新媒易动态
NEWS CENTER
NEWS CENTER
2025-03-20
在漏斗式对话中，用户从一个未指定、含糊的查询开始，然后通过指定其他束缚条件，对后续问题缩小规模。一般，用户在发现AI的回复不满意之前不会主动供给更详细的条件，当然也或许是用户自身自己也没有考虑到的。
例如，下面这个测验查找菜谱的用户提出的一系列查询：
用户：我正在寻觅纪念日的周末能够做的开胃菜。我不想用猪肉，想要用一些适当容易制作的食材。
AI：大约30人左右吃的简略的开胃菜菜谱怎么样？
AI：除了串烧，或许还需要一些蘸酱？
漏斗式对话一般对话轮次较长，由于用户或许需要输入多轮Prompt来优化查询信息。
在漏斗式对话中，用户的信息需求一般是详细且清晰的，只是在一开始表达不清晰。换句话说，用户是能够识别出正确呼应的，但无法在一开始就分辨出正确的呼应。可是，机器人能够通过向用户提出协助问题来保障查询的成果。
ChatGPT 通过问询一组与供给答案相关的细节来协助用户会集他的漏斗对话。
给用户的主张：
清晰的告诉 AI 想要了解的信息束缚，协助AI提高输出质量。例如，您能够添加比如“Ask me questions“（向我提问） 之类的遣词，让AI协助您阐明您或许需要的条件束缚。
给设计师的主张：
为了削减漏斗对话中的废话输出，AI应该依据对话提出引荐问题，协助缩小信息查询的规模。
探索对话与漏斗对话的不同之处在于，在开始时，用户就不是为了某个详细的查询，用户自身也是缺少必要的词汇和常识的（而不是由于他们没有花时间考虑其信息束缚）。AI的答复能够协助用户了解信息的结构，并为他们供给有关下一步要问询的新话术和主意。
探索性对话一般感觉像是与真实的教师交谈,用户在对话中深化了解某一主题,并在学习过程中提出问题，就像学生学习相同，用户能够依据从AI收到的信息来构建常识系统。
例如，用户问“人生的意义是什么？” AI能够谈论各种观念，包括哲学、宗教和荒诞主义等。然后，用户能够要求更多地了解荒诞主义。当AI提到某一主题的书本时，用户也能够要求供给同一作者的其他作品。
在探索对话时，用户能够取得上一个问题的引荐问题，而这些引荐是建立在AI上一轮的答复里的。
给设计师的主张：
如果用户的prompt很泛，而AI的回复内容很复杂，包含一些行话和特定域的现实或概念，能够供给根据这些详细信息的主张后续提示有：
在雕琢式对话中，用户问询同一主题的不同方面，从各种视点去充实，就像雕塑家从一块石头上凿出雕塑相同。雕琢式的对话为主题撒下了一张大网，以取得广度。它们感觉像是对特定主题的研讨，但研讨是人驱动的，而不是由AI的答案驱动的。
以下是在关于 ADHD 的同一次雕琢式对话中提出的一系列问题：
虽然这些问题都与多动症有关，但它们涵盖了多动症的各个方面，并没有深化探讨其间任何一个方面。感觉好像用户试图了解有关该主题的许多现实，而没有关注这些现实之间的逻辑关系。