AI Engineer onepage/ AI Interface Protocols
Ted Johnson, JoinIn AI · 20:09
這支影片在講：Prompt 仍然是 AI 時代的打孔卡
Ted Johnson 把 AI 重新定位成「介面技術」：模型能力已經能聽、說、推理、補問與適應，但我們多數產品仍要求使用者把意圖完整打包、送出、等待，再重寫一次。
Published: 2026-07-02Video ID: hVJOnuhFmTA
01 / 問題
提示框像打孔卡
使用者先組裝完整需求、提交、等待結果、再修正重送。等待時間縮短了，但互動形狀仍是批次提交。
02 / 反轉
自然語言只解放表達
LLM 讓 expression 暴增，能承載更多語意；但 channel 還是鍵盤與輸入框，protocol 也仍由人類負責打包意圖。
03 / 解法
介面要開始參與
AI 應理解時機、注意力、中斷、模糊、修復與共享脈絡；有時該問、有時該等，有時該安靜。
Watch for this
影片最值得抓的四個訊號
Runtime
20:09
從鍵盤歷史、打孔卡批次，到即時多人對話介面，完整建立一個 UX 論點。
Core lens
3
Channel、expression、protocol：分清媒介、可表達範圍與互動規則。
Protocol gap
Batch
Prompting 的核心仍是先打包完整 turn，再讓機器回應。
Room example
$5k → $10k
會議中 AI 要追蹤發言者、範圍、門檻變更，並在合適時機更新需求。
Core story
他用三個概念拆開 AI 介面問題
01
Channel：媒介限制還在
鍵盤、麥克風、螢幕、提示框都是 channel。不同 channel 能承載不同訊號：文字是符號流，聲音有停頓與語氣，圖表能一次表達空間關係；但多訊號不等於機器真的理解語意。
02
Expression：自然語言打開了表達範圍
從 assembly、shell command、程式語言到自然語言，電腦允許人類表達意圖的範圍大幅放寬。LLM 的躍進是真的：普通一句話裡的脈絡、意圖與細微差異，第一次能被機器接住。
03
Protocol：互動規則沒有跟上
Prompt 的 protocol 仍像打孔卡：先把要求編好、交給機器、等待輸出、發現錯誤再重送。語音轉文字也只是把聲音轉進同一個輸入框，較短的 batch 仍然是 batch。
Why it matters
下一代 AI 產品不該只優化 prompt box
把 AI 當介面技術，而不只是智慧技術如果系統能推理、聆聽、補問、記憶與適應，設計問題就變成：哪些負擔還放在人身上，只是因為以前機器做不到？
Prompt engineering 是 batch protocol 的操作技巧要求 step-by-step、塞範例、調整 markdown，其實像打孔卡操作員學會如何組 deck。這些技巧有用，但不該被誤認為理想介面。
語音不是自動解方若 voice mode 只是把話轉成一個 turn，遇到「Hey Ted, come on in」這種旁白，模型仍可能把它當成對 AI 的請求。
真正難的是 timing 與 floor control好的 AI 介面要知道誰在說話、話是不是給它、誰持有發言權、何時該插入、何時該補問、何時該保持沉默。
Chapters
章節速覽
00:07 · 讓 prompting 重新變陌生從大家習以為常的提示框開始，指出使用者仍在向「超級智慧」提交完整 request 並等待。
02:06 · Keyboard 作為 inherited channel鍵盤與 QWERTY 是歷史限制下的遺產，人類學會後就不再注意它的任意性。
04:00 · Channel 與 expressionChannel 是訊號媒介；expression 是介面允許多少人類意圖穿過去。LLM 讓 expression 變大，但媒介沒變。
06:15 · Protocol 才是沒跟上的部分Prompting 被比作 punch card batch：組裝、提交、等待、修正、重送。速度變快不等於互動變真正即時。
11:10 · Voice mode 的誤會例子中 AI 把「Hey Ted, come on in」當成給自己的 turn，顯示單一 message/reply slot 無法理解房間脈絡。
14:10 · 參與式介面的示範多人會議中 AI 追蹤問題、提案、答案與需求變更，只在沒人持有發言權時出手。
Use this checklist
如果你正在設計 AI 介面，先問這五題
這個功能是否仍要求使用者先完整打包意圖？若使用者必須一次提供所有背景、限制、格式與成功條件，你可能仍在設計 batch protocol。
系統能否在中途發現缺資訊並補問？模型若要等 submit 後才回應，就很難在使用者思考過程中降低負擔。
語音模式是否理解「這句話是不是給 AI」？只做 speech-to-text 不夠。多人場景需要 speaker tracking、addressee detection 與 turn-taking。
介面是否能在 channel 間切換？答案不一定是 chat 或 voice；有時是問題、暫停、草圖、checklist、旁白，甚至是不打擾。
你把哪些「翻譯稅」仍留給人類？精確措辭、補上下文、修復輸出、選時機、判斷模糊，都是 AI 介面應該嘗試承擔的負擔。
Source video
原影片
Sources
來源連結與限制
YouTube 原影片用於影片嵌入、標題、講者與 watch metadata。
AI Engineer RSS用於判斷最新影片、發布時間與描述。本頁內容主要根據英文自動字幕整理；章節時間為依字幕脈絡估算。