在当今语音助手横行的时代，用户对语音交互的期待已从「完成任务」升华为「像人说话」。

心智模型，顾名思义，是人们对世界的内部表征。把它们套到 VUI 里，就是让系统「懂得」用户在说什么、想什么。

我把 VUI 常用的四大模型归纳为：① 对话伙伴模型——把助手当成同桌的同学；② 任务完成模型——把交互视为执行命令的流水线；③ 信息寻求模型——把语音看成一次问答；④ 控制模型——把用户的主动权交还给人。

以 Alexa 为例，它在「天气预报」场景里先说一句「好的，听起来你想知道今天的天气」，这正是对话伙伴模型的体现；随后用一句「请问你想在哪个城市？」进入任务完成模型；如果用户说「我想知道纽约的天气」，它就会确认「纽约」并开始执行。

设计第一步：**上下文与归属**。系统需要在每一次交互前判断自己是在什么场景，是主动发起还是被动接收，才能给出恰当的回应。

设计第二步：**确认与容错**。在用户说出意图后，主动确认一次，例如「你是想订一张电影票吗？」可以避免误操作；当误识时，提供「重新说一遍」或「改成…」的选项。

设计第三步：**反馈与轮流**。语音交互缺少视觉提示，音频反馈（如轻微的滴滴声）和语言提示（「好的，已为你订票」）是不可或缺的，能让用户感知系统正在处理。

Domino’s 通过在「下单」流程中引入「你想要什么口味？」、确认「我想要芝士披萨」以及提供「如果你想加辣可以说'加辣'」的多轮对话，成功将平均下单时间从 70 秒缩短到 45 秒。

产品经理可以这样落地：① 用用户画像写出几条典型对话脚本；② 用对话模拟工具跑一遍，检查是否出现不符合人类预期的跳跃；③ 在小范围内 A/B 测试不同模型的对话方式，收集转化率和 NPS。

设计 VUI 就像写一封信：先确认收件人是谁，然后说清楚来意，再让对方给你反馈。你在设计时，最常忽视的心理模型到底是哪一个？