TrustGuard

背景與挑戰

當 AI 從「助理」變成「代理人」，能在你睡覺時自動再平衡投資組合，UX 出現新命題：使用者要怎麼放手讓 AI 行動，又能隨時拉回控制權？Web3 × Agentic AI 把矛盾推到極致：AI 要夠自主才有價值，但大多數錢包只給一個 Approve 按鈕，就要你把資產簽出去。

這個案例的研究方法本身就是實驗。受限於單人 side project 的時間與管道，我沒有招募真實受訪者，而是用 AI 模擬三位輪廓迥異的使用者——不碰 Web3 的行銷經理、玩了三年 DeFi 的工程師、零投資經驗的自由工作者——進行訪談並交叉綜合洞見，再搭配 Tenderly、Rabby、LangSmith 三個真實競品分析。必須誠實標註：這是模擬研究，不能取代真實訪談；但它讓我在一週內收斂出五條洞察，其中一條成為設計的出發點：

使用者最害怕的不是 AI 做錯選擇，而是自己沒有機會知道、理解、或阻止。

研究與設計決策

順著這條洞察，我把信任拆成三個能被介面承接的原則，每條都落到具體元件。

貫穿所有畫面的還有「Translate, Don’t Display」：把 approve(0x1234..., uint256.max) 翻譯成「AI 獲得了 USDC 的永久授權」這種人話。模擬訪談中三種輪廓的使用者反應一致：看不懂就想關掉，翻譯層因此成為產品的差異化核心。

成果與反思

最終成果是部署上線的互動網站：六個頁面、19 個自製元件，包含把每個決策的「為什麼」攤開的 Living Design System，以及 skip link、focus-visible 等無障礙細節，由我主導設計與研究方向、與 AI 協作完成前端實作。

反思也要誠實。第一，模擬研究有限制：AI 模擬的受訪者太「配合」，不會像真人那樣前後矛盾，洞察方向可信、細節仍需真實訪談驗證——這點寫進了網站的 Reflection 頁，下一步是用真實使用者檢驗三原則。第二，Demo 是 mock 資料，信心分數來自劇本而非真實模型輸出。第三，過程也有失敗修正：OG 圖因產圖工具不支援 oklch 色彩而失敗，改用 hex 才解決。

這個案例的意義不在做出 AI 投顧產品，而在示範：設計師可以把「信任」這種抽象議題，拆成可被互動驗證、也可被反駁的介面決策。