AI Chat Bot的基本产品抽象
status
category
date
summary
slug
icon
tags
password
AI Chat Bot类产品，总是在围绕这几个产品抽象做产品设计：
- Prompt：Prompt是这类产品最根本的交互方式，控制着AI如何处理输入和输出。所有为了提高人类和LLM交互（CUI）效率的产品方案，本质都是在处理Prompt的展示和输入问题。
- Bot（GPTs）：Bot = LLM + Prompt；Prompt更加原子化，可以在任意Bot中发送，也可以在一次对话的任何时机发送，它在产品架构上几乎和消息在同一层级。而Bot是预先填充好了一些Prompt，这和用户输入的User Prompt不同，Bot预置的我们称之为System Prompt。
- 会话历史：和某个Bot聊了一些内容之后，留下的上下文信息。
它们的目的都是提高执行重复任务/长期任务的效率，避免每次执行对应任务都需要花时间调整Prompt。
产品方案 | 产品抽象 | 目标场景 |
Prompt | / | 控制AI如何处理输入、如何输出 |
Prompt Library | 不同的User Prompt | 频繁输入相同/高度相似的Prompt |
Bot | 不同的System Prompt | 找到和切换不同的预设Prompt |
会话历史 | Bot + 上下文 | 接着上下文继续聊 |
这些不同的产品方案抽象，在用户和场景侧重点上也有不同，最终表现为最高层的产品体验不同（即UI和UX）：
- 如果一个产品没有Bot平台，如早期的ChatGPT和Monica，用户为了控制AI的输出效果，就需要在发送消息时输入Prompt，比如：帮我把以下文字翻译成日语。当时有不少用户在各个平台自发分享优质Prompt，方便大家保存使用，那为什么AI产品本身没有一个地方帮助大家保存Prompt呢？于是Monica的Prompt Library诞生了，一方面它允许用户保存、修改Prompt，方便下次输入，另一方面它也完成了对Prompt新手的引导和教育，很多用户看到复杂的Prompt才意识到AI的使用场景和能力边界，也让他们写Prompt的能力得到了提高。
- 如果一个产品的重点是Bot平台，如Poe，其主要用户路径是和不同Bot聊不同话题，那么其主要产品功能应该是分发Bot，其中包括了探索新Bot和快速找到聊过的Bot。
- 如果一个产品的存活依赖于网页或自定义插件侧边栏（生命周期跟随网页），而不是原生插件侧边栏（生命周期跟随浏览器）或者独立的客户端，那么该产品的对话就很容易随着网页或浏览器的关闭而被打断；又或者这个产品的主要用户场景是长期工作，如论文阅读和写作，那么找回之前对话的需求就很强烈，所以有快速打开之前聊天记录的需求。
这几个方案没有孰好孰坏，只有各自适应的场景。注意是场景，而不是用户，因为即使是同一个用户，也会遇到各种不同的使用场景。
定义主要用户和场景，找到哪一个方案是抽象更合理和更通用的，是一个漫长的过程，需要和竞品一起探索。这个过程中，用户在不断理解AI，不断学习如何使用这么多产品，而身处这个行业的每一个产品和每一家公司，也都在过程中提高自己对用户的认知和理解。
这个过程不仅考验产品设计者的敏锐观察力和耐心程度，还很看机遇，因为产品设计和用户习惯是互相影响的，更多时候用户的喜好还随技术进步、社会环境的变化而变化。回顾整个互联网时代，深入影响人们生活的产品，邮箱、搜索引擎、IM、外卖、打车、短视频……无不是在技术成熟之后好几年、恰好有对应成熟的用户群体和商业环境时，才发展壮大。多一分平常心，相信功不唐捐，不要太着急。
最后，产品抽象帮助产品经理更好地定义产品、定义用户人群、规划产品，但并不能帮助用户更好地使用产品。人与人沟通尚且有语言误解，设计者-产品-用户这个沟通过程中，使用的语言是产品设计语言，而用户往往又是沉默的，恐怕这之间的间隙比想象的要大得多。
共勉。