
  • 用户:在卡片上选择、填写和确认。

关键在于那条虚线:用户点“选这个”、改车型、填表单,都不经过模型。模型能影响的只有“这句话是什么意思”,影响不了价格和流程。

因为客户端只认组件目录里已有的组件,即使模型说错了话,也生成不出一个不该出现的“立即支付定金”按钮。

AI 具体做了什么

模型不算钱,但它承担了表单做不到的几件事:

  • 把一句话翻译成条件。 “预算 25 万以内,续航 600 公里以上,上海上牌,分期”一次填好四个字段,用户不用一个个下拉框去找。
  • 把模糊的话变成可确认的推断。 “经常跑高速”“二十来万”不是明确的条件,AI 会推断成“续航 ≥ 650 km”“指导价 ≤ 25 万”,并用虚线标出“AI 推断”和依据。确认之前,它不会被当成用户的明确要求。
  • 判断该问什么。 缺上牌城市就只问城市,缺付款方式就只问付款方式;不按定位猜,也不填默认值。
  • 基于数据讲清差异。 问“SU7 Pro 和海豹 650 有什么区别”,AI 只用报价服务返回的数据来写对比;文中每个数字都要和服务数据核对一致,对不上就整段拦下。
  • 选择展示哪些卡片。 AI 只输出意图和工具调用,编排层校验后决定渲染什么。原型的“交互机制”弹层里可以看到一次处理的完整轨迹:原话 → 工具调用 → 渲染了哪些卡片。

原型里的“AI”用本地规则模拟,接口和真实 Agent 一致:输入一句话,输出需求补丁、推断条件或一段带数据核对的解释。

价格要带着口径

买车时最容易被误解的,往往不是数字本身,而是数字的口径:

  • 指导价不等于落地价。 落地价还包括购置税(2026 年起新能源车减半征收)和上牌费用,保险另计。卡片上把两者分开写,“落地价怎么算”可以展开看。
  • CLTC 续航是工况值。 冬季和高速的实际续航会更短,比较弹层里会专门提示。
  • 分期要看三个数。 首付、月供和期数一起出现,月供由金融试算服务计算。
  • 筛选不是推荐。 按预算和续航筛出的版本旁边,会注明“只按条件筛选,不代表推荐”。
  • 能报价不等于能上牌。 选择上海或北京上牌时,卡片会提示需要新能源牌照额度,助手不判断你有没有。

用户改主意了怎么办?

报价的生命周期

聊天里最容易出的错,是旧价格配上新需求。所以报价要当成一个会过期的对象来管理,而不是一段可以随时复述的文字:

  • 改车型、城市或付款方式,先暂存;确认之前,旧报价变灰、不能选。
  • 确认之后旧报价立刻失效,之前的卡片收起来,标记“已失效”。
  • 慢一步返回的报价,不会覆盖用户刚做的新选择。
  • 计价方式变化要明确说出来。蔚来的租电(BaaS)就是典型例子:车价降低了,但要另付电池月租,不能说成“便宜了 7 万”。

谁来按下“确认”?

步骤AI 可以做什么
理解需求解释、追问缺项,把识别出的需求写进可见的摘要;推断出的条件需要用户确认
比较版本解释差异和口径;版本由用户来选
填写资料不参与,资料只走受控表单
复核与确认解释当前状态;确认只能由用户完成
定金与锁单不执行任何由模型生成的支付或提交

暂停和结束也是两件事:暂停只是把草稿留在当前页面;结束要再确认一次,会清空草稿,但保留对话记录。两者都不会提交任何东西。

写在最后

对话式询价的难点不在“聊”,而在“谁说了算”。价格和规则交给确定性的系统,选择和确认留给用户,模型夹在中间,负责把话听懂、把差异讲清楚。

如果要落地,顺序也很重要:先把产品规则和报价接口定清楚,再设计流程和界面,最后才决定 AI 在每一步能做什么。