作者：Boxu Li
我们探讨了为什么无障碍性对个人 AI 至关重要，讨论了神经多样性和多模态交互。在本系列的第二部分中，我们深入探讨了 Macaron AI 如何在设计中融入包容性——从其小程序的使用手册到自适应内容和离线智能。
在小程序中的无障碍性（使用手册模式）
Macaron 的独特功能之一是其「小应用」指南库——模板化的微流程，帮助你完成特定任务（如例行计划、餐食计划、习惯追踪等）。确保这些微流程的可访问性和包容性是重中之重。我们将通用设计模式直接融入这些模板，而不是让包容性成为偶然。每个小应用都旨在减少认知负担：将长流程拆分为逻辑块，让你一次处理一个部分。这符合认知可访问性的用户体验最佳实践——将任务分解为更小、更易管理的步骤，帮助用户（特别是有 ADHD 的用户）保持专注，不感到不知所措。例如，一个「事件策划」指南可能首先只询问事件名称和日期，然后下一步再询问邀请谁，而不是一下子给出一个巨大的表单。每个小应用还提供清晰的标题和视觉进度指示器（简单的进度条或步骤计数），让你随时知道已完成多少步骤，还剩多少。研究表明，实时看到进度可以提升动力——带有视觉进度跟踪的应用用户参与度显著提高（有一项研究发现，添加进度指示器后，日常使用率提高了 31%）。
许多小程序整合了计时器和提醒作为可选的支持功能。例如，适合 ADHD 的常规构建器模板会建议为常规的每个步骤添加温和的计时器（以鼓励保持专注，而不是使用刺耳的警报）。类似地，番茄钟风格的专注会话手册可能默认包括一个25分钟的倒计时和休息提醒。这些模式源于生产力研究和 ADHD 教练技术——时间盒和预定的休息可以大大提高那些在时间管理上有困难的人的执行力。Macaron 使包含这些支持变得简单：模板中有类似「为此任务添加计时器？」或「如果在 X 时间前未完成，发送提醒？」的切换选项。因为这些功能是内置的，受益于它们的用户（例如 ADHD、记忆问题、繁忙日程等）不需要从头配置一切——这种包含是主动的。
另一种常见模式是为每个步骤提供令人满意的「完成」按钮的清单。迷你应用通常会输出子任务清单，并可以通过一键完成。即使只是查看三个项目的列表并点击标记完成，也能将令人望而生畏的工作转化为类似游戏的可实现步骤。这与上面提到的进度反馈有关，并提供即时的小奖励。从习惯养成应用中我们看到，庆祝小胜利（如视觉上的对勾或一点彩纸）可以增强动力——在任务完成后立即提供快速反馈或积分有助于保持专注和动能。换句话说，Macaron 的迷你应用为您提供早期胜利，以保持您的参与度。这种方法提高了所有人的完成率，而不仅仅是神经多样性人士。
重要的是，所有这些微流辅助功能都是可选且可定制的。无障碍设计是关于提供有用的选项，而不是强迫每个人使用僵化的「简单模式」。一个神经典型的高阶用户可能会为了速度而禁用额外确认和进度提示，而其他人可能非常依赖这些功能。Macaron 的操作手册默认是包容性的，但设计上灵活——您可以根据自己的工作风格调节支持的程度。
自适应阅读等级与节奏（自动简化或丰富内容）
没有两个用户的阅读能力或背景知识是完全相同的。因此，Macaron 的 AI 会根据每个人的需求调整内容的复杂性和节奏。每当 Macaron 提供信息（如说明、解释或教育内容）时，您可以控制措辞的简单或丰富程度。在实践中，这意味着一个食谱迷你应用可以提供烹饪步骤的简化版本（「像我是一名初学厨师一样解释」）或丰富版本（「包括菜肴的科学或文化历史」）。在幕后，AI 可以自动调整输出的阅读年级水平以匹配您的偏好。如果系统知道您更喜欢简单、直接的语言，它将默认使用这种方式进行解释。相反，如果您是一位热爱细节的专家，它将使用更多技术术语和深度。这种适应甚至可能是主动进行的——例如，如果 Macaron 观察到您经常询问后续问题以获得澄清，它可能会开始提供稍微简化的初始答案，以免您费心。
欧洲各地的低识字率大致分布（颜色越深 = 率越高）。在许多欧盟国家，20%或更多的成年人在基本阅读和写作方面存在困难。Macaron 的「自动简化」功能通过按需以简单、易于处理的语言呈现信息，帮助识字率较低的用户。
我们利用第一部分中提到的同样自然语言改写功能，在应用程序中实现了一个**「自动简化」开关**。在任何小工具（比如「学习太阳系」教育流程）中，打开自动简化将使所有文本内容以易读形式输出：短句、常用词汇和主动语态。这就像一个按需调整阅读水平的导师。另一方面，**「丰富文本」**选项可以为那些想要挑战的人增加更多深度或高级细节（在语言学习小工具中或只是为了满足个人好奇心时非常有用）。我们实际上将普遍学习设计的原则引入了个人AI领域——提供多种信息展示方式和可调节的难度等级。通过这样做，Macaron支持低识字率或认知障碍的用户也能成功完成任务（因为他们总是可以请求更简单的措辞）。而对于那些想要细微差别的人，他们可以随时提升难度。
传统软件无法轻松做到这一点，但真正理解内容的 AI 可以实时转化内容。想象一个医疗说明的迷你应用：一个有阅读障碍的用户选择了这样一个版本：“早上和晚上各服用一片药，随餐服用。”而另一个熟悉医学术语的用户则得到这样的说明：“每餐服用一片药，b.i.d.。”信息相同，但传达方式不同。关键在于选择。而且因为 Macaron 会记住个人的偏好，随着时间的推移，它学习如何按照你的喜好呈现信息（例如，总是先给我简单的总结；如果需要更多细节，我会询问）。
另一个方面是交互流程中的适应性节奏。有些人阅读速度快，有些人慢；有些人需要更多时间思考。Macaron 的迷你应用可以在步骤之间插入有意的停顿或等待你的信号再继续。例如，在引导呼吸练习中，节奏可以根据用户反馈（甚至未来的传感器数据）调整得更快或更慢（“吸气……呼气……”）。在学习测验中，Macaron 可能会注意到如果你回答时间较长，它会轻轻地提供提示或额外时间。这种适应性使体验感觉更支持，而不是匆忙（或者相反，不是无聊地慢）。个性化是这里的区别——两个用户可以使用同一个模板，但感觉像是为他们的速度和风格量身定制的。
本地化与双语支架
一个真正个性化的 AI 应该是多语言的。Macaron 的界面和内容可以即时本地化。如果你是双语者或正在学习新语言，你可以无缝切换 AI 的语言输出——即使在对话或任务中途。例如，通常你可能用英语与 Macaron 交流，但如果你说：「Explique-moi ça en français」（用法语给我解释一下），Macaron 会流畅地以法语继续对话。所有按钮、标签和迷你应用中的响应都可以相应切换语言。这不仅对国际用户有用，对于想要双语支持的语言学习者来说也很棒。想象一个双语词汇测验迷你应用：Macaron 可以用西班牙语呈现一个单词，然后用英语提供解释（或反之亦然），帮助你在两者之间建立联系。或者一个列出英文和意大利文（如：eggplant / melanzana, cilantro / coriandro）的食谱应用，适合多元文化家庭或任何想在做晚餐时学习新语言的人。
如此流畅的本地化对于无障碍访问是一种福音，因为它让人们可以在当下使用他们最舒适的语言。一个以第二语言为母语的阅读障碍者可能更愿意在处理复杂任务时切换到他们的第一语言。或者用户可能会让家人参与，通过将 AI 的响应切换到他们祖父母能理解的语言。Macaron 还可以即时翻译您提供的内容：如果您收到一段不熟悉语言的文本或电子邮件，AI 会翻译它，并在需要时甚至可以朗读。这一功能直接展示了 AI 打破障碍的例子——语言不应成为获取信息或实用性的障碍。事实上，新的 GPT-4 驱动的助手已经通过丰富的描述和翻译在视觉和文本无障碍方面为盲人用户带来了变革，因此我们也将这一原则应用于语言和阅读的可访问性。
我们甚至考虑了代码转换（在一个句子中混合多种语言）的场景。Macaron 经过训练，可以优雅地处理多语言输入，因此如果您夹杂另一种语言，它也不会感到困惑或强迫您坚持使用一种语言。最终目标是让 Macaron 具备文化和语言适应性——就像一个真正的私人助理一样，可以根据需要切换语言。这是我们对无障碍访问的广泛看法的一部分：不仅仅是关于残疾，而是关于满足人们多样化的文化和语言需求。
在开发者方面，我们提供工具，确保任何社区贡献的小应用模板都可以翻译。Macaron 自己的 AI 模型经过多种语言的微调，以保持各语言之间的质量。简而言之，无论你想在周二用西班牙语查看日程，还是使用 Macaron 帮助练习普通话的双语闪卡，它都能满足你的需求。你的个人 AI 应该会说你的语言。
低带宽和离线优先设计
可访问性不仅仅涉及人的能力；还包括环境限制，如糟糕的网络连接或较旧的设备。一个真正的个人 AI 应该能够在任何时间、任何地点为你服务——包括在 2G 网络上或飞机上完全离线时。Macaron 采用了具有韧性的离线优先理念设计，即便在有限或无连接的情况下，核心功能仍然可用。这一点至关重要，因为截至 2024 年，全球约三分之一的人口（26 亿人）仍然没有互联网接入，还有更多的人仅有间歇性或缓慢的连接。即便在发达地区，你也可能会没有信号（比如在农村地区、地铁或自然灾害期间），在这些时刻，你不应该失去你的 AI 助手。
缓存和优雅降级： Macaron 采用智能缓存技术，确保在可能的情况下将您的重要数据和例程存储在设备上。常用的迷你应用程序和最近的对话上下文会被本地保存（适当加密），因此即使您离线，Macaron 仍能执行许多任务。举个例子，假设您每天早上常用一个呼吸练习迷你应用程序——Macaron 会提前缓存所需步骤和任何媒体（如舒缓动画或声音）。当您离线启动时，它能流畅运行。如果您在离线时让 Macaron "添加事件到我的日历"，它会将请求排队并本地确认记录；一旦您重新联网，它会同步到您的云日历。这种优雅降级确保了即使没有网络，最多也只会有轻微延迟，而不会失败。像设置本地闹钟、记笔记或调出存储的待办事项列表这样的核心功能默认在离线时可用。
对于通常需要云端来处理的 AI 特定任务（如复杂查询或生成长文本），Macaron 正在探索设备端模型的能力。现代智能手机可以在某些任务中运行令人惊讶的强大神经模型。在无法访问 Macaron 的完整大型语言模型的情况下，较小的离线模型可能处理基本请求（例如，理解语音命令以播放本地存储的歌曲）。虽然它可能没有云版本那么智能，但可以在连接恢复之前覆盖基本功能。
用户界面会清晰地指示 Macaron 处于离线模式时的状态以及可能受限的功能，以免您感到困惑。如果您请求的任务确实无法离线完成（例如“搜索今天的新闻”），Macaron 会礼貌地解释说已保存您的查询，并将在可能时稍后完成。设计目标是柔性失败行为：没有突然崩溃或死胡同——始终有确认和替代路径。Macaron 甚至包含一个离线知识包：一个本地缓存的常识和常见问题解答数据库，因此即使没有互联网，它仍然可以回答许多常见问题（类似于一些语音助手的基本命令离线模式）。
轻量化界面和备用模式：并不是每个人都拥有最新的手机或无限流量。我们确保 Macaron 的界面可以缩小到低资源环境。在低带宽模式下，可以手动切换（如果应用检测到连接速度非常慢，它会自动启用）。在此模式中，Macaron 切换到仅文字或基础 HTML 界面，尽量减少图片或视频。通常 AI 会显示的多媒体内容（如示例图片）将被延迟或替换为描述性标题，而不是下载大文件。这类似于应用的“精简版”版本，这种版本非常受欢迎——例如，Facebook 的轻量版应用在慢速网络中上线两年内就达到了2亿用户，验证了带宽友好设计的需求。同样，Macaron 的轻量模式通过减少数据密集型资源和网络调用频率，在不良连接下保持流畅体验。
我们还优化了后台同步功能。Macaron 的更新和备份会在小块时间内主动完成，可以无缝暂停和恢复。如果你只有短时间的连接，应用优先处理关键同步（例如发送你离线撰写的消息或邮件），而将非关键同步（如备份对话记录）推迟到稍后进行。我们这样做是为了尊重网络可用性和数据费用——在某些地区，移动数据很昂贵，而个人 AI 不应该不必要地消耗数据。用户甚至可以设置偏好，比如「仅在 Wi-Fi 上同步图片/视频」等。
关于设备兼容性，我们的网页客户端和基本应用经过测试，可以在内存有限的老款智能手机上运行。炫酷的 3D 头像或重动画只是可选的装饰；核心功能基本上是一个加强版的消息界面，要求不高。我们甚至为 Macaron 提供了 SMS 接口（适用于无法使用智能手机应用的市场或场景）——虽然会失去一些功能，但你仍然可以通过纯文本消息与 AI 互动以获取答案或更新日程。
本质上，个人 AI 不应该是一种需要最新硬件和最快网络才能享受的奢侈品。Macaron 的包容性理念延伸到技术基础设施：无论你的连接速度快或慢，无论你的设备是新是旧，它都尽力适应并保持实用。我们从类似 Google Maps 离线模式、YouTube 的质量选择器和渐进式 Web 应用中汲取灵感，这些应用无论连接情况如何都能提供核心功能。Macaron 也遵循这样的道路，以便无论生活把你带到哪里，它都能可靠地陪伴你。
透明同步与排队处理： 当你离线工作或在低带宽模式下时，Macaron 会让你了解回到线上后将会发生什么。我们提供一个「同步中心」面板，你可以在这里查看待处理的操作（例如「2 条消息待发送，1 条笔记待备份，1 个答案待获取」）。这让你安心，确保信息不会丢失于无形之中。它也尊重用户的自主性——比如你离线写了一些东西，然后决定在发送前取消，你可以在同步中心进行操作。
隐私也被考虑在内：所有待处理的数据在同步之前都安全地存储在设备上。如果你使用的是计量连接，而应用有大量内容需同步（比如你拍摄了一堆照片供 Macaron 稍后分析），它会在上传大文件前询问你。用户始终可以选择手动触发同步（「我现在在 Wi-Fi 下，同步所有内容」），或者相反，暂停同步以便离线更长时间。
从无障碍的角度来看，这种透明度和控制力可以减少焦虑。没有什么比不知道你在没有信号的情况下“告诉”AI的事情是否成功更糟糕的了。通过清晰显示状态（甚至如果你启用语音功能，还会通过语音宣布，例如「没有网络——我会保留你的请求并稍后同步」，然后「重新上线——所有待处理任务都已完成」），我们让你始终掌握情况。这就像电子邮件客户端显示未发送邮件的「发件箱」一样——Macaron 将这一概念扩展到所有交互中，让你始终知道你的信息在哪里。
这种方法特别支持那些具有执行功能困难（例如常见于多动症）的用户——他们可能依赖 Macaron 来减轻大脑中的任务负担。知道那些任务被安全地排队（而不会被遗忘）对于建立信任至关重要。我们的目标是让你即使在离线时也能自信地使用 Macaron，而不必担心需要记住稍后重复。只要在 Macaron 中，它就不会丢失——这是我们的承诺。
衡量无障碍成果（超越合规）
构建一堆无障碍功能是一回事，但真正的问题是：这些功能是否真的帮助用户更轻松地实现他们的目标？Macaron致力于通过用户成果来衡量成功，而不仅仅是勾选功能清单。我们将可访问性和包容性视为由反馈和数据驱动的持续实践。以下是我们评估Macaron如何服务于不同需求用户的一些方式：
**任务完成与挫折指标：**首先，我们查看用户完成关键任务的可靠性，特别是那些利用辅助设置的用户。使用屏幕阅读器或仅语音模式的用户能否像其他人一样轻松地创建提醒或安排事件？我们在不同用户群体中测量任务成功率，目标是达到一致性（我们的内部目标是核心任务成功率超过90%，这符合优秀产品的可用性基准）。除了完成率，我们还监测挫折指标。在用户同意和隐私保护下，Macaron可以检测到重复命令或“愤怒点击”等模式——例如，如果用户必须点击按钮五次或重复发出相同的语音命令，这就表明存在问题。现代用户体验分析将这些定义为挫折信号（例如，当某物未响应时快速重复点击）。如果某些流程对神经多样性用户表现出更高的挫折迹象，这就标志着我们设计需要改进的领域。
我们也会收集用户对易用性或困难的直接反馈。在执行重要任务后，Macaron 会（可选地）询问一个快速问题：「这个体验如何？有遇到困难吗？」——保持简单，或通过表情符号评分。这些反馈会汇总成内部的「挫折分数」。例如，如果我们发现使用阅读障碍模式的用户仍然报告阅读某些文本有困难，我们会集中精力解决这个问题（可能是字体或间距需要调整）。我们将这些定性的反馈与摩擦的被动信号（例如频繁的愤怒点击或频繁调用帮助菜单）相结合，以精准定位痛点。当然，所有这些遥测数据都是匿名且选择性加入的。我们的目标是不等待支持邮件，而是主动查看用户可能会卡住或感到烦恼的地方。
我们定期与不同用户群体（包括残疾人士）进行可用性测试，并尽量将他们的反馈转化为可衡量的指标。例如，如果盲人用户表示某个小应用的流程令人困惑，我们可能会引入一个指标来跟踪屏幕阅读器用户在该流程中偏离或重试步骤的频率。通过将这些情况视为可量化的数据，我们可以观察我们所做的改进是否真的减少了困惑。
配置和错误恢复的时间：引导和错误处理通常是影响残障用户体验的关键时刻。我们评估新用户的设置时间，特别是他们发现并启用所需辅助功能的速度。如果普通用户在 5 分钟内适应 Macaron，我们希望有视力障碍或阅读障碍的用户也能达到相似（甚至更快）的速度。如若不然，我们会优化引导「辅助向导」或使某些提示更具主动性。理想情况下，需要特定辅助功能（高对比度、大字体、语音交互等）的用户可以在使用的前几分钟内实现。Macaron 的引导明确询问您是否要配置任何辅助设置（并附有清晰的说明），我们会跟踪有多少新用户使用了这些功能，以及他们是否成功立即启用所需的功能。
错误恢复是另一项关键措施。每个人都会犯错或遇到错误，但对于神经多样性用户来说，令人困惑的错误信息可能是个死胡同。我们会衡量错误恢复率：当出现问题时（例如「抱歉，我没有听清」或「保存笔记失败」），用户能多频繁地成功恢复到正轨（无论是自行恢复还是通过 Macaron 的引导帮助）而不是放弃。我们的目标是接近100%的恢复率——意味着一旦出现错误，用户总是被引导找到解决方案或替代方案。例如，如果语音命令没有被理解，Macaron 可能会自动切换到拼写友好的模式或建议一些可能的选项（「对不起，您是想设置闹钟还是提醒？」）。通过跟踪这些事件，我们可以看到某些错误是否会对特定设置的用户产生不成比例的影响（可能仅语音用户有更多失败操作——那么我们就知道需要改进我们的语音识别或确认提示）。我们将错误视为用户旅程中的分叉点，而不是终点，需要加以平滑处理。
我们关注的另一个指标是支持功能的持续使用。如果开启了专注模式或阅读障碍模式的人比其他用户更快放弃应用程序，那就是我们的失败。理想情况下，提供这些便利应该提高参与度和成功率。因此，我们会对比启用某些辅助功能的用户和未启用用户的留存率和任务完成情况（总体上）。如果启用某个功能与较低的成功率相关联，那说明该功能的实现或呈现方式有问题。我们期望相反的结果，即辅助功能与需要它们的用户的更高成功率相关联，这表明这些功能在消除障碍方面发挥了作用。
**长期结果（习惯和坚持）：**个人 AI 的承诺之一是帮助用户建立良好的习惯并维持日常生活——无论是准时服药、遵循学习计划，还是练习减压技巧。对于神经多样性用户来说，由于执行功能的差异，维持常规可能更加困难。我们认为，评估 Macaron 是否真的帮助用户在长期内坚持他们选择的常规，是衡量其影响的关键指标。
例如，如果一个有多动症的用户使用 Macaron 的例程构建器设置了一个「3 步晨间例程」（包括 10 分钟的专注块和温和的计时器），我们会跟踪他们每天完成的频率以及连续坚持的天数。当然，生活中总会有意外发生，没有人能做到 100% 的一致性，但如果我们发现大多数用户在一周后放弃了例程，这可能表明例程模板不够可持续或者我们的提醒需要调整。另一方面，如果有相当比例的用户在一个月后仍然在执行他们的例程（或其调整版本），那就是一个成功——这意味着 Macaron 有效地支持了积极行为的改变。
我们还会收集用户选择分享的主观报告。例如，有人可能会告诉我们：「我平时根本无法坚持锻炼，但在 Macaron 的帮助下，我已经连续 5 天完成了晨间拉伸例程。」这些轶事为我们的量化指标提供了信息。随着时间的推移，我们希望发布匿名统计数据，如「使用例程手册的多动症用户在 4 周后晨间例程遵从性提高了 X%」——因为这是一项具体的生活改善。
同样地，对于健康导向的计划书（如情绪追踪器或药物提醒），我们衡量依从性和结果。用户是否更一致地按时服药？他们在使用一段时间后是否报告情绪或注意力改善？我们谨慎处理这些数据——任何此类追踪都是选择性的，主要呈现给用户自己以获取洞察（Macaron 可以向您展示您的连续记录、趋势等）。但总体上，我们分析模式以了解哪些有效，哪些无效。如果加入一些游戏化元素（如连续奖励或进度的社交分享）显著提高了神经多样性用户的依从性，我们将加大力度。如果没有效果，我们将关注其他方面。
我们的信条是结果胜过表面。仅仅说“我们有无障碍功能 X”是不够的。我们要问，功能 X 是否帮助某人完成了某些具体的事情或减少了挫败感？通过测量任务成功率、错误减少、节省时间和常规依从性等，我们对这个问题保持负责。由于 Macaron 本质上是一个 AI，我们甚至使用 AI 帮助分析反馈并在这些指标中发现趋势，不断优化体验。最终目标是创建一个不仅仅满足包容性要求的个人 AI，而是真正通过包容性改变生活——帮助每个用户更高效、更独立，并被一个真正适应他们的助手更好地理解。
