Articulation Barrier
表达障碍（Articulation Barrier）是指用户很难把自己的真实意图完整、准确地表达给 AI，因此系统虽然能生成内容，却难以稳定理解真正目标。
为什么会出现
把新需求写成描述性文字，本身就比阅读和挑选更耗认知。
这个障碍在三类场景里尤其明显：
- 目标本来就是非语言的，例如视觉风格、空间感、氛围
- 用户缺少足够强的文字表达能力
- 用户需要反复重述偏好、例外、风险承受能力和长期约束
它同时也是记忆问题
如果系统每次都要求用户重新说明偏好、语气、预算和边界，表达障碍就会持续存在。
成熟的意图式系统需要把用户模型做成可见、可编辑的界面，让用户可以检查系统记住了什么、临时覆盖什么、何时要求遗忘。这使 Long-term Memory for LLMs 从后台机制变成前台 UX 能力。
常见缓解方式
- Prompt Augmentation（提示增强）：通过模板、样例、风格库帮助用户补全表达
- Aided Prompt Understanding（辅助提示理解）：系统先拆解用户需求，再引导补充缺失信息
- Multimodal Input（多模态输入）：允许用户用语音、图像、屏幕上下文或素材集合表达意图
更长期的方向
短期内，系统会继续帮助用户把想法写清楚。
更长期的方向是 Intent by Discovery：用户通过比较、探索和修改候选方案来逐步发现自己真正想要的结果。