作者：Boxu Li
我們探討了為什麼無障礙對於個人 AI 至關重要，討論了神經多樣性和多模態互動。在這第二部分中，我們深入探討 Macaron AI 如何在其設計中融入包容性 —— 從迷你應用程式的操作手冊到自適應內容和離線智能。
迷你應用中的無障礙（操作手冊模式）
Macaron 的獨特功能之一是其「迷你應用程式」工具書庫——這些是幫助你完成特定任務的模板化微流程（如例行建設器、餐食規劃器、習慣追蹤器等）。確保這些微流程是可及且包容的，是我們的首要任務。我們不將包容性留給偶然，而是將通用設計模式直接融入這些模板中。每個迷你應用程式都設計來減少認知負擔：長流程被拆分成邏輯片段，讓你一次只需處理一個部分。這符合 UX 認知可及性的最佳實踐——將任務拆分成較小且可管理的步驟，幫助使用者（特別是有 ADHD 的人）保持專注而不感到壓力。例如，一個「活動規劃」工具書可能會首先只詢問活動名稱和日期，然後下一步才是邀請誰，而不是一次性呈現一個巨大的表單。每個迷你應用程式也提供清晰的標題和視覺進度指示器（簡單的進度條或步驟計數），讓你隨時知道已完成多少步驟，還剩下多少步驟。研究顯示，即時看到進度會提升動力——具有視覺進度追蹤的應用程式用戶參與度顯著提高（有研究顯示，加入進度指示器後，日常使用率增加了 31%）。
許多小應用程式將計時器和提醒作為可選支持進行整合。例如，對 ADHD 友好的日常管理模板會建議在每個步驟中添加柔和的計時器（以鼓勵專注於任務，而不會被嚴厲的鬧鐘打擾）。同樣地，類似番茄工作法的專注會話指南可能默認包含一個 25 分鐘的倒計時和休息提醒。這些模式源自生產力研究和 ADHD 教練技巧——時間分配和計劃的休息可以大大提高對於時間管理有困難者的執行力。Macaron 讓這些支持的加入變得簡單：模板中有開關選項，比如「為此任務添加計時器嗎？」或「如果在 X 時間前未完成，請提醒我。」由於這些功能是內建的，受益於此的用戶（如有 ADHD、記憶問題、繁忙日程等）不必從頭開始配置——這種包含是主動的。
另一個常見的模式是每個步驟都有滿足感的「完成」按鈕的清單。迷你應用程式通常輸出子任務的清單，可以一鍵完成。即使是看到三個項目的清單並點擊每個項目以標記完成這樣簡單的事情，也能將繁重的工作變成遊戲般的可達成步驟。這與前面提到的進度反饋相關，並提供即時的微獎勵。我們從養成習慣的應用程式中看到，慶祝小勝利（例如視覺上的勾選標記或一點紙屑）可以加強動力——在任務完成後立即提供反饋或積分有助於維持專注和動力。換句話說，Macaron 的迷你應用程式給你早期勝利，保持你的參與。這種方法提高了所有人的完成率，而不僅僅是神經多樣性人士。
重要的是，所有這些微流程輔助功能都是可選且可定制的。無障礙是關於提供有用的選擇，而不是強迫每個人使用固定的「簡單模式」。一個神經典型的高級用戶可能會關閉額外的確認和進度提示以提高速度，而另一個人則可能重度依賴它們。Macaron 的手冊默認是包容性的，但設計上是靈活的——你可以調整支持以適應自己的工作風格。
自適應閱讀等級與節奏（自動簡化或豐富內容）
沒有兩個用戶擁有完全相同的閱讀能力或背景知識。因此，Macaron 的 AI 會調整內容的複雜度和節奏，以滿足每個人的需求。每當 Macaron 提供信息（如說明、解釋或教育內容）時，您可以控制語言的簡單或豐富程度。實際上，這意味著食譜迷你應用程序可以提供烹飪步驟的簡化版本（「像我是新手廚師一樣解釋」）或豐富版本（「包含這道菜的科學或文化歷史」）。在幕後，AI 可以自動調整其輸出的閱讀等級水平以符合您的偏好。如果系統知道您偏好簡單、直接的語言，它將在解釋時默認使用這種風格。相反，如果您是一位喜歡細節的專家，它將使用更多技術術語和深度。這種適應甚至可能主動發生——例如，如果 Macaron 發現您經常詢問澄清問題，它可能會開始提供稍微簡化的初始答案，以節省您的麻煩。
歐洲各地低識字率的粗略比例（顏色越深 = 越高）。在許多歐盟國家，20% 或更多的成年人在基本閱讀和寫作方面有困難。Macaron 的「自動簡化」功能通過按需以簡單、易於處理的語言呈現信息，幫助識字率較低的用戶。
我們運用在第一部分提到的自然語言重寫功能，實現了應用程式中的 「自動簡化」切換。在任何小應用程式中（例如「學習太陽系」教育流程），開啟 自動簡化 功能後，所有文字內容將以易讀的形式呈現：短句、常用詞彙和主動語態。這就像一位隨傳隨到的導師，為你調整閱讀水平。另一方面，「豐富文本」 選項可以增加更多深度或進階細節，適合那些尋求挑戰的人（在語言學習小應用程式中尤其有用，或純粹滿足個人好奇心）。我們本質上是將 學習的通用設計 原則引入個人 AI 領域——提供多種信息呈現方式和可調整的難度級別。這樣一來，Macaron 支援低識字能力或認知障礙的用戶，也能成功完成任務（因為他們隨時可以要求更簡單的表達）。而對於那些渴望細微差異的人，他們可以自行調整難度。
傳統軟體無法輕易做到這一點，但真正理解內容的 AI 可以即時轉換內容。想像一個醫療說明的迷你應用程式：一位有閱讀障礙的使用者選擇版本「早上和晚上各服用一顆藥，搭配食物」。而另一位對醫學術語熟悉的使用者則選擇「餐時服用一片藥，每日兩次。」這是相同的信息，以不同的方式傳達。關鍵在於選擇。而且因為 Macaron 記得個人偏好，隨著時間的推移，它會學習你喜歡如何呈現信息（例如，總是先給我簡單的摘要；如果需要更多細節我會詢問）。
另一個方面是互動流程中的自適應節奏。有些人閱讀速度快，有些人則慢；有些人可能需要更多時間在步驟之間思考。Macaron 的迷你應用程式可以插入刻意的停頓或等待你的信號再繼續。例如，在指導呼吸練習中，節奏可以根據用戶反饋（甚至未來的感測器數據）調整得更快或更慢（「吸氣……呼氣……」）。在學習測驗中，Macaron 可能注意到你回答時間較長，並溫柔地提供提示或額外時間。這種適應性使體驗感覺支持性而非匆忙（或者，相反，不會無聊地慢）。個性化是這裡的區別因素——兩位使用者可以使用相同的模板，卻感覺像是為他們的速度和風格量身訂做。
本地化與雙語支架
如果一個個人 AI 真的是為你量身打造，那麼它應該具備多語言能力。Macaron 的介面和內容可以即時本地化。如果你是雙語使用者或正在學習新語言，你可以在對話或任務中隨時切換 AI 的語言輸出。例如，你通常可能用英語與 Macaron 交流，但假如你說：「用法語解釋給我聽」，Macaron 會順暢地以法語繼續對話。迷你應用中的所有按鈕、標籤和回應都可以相應地切換語言。這不僅對國際用戶有用，對於希望獲得雙語支架的語言學習者也很棒。想像一個雙語詞彙測驗迷你應用：Macaron 可以用西班牙語呈現一個詞，然後用英語解釋，幫助你在兩種語言之間建立聯繫。或者一個食譜應用，用英語和意大利語（例如，eggplant / melanzana、cilantro / coriandro）列出食材，這樣可以滿足多元文化家庭或任何希望在做晚餐時學習新語言的人。
這種流暢的本地化對於可及性來說是一大福音，因為它讓人們能夠在需要時使用他們最舒適的語言。一個以第二語言閱讀有困難的人可能會選擇在處理複雜任務時切換到他們的第一語言。或者，一個用戶可能會通過將 AI 的回應切換到祖父母理解的語言來讓他們的家人參與其中。Macaron 也能即時翻譯您提供的內容：如果您收到一封不熟悉語言的簡訊或電子郵件，AI 將進行翻譯，必要時甚至可以朗讀。這個功能直接展示了 AI 如何打破障礙——「語言」不應是資訊或實用性的障礙。事實上，新的 GPT-4 驅動助理已經透過豐富的描述和翻譯改變了盲人用戶的視覺和文本可及性，因此我們也將同樣的原則應用於語言和閱讀可及性。
我們甚至考慮到了像代碼切換（在一個句子中混合多種語言）這樣的場景。Macaron 受過訓練，可以優雅地處理多語言輸入，因此如果您混合使用另一種語言，它不會感到困惑或強迫您堅持使用一種語言。最終目的是讓 Macaron 具備文化和語言上的適應能力——就像一個真正的私人助理一樣，會根據需要切換語言。這是我們更廣泛的可及性觀念的一部分：不僅僅是關於殘障，而是關於滿足人們多樣的「文化和語言」需求。
在開發者方面，我們提供工具來確保任何社區貢獻的迷你應用模板都可以翻譯。Macaron 自家的 AI 模型經過多種語言的微調，以保持跨語言的質量。簡而言之，無論你想在星期二用西班牙語安排日程，或使用 Macaron 幫助你使用雙語閃卡練習普通話，它都能滿足你的需求。你的個人 AI 應該會說你的語言。
低頻寬和離線優先設計
無障礙不僅僅關乎人類能力，也涉及環境限制，如不良的網路連接或舊設備。一個真正個人的 AI 應該能在任何時候、任何地方為你服務，包括在 2G 網路上或完全離線的飛機上。Macaron 的設計理念是具有彈性的離線優先，即便在有限或無網路連接的情況下，核心功能仍然可用。考慮到截至 2024 年，全球約三分之一的人口（26 億人）仍然無法上網，還有更多人僅有間歇性或慢速連接，這一點至關重要。即使在發達地區，你也可能會無法接收到信號（想想農村地區、地鐵或自然災害時），你不應該在這些時刻失去你的 AI 助手。
快取和優雅降級： Macaron 採用智能快取，確保在可能的情況下將您的重要數據和常用程序儲存在設備上。常用的迷你應用和最近的對話內容會保存在本地（並適當加密），即使您離線，Macaron 仍能執行許多任務。例如，假設您每天早晨經常使用呼吸練習迷你應用，Macaron 會提前快取所需的步驟和任何媒體（如平靜的動畫或聲音）。當您離線啟動它時，運行流暢無阻。如果您在離線時要求 Macaron 「在我的日曆中添加事件」，它會將該請求排隊並在本地確認已記錄；當您恢復在線時，它會同步到您的雲端日曆。這種優雅降級確保缺乏網絡連接最多只會導致輕微延遲，而不會導致失敗。像設定本地鬧鐘、記筆記或調出已儲存的待辦事項清單等核心功能默認可在離線狀態下使用。
對於通常需要雲端的 AI 特定任務（如複雜查詢或生成長文本），Macaron 正在探索設備上的模型功能。現代智能手機能夠執行一些驚人強大的神經模型來完成某些任務。在 Macaron 的完整大型語言模型無法訪問的情況下，一個較小的離線模型可能會處理基本請求（例如，理解語音命令以播放本地存儲的歌曲）。它可能不像雲端版本那麼智能，但它能夠涵蓋基本功能，直到連接恢復。
使用者介面會清楚顯示當 Macaron 處於離線模式時的狀態以及可能受限的功能，讓您不必猜測。如果您要求執行離線無法完成的任務（如「搜索今日新聞」），Macaron 會禮貌地解釋已儲存您的查詢，並會在可行時完成它。設計目標是柔性失敗行為：不會突然崩潰或陷入死胡同——始終有確認和替代路徑。Macaron 還包含離線知識包：一個本地快取的常識和常見問題數據庫，因此即使沒有互聯網，它仍能回答許多常見問題（類似於一些語音助手有離線模式來處理基本命令）。
輕量化UI與回退模式： 並非每個人都有最新的手機或無限的數據流量。我們確保 Macaron 的介面可以縮減至低資源環境。有一個低帶寬模式可以切換（如果應用程式偵測到非常慢的連接，它會自動啟動）。在此模式下，Macaron 會切換到僅文字或基本的 HTML 介面，圖像和影片減至最低。任何 AI 通常會顯示的多媒體內容（如插圖）都會延遲或被描述性標題取代，而不是下載大文件。這類似於廣受歡迎的應用程式「精簡版」——例如，Facebook 的輕量應用程式在兩年內便在慢速網絡中達到2億用戶，驗證了節省帶寬設計的必要性。同樣地，Macaron 的輕量模式通過減少數據密集型資源和降低網絡呼叫頻率，讓在不良連接中的使用體驗依然流暢。
我們也優化了背景同步。Macaron 的更新和備份會以小塊方式機會性地完成，並且可以無縫地暫停/恢復。如果你只有短暫的連接時間，應用程式會優先處理關鍵同步（例如，發送您離線撰寫的任何訊息或電郵），並將非關鍵的同步（如備份對話記錄）推遲到之後。我們這樣做是為了尊重網絡可用性和數據成本——在某些地區，行動數據很昂貴，而個人 AI 不應該不必要地消耗它。用戶甚至可以設置偏好，例如「僅在 Wi‑Fi 上同步圖片/影片」等。
在設備兼容性方面，我們的網頁客戶端和基本應用程式已經過測試，可以在 RAM 有限的舊款智能手機上運行。那些花哨的 3D 化身或繁重的動畫純粹是可選的裝飾；核心功能本質上是一個升級版的訊息接口，對資源要求不高。我們甚至為 Macaron 提供了一個 SMS 接口（適用於無法使用智能手機應用程式的市場或場景）——你會失去一些功能，但仍然可以通過簡訊與你的 AI 互動，以獲得答案或更新日程。
本質上，個人 AI 不應該是需要最新硬體和最快網路的奢侈品。Macaron 的包容性理念延伸到技術基礎設施：無論您的連接速度是快還是慢，無論您的設備是新還是舊，它都努力適應並保持實用性。我們從 Google Maps 的離線模式、YouTube 的畫質選擇器和不依賴連接的漸進式網頁應用中獲得靈感。Macaron 遵循這條路徑，以便在生活的任何地方都能可靠地運作。
透明同步和排隊機制： 當您在離線或低頻寬模式下工作時，Macaron 會讓您了解回到線上後會發生什麼。我們提供一個「同步中心」面板，您可以在那裡查看待處理的操作（例如「2 條信息待發送，1 條筆記待備份，1 個答案待獲取」）。這讓您安心，確保不會有東西丟失。同時也尊重用戶自主性——也許您在離線時寫了一些東西，然後決定在發送前取消；您可以從同步中心這樣做。
隱私也在這裡得到考慮：所有待處理數據將安全地存儲在設備上，直到同步完成。如果您使用的是計量連接且應用有大量數據需要同步（例如，您拍攝了一堆照片供 Macaron 以後分析），它會在上傳大文件前徵詢您的意見。用戶可以隨時選擇手動同步（「我現在在 Wi-Fi 上，同步所有內容」），或者暫停同步以便更長時間離線。
從無障礙的角度來看，這種透明度和控制力能減少焦慮。沒有什麼比在訊號不佳時不確定你「告訴」AI的事情是否真正執行更糟糕的了。透過清楚地顯示狀態（如果你啟用了語音功能，甚至可以通過語音宣布，例如「無法連線——我會暫存你的請求，稍後同步」然後「重新連線——所有待處理的任務已完成」），我們讓你隨時掌握狀況。這就像電子郵件客戶端顯示「寄件匣」中的未送出郵件一樣——Macaron將這個概念延伸到所有互動中，讓你永遠知道你的資訊所在。
這種方法對於有執行功能困難的用戶特別有幫助（例如常見於 ADHD），他們可能依賴 Macaron 來減少大腦負擔。知道這些任務已被安全地排隊（而且不會被遺忘）對於建立信任至關重要。我們的目標是讓你即使在離線時也能自信地使用 Macaron，而不必擔心要記得重複一遍。如果它在 Macaron 中，就不會丟失——這是我們的承諾。
衡量無障礙成果（超越合規）
建立一堆無障礙功能是一回事，但真正的問題是：它們是否真的幫助用戶更順利地達成目標？Macaron 致力於以用戶成果來衡量成功，而不僅僅是勾選功能方框。我們將無障礙和包容視為持續的實踐，由反饋和數據驅動。以下是我們評估 Macaron 如何滿足多樣需求用戶的一些方式：
**任務完成度與挫折指標：**首先，我們觀察用戶能否可靠地完成關鍵任務，尤其是那些使用輔助設置的用戶。使用螢幕閱讀器或僅語音模式的用戶能否像其他人一樣輕鬆創建提醒或安排事件？我們測量不同用戶群的任務成功率，目標是達到一致性（我們的內部目標是核心任務的成功率超過90%，這符合優秀產品的可用性基準）。除了基本的完成率，我們還監測挫折的指標。在用戶同意和隱私保護下，Macaron 可以檢測到重複指令或「憤怒點擊」等模式——例如，如果用戶需要點擊按鈕五次或重複發出相同的語音指令，這就表明有問題。現代用戶體驗分析將這些定義為挫折信號（如快速重複點擊在某物未響應時）。如果某些流程對於神經多樣性用戶有更高的挫折跡象，那就表示我們的設計需改進的領域。
我們也會收集使用者對於使用難易度的直接反饋。在完成一項主要任務後（選擇性），Macaron 可能會問一個簡單的問題：「這次體驗如何？有遇到什麼困難嗎？」— 保持簡單，或者透過表情符號評分。這些反饋會內部轉化為「挫折指數」。例如，如果我們發現使用閱讀障礙模式的用戶依然反映某些文字難以閱讀，我們會集中精力解決這個問題（可能需要調整字體或間距）。我們將這些質性反饋與摩擦的被動信號（例如那些狂點或頻繁調用幫助菜單的人）結合起來，以確定痛點。當然，所有這些遙測數據都是匿名和自願的。我們的目標是不等待支援郵件，而是主動查看用戶可能在哪裡遇到阻礙或不滿。
我們定期與多樣化使用者群體（包括殘障人士）進行可用性測試，並在可能的情況下將他們的反饋轉化為可量化的指標。例如，如果盲人用戶表示某個迷你應用的流程令人困惑，我們可能會引入一個指標來追踪螢幕閱讀器用戶在該流程中偏離或重試步驟的頻率。通過將這些情況視為可量化的數據，我們可以觀察我們所做的改進是否真的減少了困惑。
配置時間與錯誤恢復： 對於有殘障的用戶來說，入門和錯誤處理常常是決定體驗好壞的關鍵時刻。我們會測量新用戶的設置時間，特別是用戶多快能發現並啟用他們需要的輔助選項。如果普通用戶需要 5 分鐘才能對 Macaron 感到舒適，我們希望對於有低視力或閱讀障礙的用戶來說，這個時間能相當（甚至更快）。如果不是，我們會改進我們的入門「輔助精靈」或讓某些提示更為主動。理想情況下，需要特定協助（高對比度、大字體、語音互動等）的用戶能在頭幾分鐘內達成這些設置。Macaron 的入門會明確詢問你是否要配置任何輔助設置（並附有清晰解釋），我們追蹤多少新用戶使用這些設置以及他們是否能立即成功開啟所需的功能。
錯誤恢復是另一個關鍵措施。每個人都會犯錯或遇到錯誤，但對於神經多樣性用戶而言，令人困惑的錯誤訊息可能會成為死胡同。我們衡量錯誤恢復率：當出現問題時（例如「抱歉，我沒聽清楚」或「無法儲存筆記」），用戶能夠成功重新上軌道的頻率（無論是自行解決還是透過 Macaron 的引導協助）對比於放棄的情況。我們的目標是接近 100% 的恢復率——意味著如果發生錯誤，用戶總是能被引導到解決方案或替代方案。例如，如果語音指令未被理解，Macaron 可能會自動切換到適合拼寫的模式或建議一個可能的選項清單（「抱歉，您是想設置鬧鐘還是提醒？」）。透過追蹤這些事件，我們可以看到某些錯誤是否不成比例地影響具有特定設置的用戶（例如，僅使用語音的用戶是否有更多失敗動作——那麼我們就知道需要改善我們的語音識別或確認提示）。我們將錯誤視為用戶旅程中的一個分支，而不是一個終點，需要進一步順暢化。
我們關注的另一個指標是支持性功能的持續使用。如果開啟像是專注模式或閱讀障礙模式的使用者比其他人更快放棄應用程式，那就是我們的錯。理想情況下，提供這些便利應該能增加參與度和成功率。因此，我們會比較啟用某些無障礙功能的用戶與未啟用用戶的留存率和任務完成率（整體）。如果啟用某個功能與較低的成功率相關，那麼這功能的實施或呈現方式可能有問題。我們期望相反的結果——輔助功能應該與需要它們的人的較高成功率相關，這告訴我們這些功能正在發揮作用，消除障礙。
長期結果（習慣與依從性）： 個人 AI 的承諾之一是幫助用戶建立良好的習慣並維持例行公事——無論是按時服藥、遵循學習計劃，或是練習減壓技巧。對於神經多樣性用戶來說，由於執行功能的差異，維持例行公事可能更加具有挑戰性。對於 Macaron 的影響力，我們認為一個關鍵衡量標準是看它是否真的能幫助用戶在長期內堅持他們選擇的例行公事。
例如，如果有注意力不足過動症的用戶使用 Macaron 的例程生成器設定了一個「3 步驟晨間例程」（配有 10 分鐘的專注時間和輕柔的計時器），我們會追蹤他們每天完成的頻率以及連續完成的天數。當然，生活總有意外，沒有人能 100% 一直堅持，但如果我們發現大多數用戶在一週後放棄了一個例程，那可能意味著這個例程模板不夠持久，或者我們的提醒需要調整。另一方面，如果一個健康比例的用戶在一個月後仍在執行他們的例程（或調整後的版本），那就是一個成功——這意味著 Macaron 有效支持了積極行為的改變。
我們也在這裡收集用戶選擇分享的主觀報告。例如，有人可能會告訴我們：「我通常不能堅持運動，但在 Macaron 的幫助下，我已經連續 5 天完成了晨間伸展例程。」這些軼事為我們的量化指標提供了信息。隨著時間推移，我們希望能發布匿名統計數據，例如「使用例程指南的注意力不足過動症用戶在 4 週後晨間例程堅持度提高了 X%」——因為這是一個具體的生活改善。
同樣地，對於以健康為導向的計畫（例如心情追蹤器或藥物提醒），我們會衡量依從性和結果。用戶是否更一致地按時服藥？在使用工具一段時間後，他們是否報告心情或注意力有改善？我們會小心處理這些數據——任何此類追蹤都是用戶選擇加入的，並主要呈現給用戶本身作為他們的洞察（Macaron 可以顯示您的連續紀錄、趨勢等）。但從整體來看，我們分析模式以了解哪些有效，哪些無效。如果增添一點遊戲化元素（例如連續獎勵或進度的社交分享）可以顯著提高神經多樣性用戶的依從性，我們將加倍努力。如果沒有顯著效果，我們將專注於其他方面。
我們的信念是結果重於形式。光說「我們有無障礙功能 X」是不夠的。我們會問，功能 X 是否真的幫助某人實現了具體目標或減少了挫折感？通過衡量任務成功、錯誤減少、節省時間和常規遵循等指標，我們讓自己對這個問題負責。由於 Macaron 本質上是人工智慧，我們甚至利用 AI 來幫助分析反饋並發現這些指標中的趨勢，不斷改善使用者體驗。最終目標是一個不僅滿足包容性標準的個人 AI，更是透過包容性改變生活——幫助每個用戶更具生產力、更獨立，並被真正理解的助手所適應。
