POAC：一种连接 AI 能力与用户体验的潜在评价指标
一、概念来源
POAC（Prompt-Out-of-boundary Automatic Completion）是我在长期使用 AI 的过程中，对一种用户体验现象进行观察后提出的概念。
我注意到，随着 AI 能力提高，用户获得满意结果所需要提供的提示信息正在减少。用户不再需要详细描述每一个步骤、参数和实现细节，而只需要用较少的语言表达自己的目标，AI 就能够根据上下文、任务目标和隐含约束，自主补全未明确说明的内容，并最终提供可用的结果。
因此，我尝试将这种能力概括为 POAC。
二、核心定义
我目前对 POAC 的初步定义是：
«POAC 是 AI 在不超越用户授权和任务边界的前提下，根据用户的显式提示、上下文、任务目标与隐含约束，自主推断并补充用户未明确提出、但完成任务所需要的内容，并以较高准确度还原用户真实目标的能力。»
其核心并不是“AI 做得更多”，而是：
«用户说得更少，但 AI 仍然能够准确理解并完成用户真正想要的事情。»
三、POAC 的核心维度
我认为 POAC 至少可以从三个方面进行评价：
1. 显式提示需求量
完成同一复杂度任务时，用户必须明确告诉 AI 的关键信息数量。
需要的信息越少，说明 AI 的自动补全能力可能越强。
2. 用户目标还原度
AI 根据有限提示推断出的任务目标，与用户实际意图之间的符合程度。
这是 POAC 中非常重要的一项，因为：
«“少问问题”本身并不代表 POAC 高。»
如果 AI 很少询问用户，但经常错误猜测，那么这种行为应该被视为低 POAC，而不是高 POAC。
3. 任务边界遵守度
AI 在自动补全过程中，应当区分：
- 可以合理自行决定的细节；
- 必须询问用户的重要决策；
- 用户没有授权、因此不应擅自扩展的目标。
因此，高 POAC 并不意味着 AI 无限自主，而意味着 AI 能够准确判断什么时候应该自己补全，什么时候应该询问用户。
四、我提出的核心假设
我目前认为：
«在最终结果质量相近的情况下，用户完成任务所需要提供的关键信息越少，同时 AI 对用户真实目标的还原度越高，其 POAC 能力就越强。»
因此，POAC 可以尝试描述如下关系：
更少的必要提示
↓
更高的意图还原度
↓
更少的用户认知与交互负担
↓
更高的任务完成效率与用户体验
五、为什么 POAC 可能具有价值
传统 AI benchmark 通常关注模型自身的能力，例如知识、推理、代码生成、视觉理解或复杂任务执行能力。
另一方面，用户体验通常通过满意度、完成时间、交互次数等方式进行评价。
我认为两者之间可能存在一个尚未被充分单独描述的中间层：
«AI 的能力究竟能够以多高的效率转化为用户实际感受到的便利？»
POAC 可能成为连接两者的桥梁：
AI 内在能力 → 意图理解与自动补全 → POAC → 用户交互成本 → 用户体验
因此，一个 AI 即使在传统能力测试中表现优秀，如果仍然要求用户提供大量详细指令，其实际使用体验可能不如一个能够准确理解简短自然语言需求的 AI。
反之，一个 AI 如果能够在较少用户输入的情况下准确完成复杂任务，其用户体验可能会明显提升。
六、一个可能的评价方向
未来可以针对不同复杂度的任务进行控制实验。
例如，让不同 AI 完成相同任务，并记录：
- 用户最初提供的信息量；
- AI 主动询问的问题数量；
- AI 自行补全的信息量；
- 必须询问的信息与不必要询问的信息；
- 最终结果与用户真实目标的符合程度；
- 用户需要进行的修改次数；
- 任务完成时间；
- AI 越界或错误假设的次数。
这样可以进一步研究：
«AI 完成复杂任务所需要的“最小有效提示量”是多少？»
以及：
«减少用户提示量后，模型能否保持对用户目标的高还原度？»
如果 POAC 得分与用户满意度、任务完成时间、交互轮数和认知负担等指标存在稳定相关性，那么 POAC 才有可能进一步发展成为一种具有实际价值的 AI 用户体验评价指标。
七、目前的局限
目前 POAC 仍然只是我根据个人 AI 使用体验提出的概念，我没有进行严格的控制实验，也无法证明它一定能够成为有效的模型评价指标。
因此，我并不认为 POAC 已经是一项成熟理论。
我提出它的主要目的，是希望提供一个可能值得研究的问题：
«是否可以通过“用户需要明确提供多少信息”与“AI 对用户真实目标的还原程度”之间的关系，建立一种新的 AI 能力—用户体验评价维度？»
如果这一思路具有研究价值，希望能够由拥有大规模模型评估数据和实验条件的研究团队进一步验证、修改或否定它。
八、总结
我认为未来 AI 能力发展的一个重要方向，可能并不只是让 AI “知道更多”或“解决更多问题”，而是：
«让用户越来越不需要告诉 AI 应该如何完成任务。»
用户逐渐从：
告诉 AI 每一步怎么做
变成：
告诉 AI 想得到什么结果。
如果 POAC 这一概念最终能够被验证，它或许可以成为衡量这种变化的一种方式：
«POAC 越高，意味着 AI 越能够承担原本需要用户承担的任务理解、信息补全与规划工作，同时保持对用户真实意图的准确还原。»
因此，POAC 的最终价值可能并不在于创造一个新的“AI 智力分数”，而在于尝试回答一个更加贴近普通用户的问题：
«“这个 AI 到底有多懂我？”»