目前，几乎每个软件领域都已推出或探索了人工智能功能。尽管用例广泛，但大多数实现都大同小异（“让我们在应用中添加一个聊天面板”）。因此，问题也大同小异。
能力意识
AI 模型的开放式界面与之前所有“隐形”界面都面临同样的问题。如果没有清晰的可供性，人们就不知道自己能做什么。这些隐形 UI 的愿景一直是“语音界面只有在你能问它任何问题时才能正常工作”。而如今，愿景是“AI 聊天界面只有在你能告诉它做任何事情时才能正常工作”。听起来很棒，但是……
事实上，即使是极其强大的系统（就像极其强大的人一样）也有局限性。它们在某些方面做得很好，在某些方面还可以，而在另一些方面则做得很差。你要求它们做事的方式也很重要，因为不同的措辞会产生不同的结果。但如果没有可供性，这些指导方针就像用户界面一样隐形。
我确信这是当今人工智能产品界面中最大的问题：因为大规模人工智能模型可以做很多事情（但不是所有的事情或所有的事情都做得同样好），所以大多数人不知道它们能做什么，也不知道如何最好地指导/提示它们。
- 通过产品设计管理能力意识的一些方法：
- 让人工智能模型进行提示：让人工智能模型重写和优化人们的初始提示以获得更好的结果。
- 对话式 UI 中的建议问题：让人们了解 AI 聊天界面具有哪些功能。
情境感知
如果说能力感知是指了解 AI 产品能做什么，那么情境感知则是指了解它是如何做到的。这里的核心问题是“AI 产品使用了哪些信息来提供答案？” 但潜在的答案有很多，尤其是在代理可以使用越来越多、越来越多样化的工具的情况下。以下是一些在情境中可能出现的情况（在 AI 模型的响应中考虑）：
- 这是它自己的训练数据吗？如果是的话，截止时间是什么时候？
- 你和模特的会面历史记录？如果有，可以追溯到多久以前？
- 所有会话的历史记录或用户个人资料？如果是，是哪些部分？
- 像搜索或浏览这样的特定工具？如果是，它们会显示哪些结果？
- 是否与其他服务或账户有关联？如果是……
你明白我的意思了。很多东西可能在特定时刻符合上下文，但并非所有东西都会始终符合上下文，因为模型有上下文限制。所以当收到回复时，人们不确定是否应该信任它们，或者在多大程度上应该信任它们。他们使用的信息是否正确（幻觉）？
- 通过产品设计管理情境感知的一些方法：
- 后台代理减少上下文窗口问题：后台代理鼓励人们对每个离散任务使用不同的上下文窗口。
- 通过上下文检索增强提示：将人们的指令转换为通过自动添加有用的上下文编写的优化提示。
- 流式引用：添加相关文章、视频、PDF 等的引用，用于实时回答问题。
文字墙
虽然书写在促进沟通方面发挥了巨大作用，但它并非传递信息的唯一媒介，而且通常并非最佳选择。尽管如此，大多数人工智能产品仍将人工智能模型生成的文本流作为主要输出，并以线性的“类似聊天”的界面呈现。毫不奇怪，人们很难通过滚动浏览长篇文本来提取和回忆信息。
随着人工智能模型能够编写文本的新鲜感逐渐消失，人们越来越多地要求以视觉效果、表格和其他格式（如幻灯片、电子表格）作为输出，而不仅仅是大段的文字。
- 使用产品设计来管理文本墙的一些方法：
- 可用于 AI 模型的聊天界面：设计用于管理冗长的 AI 模型响应的解决方案。
- 人工智能聊天的作用逐渐减弱：减少与人工智能模型来回聊天以获取信息的需要。
- 流式内嵌图像：不仅返回流式文本和引文，还返回内嵌图像。
还有更多……
是的，AI 产品还存在其他问题。我并不是说这是一份完整的清单，但它反映了我在用户测试和跨多个领域反复看到的问题。不过，AI 产品现在还处于发展初期，所以……未来还会有更多解决方案和问题出现。