在面向消费者的toC领域，提及Chatbot产品时，大家往往会想到文心一言、豆包、Kimi等AI工具，这些工具主要是基于海量知识的检索场景。
用户难以快速理解业务后提出正确问题。
产品生成结果未能满足实际的业务需求。
新的交互方式打破了用户长期形成的软件系统操作习惯，导致他们对新事物的接受度降低。
本篇文章计划围绕侯博士分享的内容，并结合笔者目前负责的AIGC产品项目，聊聊个人对于工作流Chatbot产品设计的理解和看法（本文将重点从交互体验设计的角度展开）。
先来科普一下这个概念，元认知(Metacognition)——思考你的思考。个体对自己认知过程的认知，包括对自己如何感知，记忆，思考，解决问题和学习的认知和理解。涉及对自己认知能力的评估，和对认知策略的选择和调节，它包含以下几个元素：
自我觉知(Self-awareness)：个体需要意识到自己在做什么，为什么这么做。
计划(Planning)：认知活动的特定目标，在一项活动之前制定计划。
监控(Monitor)：个体在认知不断检查自己的表现，以评估其有效性。
评价 (Evaluating)：基于监控的信息，对自己认知能力和策略进行评价。
调节(Regulation)：根据评估结果，个体调整自己的认知策略或行为。
听起来有点抽象，我们不妨以“学习外语”为例子讲解一下：
自我觉知="在开始外语学习之前，我们首先需要进行自我评估以了解自己的外语水平"计划="接着我们可以制定一个针对性的学习计划如：安排周一记忆单词，周二进行习题练习"监控="定期对自己的学习表现进行反思和评估"评价="当发现某些策略比如：单纯的死记硬背效果不佳"调节="需要及时调整方法如：通过观看外语剧集、聆听外文歌曲等方式，以提升学习效率"
简单理解，元认知是一种自我反思和自我调整的认知能力，它帮助我们从问题中抽离出来，以旁观者的角度重新审视事件本身，从而更好地解决问题。
回到工作流Chat Bot产品本身，假设在一款软件系统中，把大部分的业务功能都集成在一个输入框，支持用户通过来聊天（Chat）的方式执行各种业务应用，那用户的操作流程大概是：
然而，这只是设计者基于理想状况下用户操作路径的设想。实际上，用户在操作过程中的思考是：
产品认知
设计者设想：用户能够理解这款AI产品的价值，并把任务拆解成AI能够理解的指令。
用户实际上：我不清楚这款产品能做什么，也不知道如何把任务进行拆解？
生成指令
设计者设想：⽤户理解任务⽬标并⽤AI能理解的语⾔进行表述。 用户实际上：我不知道如何告诉AI完成这个任务？
评估结果
设计者设想：用户对AI生成的结果有信心。
用户实际上：不知道为什么我对指令生成出来的结果不满意？
调整指令
设计者设想：用户能灵活调整使用AI的策略。
用户实际上：不知道如何修改我的指令让任务结果更满意？
▲用户的随意提问
四、解决Chatbot元认知挑战的策略
1、预设指令
对于大多数用户而言，初次接触工作流Chat Bot产品便要求精确写出AI能识别的指令（Prompt）是一项极具挑战性的事情。
我们可以围绕功能背后的业务场景，提炼出用户的常见需求，然后再将这些需求转化为预设指令（Prompt）后封装成一个个具体的操作命令。这样做可以有效减少产品初次使用的认知成本，比方说：
员工写工作汇报的场景，相比于给用户一个输入框，让他们详细描述AI写汇报的要求，我们可以以“智能生成”操作按钮为开始。
prompt="请围绕我本周的工作内容，生成一份工作汇报，要求：简洁，分点阐述"
在查看工作汇报的场景中，管理者通常存在“迅速浏览汇报，提炼重点”的需求，此时以“智能总结”操作按钮为开始。随后，当管理者需要深入了解汇报的特定信息时，再引导他们通过Chat的方式进行提问
prompt="请帮我对本周接收到的工作汇报进行总结，要求：简洁提炼每个汇报人的具体工作"
▲预设指令的示例图
2、推荐提问
在输入框提出问题，看似简单的一件事，但用户常常会在如何措辞上遇到困难，因为他们对产品的功能边界并不熟悉，不知道从何开始。
我们可以采用“推荐提问”的方法，为用户提供一系列“提问模板”。这样不仅能让用户迅速体验产品，还能帮助他们对提问的结构和产品的功能边界有一个初步的了解。比方说：
在过滤客户的场景中，当用户激活输入框时，可以提供三个推荐提问。
在搭建报表的场景中，初始状态下提供三个常见提问。
▲推荐提问的示例图
3、产出评估
基于AI生成的结果，用户会有一个直观的感受，并由此评估结果是否达到他们预期目标。若Chatbot产品以成功产出内容为结束，当用户采纳生成结果时，还需经历一系列繁琐的步骤，如：选中内容、复制、切换到目标区域、再进行粘贴等。
为了简化这一过程，我们可以在生成结果的界面提供对应的操作选项，如“复制”、“接受”、“插入”和“放弃”等，让用户能够评估AI生成的内容后更便捷地做出响应。
▲产出评估的示例图
4、指令调整
当AI生成的结果无法达到用户预期目标时，需要对输入的指令（Prompt）进行调整，以得到一个更满意的结果输出。此时可以尝试提供符合用户潜在需要的快捷指令，例如：
在撰写汇报的场景中，针对AI生成的内容，可以提供“更简洁”或“更详细”等选项来调整内容。
在数据分析的场景中，可以提供“强调数据变化趋势”和“突出员工表现”等快捷指令。
▲指令调整的示例图
5、定制化
为了帮助用户找到最适合他们的指令，我们可以从个性化定制入手。这里的个性化定制指的是通过分析用户的行为轨迹，提供更为针对性的“潜在提问”，比如说：
提供“最近成功执行的指令”，让用户能够快速回顾和重复使用他们之前成功执行的指令。 提供“收藏点赞过的指令”，让用户能够轻松访问他们之前认为有价值的指令。 利用基于规则的模型，并结合用户的行为数据，生成个性化的指令建议。
通过这些方法，我们可以为用户提供更加精准和个性化的指令推荐，从而提高他们的使用体验。
五、结语
工作流Chatbot作为B端Agent产品的一个常见形态，其受用户的欢迎程度不仅取决于产品能否高效解决问题，还与用户使用产品时的体验感受密切相关。
作为设计者，可以围绕提升用户的元认知能力，以及减轻他们的元认知负荷为方向进行设计。本质上，要求产品设计者需要具备对用户需求的深刻理解以及同理心。
