Copilot 范式
AI 不替代用户，而是在用户身旁实时辅助——用户主导决策，AI 提供建议和补全。
这个打法的本质
Copilot 和 Agent 看起来都在”帮助用户”，但心理学上差别很大。Copilot 的关键词是”掌控感”——用户始终在驾驶座上，AI 只是副驾驶。
这个设计哲学解决了一个普遍的心理问题：人们不信任他们看不懂的东西。如果 AI 全自动给你生成一个成果，而你不知道它怎么生成的、为什么这样生成、有没有问题，那你用得很不安心。但如果 AI 是在”提建议”，你能看到每一个建议，决定要不要采纳，这就完全不一样了——你掌控了整个过程。
Copilot 的神奇在于：
- 降低决策成本但保留决策权：用户不需要从零开始想，AI 给了起点；但用户可以修改、拒绝、再优化
- 保留学习机会：用户看到 AI 的建议，能反思”这为什么是个好建议”，还能学到东西
- 极高的安全感：用户永远可以 Undo，永远可以改，所以无需害怕
从商业角度，Copilot 也更”保险”——因为决策权在用户手里，如果出了问题，用户的接受度更高（“我审核了，我的决定”），而不是”AI 给我制造了问题”。
典型案例
Cursor
Tab 补全就是典型的 Copilot 模式。Cursor 看着你的代码上下文，猜测你想写什么，然后用半透明的灰色字体显示建议。你可以按 Tab 接受、按 Esc 拒绝、继续编辑。整个过程中，你始终在打字，Cursor 只是”加速”了你的打字速度，没有替代你的决策。这也是为什么 Copilot 比 Agent 更广泛地被接受——开发者喜欢保留对代码的掌控。
Grammarly
写文案时，Grammarly 不是”自动改你的文案”，而是提示”这里语法有问题”、“这个词用法可能不当”、“这句话可以更简洁”。用户看到建议，决定要不要改。很多初级写手其实通过 Grammarly 的建议学会了怎么写好文案。
Copilot
代码补全的开创者。你打了几个字，Copilot 就猜出你要写什么函数，给出一个建议。如果不满意，你继续打，它重新猜测。这个互动的过程，本质上是”人和 AI 的协作”，而不是”AI 替人做”。
Notion AI
在你写文档的时候，Notion AI 可以建议”继续写下去”、“总结这一段”、“改进这个措辞”。但所有的改动都需要你确认。这保留了文档的”主人翁感”，用户不会觉得 AI 改变了自己的内容。
关键成功要素
- 建议的准确度要高：Copilot 最怕的就是给出”看起来有道理，其实不对”的建议。如果准确率低于 70%，用户会经常拒绝，反而降低效率。
- 反馈闭环要短：用户拒绝了一个建议，AI 要快速学习这个反馈，调整下一个建议。这个学习循环要快，用户才能逐渐和 AI 形成”默契”。
- 可见性很关键：建议不能隐藏在菜单里，要在用户看得见的地方。Cursor 用半透明灰色是个天才设计——既显眼，又不打扰。
常见误区
- 把 Copilot 当 Agent 用：有些产品试图把 Copilot 模式”自动化”，结果变成了不太可靠的 Agent，反而失去了 Copilot 的优势。要明确”人主导还是 AI 主导”。
- 建议太多导致选择困难：给 5 个建议和给 1 个最好的建议，用户体验完全不同。更多选项不一定更好，有时候一个高置信度的建议反而更有价值。
谁把这个打法玩得最好
标杆案例：Cursor — Tab 补全这个看似简单的交互（灰色半透明文字+按 Tab 接受+按 Esc 拒绝），完美诠释了 Copilot 的本质：人看得见、能拒绝、有掌控感。也是因为这个交互设计，Cursor 比 Agent 模式的产品更能获得开发者信任。
经典案例：
- Grammarly — 不改你的文案，只提示问题+建议改进，用户完全掌控最终版本。这个”建议而非替代”的姿态让 Grammarly 成为了写手的良师益友而不是独裁者
- GitHub Copilot — 代码补全的先驱，让人意识到”预测下一行代码”这个看似简单的功能，能加速开发者思维，因为人始终在敲键盘
- Notion AI — 在文档编辑中提供”继续写”、“总结”、“改进措辞”的建议，全部都需要用户审核确认，保留了文档的”主人翁感”
- Claude Code — 在代码生成的同时，保留了”人看见每一步改动”的可视化过程，不像某些 Agent 一口气改 50 个文件让用户懵
中国案例：
- WPS AI — 在国产办公套件中内置 Copilot 模式的建议，对标 Microsoft 365 的 Copilot，但目前的接受度还不如代码编辑器
反面教材：很多产品把 Copilot 模式用得很激进，给出太多建议或者建议准确率太低（< 60%），结果反而降低效率——用户要频繁拒绝。某些 IDE 的 AI 助手因为建议不够准确，最后被用户关掉了。这说明 Copilot 模式的生命线就是”建议准确率”，失去这个就失去了存在的价值。
搭配使用效果更好的打法
- Agent 代理式 — Copilot 是”人做决策，AI 帮忙”；Agent 是”AI 自主做决策”。很多产品其实需要混合这两种：简单事务用 Agent（节省时间），复杂创意用 Copilot（保留控制权）
- Chat 对话式 — Copilot 强调”在工作流中实时建议”；Chat 强调”随时随地问问题”。两者互补：Chat 用来探索，Copilot 用来执行
- 工作流嵌入 — Copilot 最强大的地方是完全嵌入在用户的既有工作流中，不需要打开新窗口、不需要学新操作，这个嵌入本身就是护城河