什麼是提示建議？
提示建議是一種透過提供示例問題或任務的方式，幫助使用者快速與AI互動的機制。它通常會在輸入框旁邊以3-5個選項的形式呈現，使用者只需點選即可生成相應響應。其主要目的是解決使用者面對空白輸入框時不知道從何開始的問題，同時讓對話更流暢地進行。
起步階段
提示建議可幫助使用者入門AI工具，但若與使用者需求不符則會失去價值。許多使用者調侃過AI工具提供的無關建議，如向無意旅行的使用者推薦"旅行規劃"。即使是高階使用者，也常遇到與其興趣和工作不相關的預設提示。
最佳化建議：提示建議在缺乏上下文時價值有限，但透過個性化和記憶功能可以變得更實用。比如，GitHub Copilot可將使用者常用的編碼指令整合成一鍵觸發的建議。
對話中的建議
對話中的提示建議能結合上下文，既簡化使用者操作，又保持對話控制。GitHub Copilot透過動態更新建議，將常見問題的輸入簡化為一鍵操作。
示例建議："是否需要定義此類的建構函式？""為此程式碼段生成單元測試。"
此外，Meta、LinkedIn等基於內容流的產品也越來越多地在每個帖子下方新增提示建議。這些建議的質量和相關性參差不齊，有時可能是為了提升使用者的參與度，甚至增加用於訓練AI的資料流量。
設計細節與變體
- 形式特點：提示建議通常是可點選的物件，可以是按鈕或超連結文字。
- 與輸入框並存：這些提示建議通常伴隨一個開放的輸入框，使用者可以直接選擇建議或輸入自己的內容。
- 個性化和上下文：當可能時，建議會根據使用者或當前對話的上下文進行個性化。
- 簡化操作：提示建議可以是完整指令的簡化版本，或者直接以完整句式提供，使用者點選後即生成AI的響應。
優勢
零成本試用：提示建議能讓使用者立即感受到產品功能。例如，最好的提示建議會結合使用者當前對話狀態，帶來即時滿足感。
案例：
使用者點選了ChatGPT的"寫一封感謝信"提示，AI將其最佳化為具體任務："寫2-3句話感謝面試官，表達職位興趣，保持輕鬆不過於正式。"這既完成了任務，也教會新手如何細化指令。
作為高階技巧，提示建議可展示覆雜用法，如結合冰破點和改進提示，或使用模板填充，在保持操作速度的同時提升結果質量。
潛在風險
無關建議問題：使用者初次使用時可能接受隨機建議，但隨後會期望系統理解其偏好。頻繁出現無關提示會導致使用者忽視此功能並影響體驗。解決方案：基於使用者偏好和對話背景提供相關建議。
示例案例（Examples）
- 空白輸入提示：“你想建立什麼？旅行計劃？摘要？還是一封感謝信？”
- 對話中更新的動態提示：“剛才那段程式碼需要註釋嗎？”“需要潤色這段文字嗎？”
- 個性化提示：“上次你生成了摘要，這次需要幫忙整理新內容嗎？”
另一個影象生成器Umso在初始介面上也使用了簡單的提示，但需要非常高階的提示和模型才能生成理想的網站設計。這些工具似乎傾向於讓使用者“窺探幕後”，瞭解更多產品生成過程的細節。（這種設計不僅提供了簡單的上手途徑，還鼓勵使用者逐步探索更高階的功能，增強他們對產品的理解和信心。）
Jasper借鑑了由OpenAI普及的經典“破冰者”介面設計，幫助使用者快速上手。（“破冰者”介面是指透過簡單、引導性的問題或提示，幫助使用者在初次接觸產品時快速理解其功能。這種設計降低了學習成本，讓使用者更快投入使用。）
Perplexity還將建議嵌入在輸入框中。（這種嵌入式設計讓建議更直觀，使用者在輸入時能即時看到相關提示，從而無縫最佳化他們的使用體驗。）
像Notion這樣的寫作工具，將編輯和重新混合的建議操作與破冰提示結合在一起（通常位於介面底部）。（這種設計讓使用者不僅能從建議中獲益，還能透過引導提示獲得更多靈感，增強了使用者的創作效率和參與感。）
Adobe將這些提示置於展示產品功能的上下文中。（透過示範性提示，Adobe展示了其工具的實際應用場景，讓使用者更清楚地瞭解產品功能並激發他們嘗試的興趣。）
GitHub將其建議直接嵌入程式碼編輯器中。雖然它們看起來像提示（nudges），但實際運作方式是建議（suggestions），因為操作文字會直接輸入到開放的聊天框中。（這種內嵌設計讓開發者能夠即時接受建議，提高程式碼效率並最佳化工作流。）
Musho的提示可以在影象生成介面上找到，這些提示非常簡單，可能是為了幫助使用者快速入門。此外，模板可能會進一步提升使用者體驗。（簡單的提示降低了初學者的上手門檻，而模板化設計可以為使用者提供更清晰的參考和方向。）
Figjam在其畫布生成模板中將“破冰者”設計與提示（nudges）結合在一起。（這種設計透過同時引導使用者探索和操作，增強了使用者體驗的流暢性和功能的易用性。）
MidJourney也會向使用者展示用於建立公開圖片的提示語。當使用者只需複製貼上幾句話就能生成令人驚豔的圖片時，使用門檻大大降低。（這種設計讓使用者輕鬆體驗生成效果，並激發他們嘗試和探索更復雜功能的興趣。）
Google會等使用者完成第一次搜尋查詢後，才提供如何繼續搜尋的建議。（這種設計避免了在使用者剛進入產品時提供過多資訊，讓他們專注於完成第一步任務，並在後續階段引導他們更深入地使用產品。）
Perplexity也用類似的方式給出建議，但它的語氣更偏向激發好奇心，而不是單純追求效率。
有趣的是，影象和網站生成器建立的最佳“破冰者”往往存在於產品之外。例如，Musho.ai的使用者可以看到其他人用來生成網站的提示。（這種社群化的提示共享機制不僅降低了上手門檻，還鼓勵使用者從他人的創意中獲得靈感，提升了使用體驗。）
Character.ai提供示例提示，幫助使用者建立第一個機器人。（這些示例提示為使用者提供了清晰的模板，讓使用者在接觸產品時能夠快速理解併成功完成初始任務。）