很多 AI 产品现在有一个共同问题：
用户点了按钮，然后页面开始转圈。
转 3 秒还好。 转 10 秒开始焦虑。 转 30 秒用户就不知道发生了什么。 如果任务跑 2 分钟，很多人会直接关掉页面。
传统产品里，loading 只是过渡。
AI 产品里，等待过程本身就是体验。
因为 AI 产品正在从短回答走向长任务。
以前用户问一句，AI 回一句。
现在用户会让 AI 分析文件、生成报告、处理代码、整理数据、对比方案、执行 Agent 任务。
Google Search 正在把 Agent 能力带进搜索，让用户通过提问触发更复杂的任务；Codex cloud 也能在后台并行处理软件工程任务。
任务变长之后，前端不能只设计结果页。
还要设计等待过程。
因为用户等待时，真正想知道的不是“加载中”。
而是：
现在到哪一步了？ 是不是卡住了？ 我能不能取消？ 有没有中间结果？ 失败后能不能重试？ 是否需要我补充信息？ 这个任务还值不值得等？
一个简单的 AI 任务状态可以这样定义：
type AITaskStatus =
| "queued"
| "reading_context"
| "planning"
| "generating"
| "validating"
| "waiting_for_user"
| "completed"
| "failed"
| "cancelled";
然后定义任务步骤：
type AITaskStep = {
id: string;
name: string;
status: "pending" | "running" | "completed" | "failed";
summary?: string;
startedAt?: string;
finishedAt?: string;
};
type AITask = {
id: string;
title: string;
status: AITaskStatus;
steps: AITaskStep[];
progress?: number;
partialResult?: unknown;
error?: {
code: string;
message: string;
retryable: boolean;
};
};
这比一个 loading spinner 有用得多。
比如用户让 AI 分析一份 30 页文档，页面可以显示：
正在读取文件。 正在识别章节结构。 正在提取关键观点。 正在整理风险点。 正在生成摘要。 正在等待你确认是否导出。
用户看到这些，就知道系统在做事。
前端可以做一个 TaskProgress 组件：
function TaskProgress({ task }: { task: AITask }) {
return (
<section>
<h2>{task.title}</h2>
<ol>
{task.steps.map(step => (
<li key={step.id}>
<span>{step.status}</span>
<strong>{step.name}</strong>
{step.summary && <p>{step.summary}</p>}
</li>
))}
</ol>
</section>
);
}
等待过程里最重要的是三个能力。
第一，取消。
如果任务还在跑，用户应该能停。
type TaskAction = "cancel" | "retry" | "continue" | "view_partial_result";
不是所有任务都值得等。用户发现方向错了，应该能取消，而不是被迫等完。
第二，中间结果。
AI 长任务不一定非要最后一次性给结果。
分析文档时，可以先显示提纲。 写报告时，可以先显示结构。 生成代码时，可以先显示修改计划。 整理资料时，可以先显示已识别的主题。
type PartialResult = {
type: "outline" | "summary" | "plan" | "table" | "diff";
content: unknown;
isFinal: boolean;
};
第三，用户补充信息。
有些任务跑到一半，AI 发现信息不够。
比如预算缺失。 目标用户不清楚。 文件格式不完整。 权限不足。 风险过高。
这时候状态不应该一直 loading，而应该进入 waiting_for_user。
function UserInputRequired({ question }: { question: string }) {
return (
<div>
<p>{question}</p>
<textarea placeholder="补充信息后继续" />
<button>继续任务</button>
</div>
);
}
这才像一个真正的 AI 工作流。
很多 AI 产品现在给人的感觉，是把复杂过程藏起来，只把结果扔出来。
但用户不一定喜欢黑盒。
尤其是长任务。
等待过程设计得好，用户会觉得系统可靠。 等待过程设计得差，用户会觉得系统卡了、乱了、不可信。
如果团队要比较不同模型在长任务拆解、中间结果表达、状态更新上的能力，可以用 gpt1998.com 跑同一组任务，看哪个模型更适合生成步骤、哪个更适合输出 partial result、哪个更容易进入可视化任务流。
但前端不能把体验完全交给模型。
你要主动设计这些状态：
排队中。 读取中。 规划中。 生成中。 校验中。 等待用户。 已完成。 失败。 已取消。
AI 产品未来不会只有聊天框。
会有任务面板、进度条、时间线、中间结果、人工确认、失败恢复。
谁把等待过程设计好，谁就更像一个真正的生产力工具。
AI 产品不能只做结果页。
结果之前发生了什么，也应该被用户看见。
