确认机制 — AI 交互模式实验室

设计思路

解决的问题：当 AI 被赋予执行能力时，误操作的成本很高。如果 AI 理解错了用户意图就直接执行，后果可能不可逆。引用用户控制与自由（尼尔森第三原则）——用户需要明确的"出口"来避免不想要的状态。在 AI 交互中，"出口"就是"先确认再执行"。

设计决策：两阶段确认流——Stage 1 生成确认请求（含影响评估、是否可逆），Stage 2 用户批准后执行。10 分钟 TTL 防止过期确认。

生活类比：点外卖时下单前的那一步确认页——你一定会确认地址对不对、菜选没选错。即使再急的人也会看一眼再付款。因为你知道点错了就要重新下单、可能要等更久。AI 执行操作前让用户确认，就是那个"下单确认页"。

用户控制与自由预防错误人在回路

交互 Demo

模拟一个关键操作的三步确认流程——人在回路，防误操作。

1. 描述操作

2. 确认 / 取消

3. 执行结果

描述你想让 AI 执行的操作

将首页主色调从蓝色改为橙色，所有按钮和链接颜色同步更新，保持现有布局和间距不变。

实现方式

用户描述操作意图

用户用自然语言描述想要执行的操作。无需精确指令——AI 会自行理解和结构化。

AI 生成确认请求

/api/confirm 接收操作描述，AI 解读并生成确认卡片：proposal（理解的操作）、impact（影响范围和风险评估）、reversible（是否可逆）。10 分钟 TTL。

用户确认或取消，AI 执行

/api/execute 接收用户决定。确认则执行操作并返回结果，取消则安全退出。

源码参考

src/backend/routers/patterns.py + services/prompts.py

# Prompts
CONFIRM_PROMPT = """用户想让你执行一个操作。你的工作：
1. 用清晰的语言描述你理解的操作（proposal）
2. 评估这个操作的影响范围（impact）
3. 判断这个操作是否可逆（reversible）
4. 输出 JSON，让用户确认或取消"""

# patterns.py
pending_actions: Dict[str, dict] = {}  # action_id → action with TTL

@router.post("/api/confirm")
async def confirm_action(req: ConfirmRequest):
    response = await deepseek_chat(CONFIRM_PROMPT, req.context)
    action = parse_json_response(response)
    action["action_id"] = str(uuid4())
    action["created_at"] = time.time()
    action["status"] = "pending"
    pending_actions[action["action_id"]] = action
    return action  # { proposal, impact, reversible, action_id }

@router.post("/api/execute")
async def execute_action(req: ExecuteRequest):
    action = pending_actions.pop(req.action_id, None)
    if not action or time.time() - action["created_at"] > 600:
        raise HTTPException(410, "Action expired (>10min)")
    if not req.confirmed:
        return {"status": "cancelled", "result": "操作已取消"}
    result = await perform_action(action)
    return {"status": "executed", "result": result}