The 6 Types of Conversations with Generative AI與生成式人工智慧的 6 種對話方式
Types of Conversations 對話型別
Search queries 搜尋查詢
Funneling conversations 漏斗式對話
Exploring conversations 探索對話
Chiseling conversations 雕刻對話
Expanding conversations 擴充套件對話
Pinpointing conversations 定位對話
1. 搜尋查詢（Search Query）
定義：簡單的單一提示，無需進一步細化。類似於傳統搜尋引擎的查詢，使用者尋求直接答案。
示例：使用者搜尋“Rosie O'Donnell”或“某個事件的時間”。
使用者提示：
如果需要特定的事實性資訊，如日期、人物、事件等，搜尋引擎可能更合適。
設計建議：
對於此類查詢，AI可以引導使用者提供更多細節，或者直接提供訪問搜尋引擎的選項，提升查詢效果。
2. 漏斗式對話（Funneling Conversations）
定義：使用者從模糊提示開始，逐步新增條件縮小範圍，通常源於意識到初始查詢過於寬泛。
示例：使用者尋找開胃菜，透過指定人數、食材等逐步明確需求。
使用者提示：鼓勵AI提問，如"需要更多資訊請問我"，以識別約束條件。
設計建議：遇到模糊提示時，AI應主動提問幫助使用者細化需求。
提供示例提示，幫助使用者理解如何表述自己的需求。
3. 探索式對話（Exploring Conversations）
定義：使用者以廣泛、缺乏定義的查詢開始，透過AI逐步瞭解資訊空間並獲得新查詢的想法，適用於需求不明確或缺乏相關知識的情況。
示例：使用者從“生命的意義是什麼”開始，逐步深入瞭解哲學、宗教等觀點。
使用者提示：若對某一主題缺乏足夠的知識，可以使用開放性問題讓AI提供更多資訊，幫助自己瞭解主題的深度。
設計建議：對於較廣泛或複雜的查詢，AI可以提供深入的後續提示，幫助使用者逐步探索主題的各個層面。提供術語定義和背景資訊，幫助使用者更好地理解複雜主題。
4. 雕刻式對話（Chiseling Conversations）
定義：使用者圍繞同一主題從不同角度提出問題，以全面瞭解主題的各個方面。這類對話強調廣度而非深度。
示例：使用者關於ADHD提出一系列問題，包括應對策略、知名患者、是否屬於殘疾等。
使用者提示：使用多個問題來探索主題的不同方面，而不需深入某一特定方面，以獲得全貌。
設計建議：提供廣泛的後續提示，幫助使用者進一步探索主題的各個角度。
支援使用者隨意切換問題方向，不必深度挖掘某一細節。
5. 定位對話（Pinpointing Conversations）
定義：使用者一開始就有明確的需求，並提供所有必要細節。這類對話簡單、直接，通常無需反覆提示。
示例：使用者詳細描述派對雞尾酒選單的要求，直接得到符合需求的建議。
使用者提示：
在提示中包含具體需求和所有相關細節，確保AI可以一次性提供準確回答。
設計建議：
當使用者的提示包含明確要求時，AI應直接提供響應，避免多餘的互動。
如果提示不夠明確，可以給出參考示例，幫助使用者設計更好的初始提示。
6. 擴充套件對話（Expanding Conversations）
定義：使用者在收到AI的初始回答後擴充套件查詢範圍，尤其在結果不滿意或需要更多資訊時。使用者逐步調整查詢，擴大資訊覆蓋面。
示例：使用者尋找日本和香港之間的最便宜航班，因最初的答案不足以滿足需求，於是逐步詢問便宜航空公司和所有廉價航班的列表。
使用者提示：
- 若收到的回答不符合預期，可嘗試提出更廣泛的問題或改變查詢方向，以獲得更多相關資訊。
設計建議：
- 當AI無法直接回答時，提供放寬查詢條件的提示，幫助使用者找到有用的內容。
- 提供後續問題提示，幫助使用者根據初始答案擴充套件話題。
對話長度不等同於成功
研究顯示，AI對話的長度與其有效性或可信度無明顯關聯。對話的質量更重要。
漏斗式對話從模糊到明確，可能較長；定位式對話開始就明確，通常較短。
探索和雕刻式對話中，長度有助於使用者構建知識，符合學習需求。
搜尋查詢通常簡短。Bard對話較短，因使用者視其為搜尋工具。
AI對話型別分類
對話型別（按資訊需求劃分）：
- 狹隘且明確定義的需求：漏斗式（Funneling）和定位式（Pinpointing）對話。
- 廣泛且不明確的需求：探索性（Exploring）、雕刻性（Chiseling）對話。
- 搜尋查詢：通常為單一簡短提示。
使用生成式AI機器人的技巧
- 針對具體需求，使用詳細提示：對於明確定義的資訊需求，詳細的提示可以直接獲得所需回答。
- 讓AI提問以幫助明確需求：在提示中新增“如果需要更多資訊請問我”這樣的語句，有助於AI進一步明確使用者需求。
- 事實性查詢建議使用搜尋引擎：對於簡單的事實性問題，搜尋引擎可能更為高效。
設計生成式AI使用者體驗的建議
生成式AI的對話結構為設計師提供了改進使用者體驗的啟示，幫助使用者更有效地滿足資訊需求。
具體建議：
- 識別對話型別：根據提示長度和複雜性調整響應策略。
- 處理搜尋查詢：透過提問細化需求或提供搜尋引擎選項。
- 引導細化模糊提示：詢問具體細節縮小查詢範圍。
- 提供深度或廣度提示：幫助使用者理解複雜主題。
- 擴充套件對話：無法直接回答時，提供放寬條件的建議。