Be my extension? 成為我的延伸？

我不想告訴你我要什麼，但你得懂我。我只是拿起手機靠近耳朵，它就知道我要打電話，我輕輕一捏，頁面就自動縮放，我晃一晃手機，它就幫我切換音樂，我揮揮手，AI 自動識別我想跳過當前內容，你甚至不用開口，不用點按鈕，只要“動”一下，AI 就知道你的下一步動作。

Arc Search 是一款支援多模態互動的智慧瀏覽器助手，具備網頁內容摘要、語音搜尋與自然語言響應等能力。其核心特點包括：以使用者行為驅動的自然互動設計（如捏合網頁或靠近耳朵啟用）、流暢的載入反饋機制，以及結構化的資訊輸出能力，致力於提升資訊獲取效率和使用便捷性。

Main AI-UX interaction

透過使用者雙指在網頁上進行“捏合”手勢操作，系統會觸發 AI 摘要功能，對頁面內容進行提煉和壓縮。（這種互動方式體現了以人為本的 UX 設計理念，簡化使用者任務路徑，提高網頁瀏覽效率。）

Loading state

當使用者觸發摘要功能後，系統進入載入狀態，並顯示過渡動畫及提示語“Summarizing for you...”。（此階段的視覺設計採用漸變背景和輕柔的動效，有助於緩解等待焦慮，提升使用者體驗。）

Example output

系統輸出的示例摘要展示了提煉後的網頁內容，例如食譜的主要原料與步驟資訊被濃縮成結構化段落。（說明 AI 能夠理解網頁上下文，併產出清晰、簡潔、可快速閱讀的資訊摘要。）

Main AI-UX interaction

當使用者將手機靠近耳朵時，裝置感測器感知該動作並自動喚起語音搜尋功能，無需點選按鈕。（此設計借鑑了通話的自然行為方式，是典型的“無介面互動”實踐，使 AI 功能更貼近使用者日常使用習慣。）

Loading state

語音互動被觸發後，系統進入等待狀態，播放輕音樂以營造放鬆氛圍，同時保持使用者對當前程序的感知。（這是一種常用於語音介面的 UX 技巧，稱為“環境填充反饋”，能夠提升使用者體驗連貫性。）

Example output

AI 在對話中給出自然語言回應，例如：“I can provide information, answer questions…” 等內容，體現了系統的語言理解與生成能力。（此輸出展示了 AI 助手在語音互動場景下的實用性與智慧化表現，可用於日常問答、建議推薦等場景。）

Multi-modal input

支援語音輸入與輸出的多模態互動能力，使系統可靈活應對不同使用者偏好和操作場景。（多模態系統結合語音識別、語義理解與語音合成技術，提升人機互動的自然性與效率，是智慧助手類產品的關鍵能力之一。）

Google Search 在該場景下展現了其視覺驅動、多模態搜尋能力。透過影象識別與手勢輸入相結合的方式，使用者可以更直觀地選中感興趣的視覺內容併發起搜尋。系統在互動中實現了“從影象理解到語義回應”的閉環，顯著提升搜尋效率與體驗，特別適用於不便文字描述的影象場景。整體體驗聚焦於自然、高效、人性化的資訊獲取路徑設計。

Entry touch points

Google Search 在移動端引入了視覺導向的入口機制，使用者可以透過影象流中的內容直接點選或長按，快速進入 AI 搜尋功能。（此方式減少了傳統關鍵詞輸入的步驟，利用使用者對影象的直觀反應作為互動起點，強化了“所見即所得”的互動邏輯。）

Main AI-UX interaction

使用者在圖片上圈選或塗畫目標區域，即可觸發視覺搜尋。（該操作方式結合了視覺感知與手勢識別，增強了搜尋的自然性和自由度，同時提升使用者與影象內容之間的互動黏性。系統能夠準確識別使用者標記區域中的主體，作為搜尋輸入來源。）

Loading state

系統收到使用者的圈選操作後，進入載入階段，介面會突出顯示所選影象區域，並顯示“Add to your search”提示。（此過程不僅提供清晰的反饋，還使使用者保持對搜尋目標的可視感知，從而減少操作中的不確定性。）

Example output

最終的搜尋結果顯示了與圈選影象相似的相關內容，例如貓的品種資訊“Kucing Malaysia”，並提供結構化資訊卡片展示詳情。（這一結果說明系統已成功完成影象識別、語義聯想與結果生成三步操作，為使用者提供了精準且上下文相關的搜尋資訊。）

Multi-modal input

支援“圈選（Circle）”或“塗畫（Squiggle）”兩種手勢作為視覺搜尋輸入方式，體現了多模態互動的應用。（這類輸入形式突破了傳統的語音與文字邊界，使影象、手勢成為完整輸入通道，為多場景下的搜尋需求提供了更高適應性。）