關(guān)于“AI對(duì)話(huà)中斷”場(chǎng)景的邏輯設(shè)計(jì)方法
相信在和AI產(chǎn)品對(duì)話(huà)的過(guò)程中,不少用戶(hù)都有過(guò)對(duì)話(huà)中斷的體驗(yàn),那么產(chǎn)品一側(cè),要如何做好中斷場(chǎng)景下的設(shè)計(jì)和交互,以滿(mǎn)足用戶(hù)的潛在訴求呢?這篇文章里,作者就做了梳理和分享,一起來(lái)看看吧。
一、用戶(hù)場(chǎng)景
用戶(hù)在與類(lèi)ChatGPT的生成式AI產(chǎn)品進(jìn)行對(duì)話(huà)和交互的過(guò)程中,可能因?yàn)槟承┰?,?dǎo)致對(duì)話(huà)中斷,此時(shí),數(shù)據(jù)的流轉(zhuǎn)邏輯和產(chǎn)品交互怎么設(shè)計(jì)才是比較好的方案呢?
中斷的場(chǎng)景有2類(lèi),主要?jiǎng)澐忠罁?jù)是是否切斷網(wǎng)絡(luò)、是否終止了數(shù)據(jù)傳輸和交互流程。
中斷場(chǎng)景①:網(wǎng)絡(luò)終端、刷新瀏覽器、關(guān)閉瀏覽器
- 該場(chǎng)景下,用戶(hù)主動(dòng)或者被動(dòng)中斷了與產(chǎn)品的網(wǎng)絡(luò)連接;
- 本文討論的范圍設(shè)定是:對(duì)話(huà)中的用戶(hù)已經(jīng)成功發(fā)送了問(wèn)題,繼而中斷了網(wǎng)絡(luò)。
中斷場(chǎng)景②:切換瀏覽器頁(yè)簽、切換查看對(duì)話(huà)記錄
- 該場(chǎng)景下,用戶(hù)僅僅切換了屏幕顯示的畫(huà)面,并沒(méi)有切斷網(wǎng)絡(luò)和終止數(shù)據(jù)傳輸和交互流程;
- 可能存在長(zhǎng)時(shí)間不停留在交互界面的情況。
(對(duì)話(huà)界面)
二、需求分析
根據(jù)上述的用戶(hù)使用場(chǎng)景,我們需要對(duì)用戶(hù)在該場(chǎng)景下的使用需求和交互心里進(jìn)行進(jìn)一步的分析。我們發(fā)現(xiàn),兩種場(chǎng)景都主動(dòng)或被動(dòng)打斷了用戶(hù)正常的對(duì)話(huà)路徑,讓用戶(hù)的使用體驗(yàn)不流暢,產(chǎn)生了中斷、丟失、卡頓等情況,我們需要通過(guò)分場(chǎng)景的、合理的產(chǎn)品交互的設(shè)計(jì),來(lái)幫助用戶(hù)完成交互動(dòng)作,并且感受良好。
用戶(hù)對(duì)產(chǎn)品的述求可能如下:
- 中斷情況發(fā)生的時(shí)候,我需要明確感知情況有變;
- 中斷時(shí)的狀態(tài)和恢復(fù)后的狀態(tài)之間需要有銜接,讓用戶(hù)認(rèn)知保持連貫性;
- 已經(jīng)交互的數(shù)據(jù),不能丟失,能快速被找到,能感受到產(chǎn)品的穩(wěn)定性。
三、產(chǎn)品目標(biāo)
在對(duì)話(huà)式AI產(chǎn)品的交互中,這種主動(dòng)或被動(dòng)打斷了用戶(hù)正常的對(duì)話(huà)路徑的場(chǎng)景是普遍存在的,尤其是組件化和PC端的界面。
基于場(chǎng)景的梳理和用戶(hù)述求的分析,產(chǎn)品需要解決這個(gè)問(wèn)題,并需要達(dá)到的目標(biāo)有:
- 分場(chǎng)景梳理數(shù)據(jù)流轉(zhuǎn)關(guān)系;
- 分析數(shù)據(jù)邏輯,明確數(shù)據(jù)呈現(xiàn)方式;
- 分場(chǎng)景的交互流程;
- 用戶(hù)使用路徑的設(shè)計(jì)。
四、數(shù)據(jù)邏輯
1. AI對(duì)話(huà)的數(shù)據(jù)傳輸方式
當(dāng)用戶(hù)需要使用GPT產(chǎn)品時(shí),通常情況下,需要輸入一段文本,一旦用戶(hù)成功發(fā)送了“作為問(wèn)題的這段文本”給到server,問(wèn)題一次性提交給大模型。
而,大模型返回?cái)?shù)據(jù)的方式是流式的,大模型逐步計(jì)算輸出,server逐字逐句輸出給到前端,前端再通過(guò)打字機(jī)效果展示給用戶(hù)。
在此過(guò)程中,用戶(hù)即便終端聊天,不終止大模型的數(shù)據(jù)輸出。
如下圖所示:
2. AI對(duì)話(huà)的數(shù)據(jù)保存方式
在一次用戶(hù)對(duì)話(huà)交互中,大模型完成所有內(nèi)容輸出后,本輪對(duì)話(huà)的完整數(shù)據(jù),server一次性提交并保存到DB(數(shù)據(jù)庫(kù))。
業(yè)務(wù)數(shù)據(jù)庫(kù)的數(shù)據(jù),可以用于產(chǎn)品的前端展示和其他用途,也可以用于后臺(tái)產(chǎn)品的分析等。
3. AI對(duì)話(huà)的數(shù)據(jù)回顯方式
在不同場(chǎng)景下,數(shù)據(jù)回顯到用戶(hù)界面的方式不一樣。
- 正常界面對(duì)話(huà):打字機(jī)效果逐字顯示;
- 對(duì)話(huà)中斷后:前端輪詢(xún),獲取AI輸出的完整數(shù)據(jù),一旦獲取到,一次性全部展示在前端,非打字機(jī)效果;
- 中斷網(wǎng)絡(luò):可通過(guò)對(duì)話(huà)記錄,查看完整的數(shù)據(jù),一旦獲查看,一次性全部展示在前端,非打字機(jī)效果。
五、產(chǎn)品設(shè)計(jì)方案
1. 中斷場(chǎng)景①:網(wǎng)絡(luò)終端、刷新瀏覽器、關(guān)閉瀏覽器
- 此種場(chǎng)景下,網(wǎng)絡(luò)中斷,當(dāng)前對(duì)話(huà)框關(guān)閉;
- 頁(yè)面刷新后,再次回到JiweiGPT,顯示新的對(duì)話(huà)框;
- 刷新or關(guān)閉前的對(duì)話(huà)窗口收入到對(duì)話(huà)記錄,可切換查看
- 用戶(hù)再次切回原對(duì)話(huà)記錄,能查看原提問(wèn)的完整回答記錄。
2. 中斷場(chǎng)景②:切換瀏覽器頁(yè)簽、切換查看對(duì)話(huà)記錄
- 此種場(chǎng)景下,網(wǎng)絡(luò)未中斷,用戶(hù)未退出程序,只是不在當(dāng)前屏幕上顯示觀看;
- 再次切換回當(dāng)前對(duì)話(huà),顯示原殘缺的不完整的數(shù)據(jù);
- 同時(shí),不可以再次發(fā)送問(wèn)題,AI輸出氣泡有l(wèi)oading,告知用戶(hù)AI正在輸出中;
- 此時(shí),前端需要輪詢(xún),請(qǐng)求服務(wù)端數(shù)據(jù)接口,一旦拉取到完整的回答數(shù)據(jù),一次性顯示在用戶(hù)端的氣泡;
- 此時(shí),用戶(hù)能看到完整AI回答。
六、小結(jié)
通過(guò)以上兩個(gè)場(chǎng)景的需求分析和方案設(shè)計(jì),本文提供了一個(gè)基于實(shí)踐的、有效的解決AI對(duì)話(huà)中斷的交互邏輯方案。
專(zhuān)欄作家
Echo 產(chǎn)品論,微信公眾號(hào):產(chǎn)品經(jīng)理的邏輯與審美,人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家。10年產(chǎn)品經(jīng)驗(yàn),多個(gè)0~1的完整產(chǎn)品經(jīng)歷,前好未來(lái)智能學(xué)習(xí)內(nèi)容產(chǎn)品專(zhuān)家,目前聚焦在AI領(lǐng)域,專(zhuān)研AIGC行業(yè)應(yīng)用產(chǎn)品落地研發(fā),對(duì)產(chǎn)品的邏輯和審美有獨(dú)到的思考。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來(lái)自Unsplash,基于CC0協(xié)議
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
前端的效果可以是一次性給出,也可以打字機(jī)效果。大模型輸出內(nèi)容是流式的,準(zhǔn)確地說(shuō)是逐詞。
大語(yǔ)言模型使用的是一種稱(chēng)為“自回歸”的技術(shù),其中模型逐個(gè)生成輸出文本中的每個(gè)詞,基于已經(jīng)生成的詞來(lái)預(yù)測(cè)下一個(gè)詞。這種技術(shù)允許模型在生成輸出時(shí)考慮整個(gè)句子或段落的上下文,從而生成更加連貫和準(zhǔn)確的文本。
前端交互效果只是效果,你確定數(shù)據(jù)傳輸?shù)臅r(shí)候 是逐字傳輸?shù)穆???♂?
是的
我還跟我們的算法團(tuán)隊(duì)確認(rèn)了一下。你們竟然逐字傳輸…,只能說(shuō) 666.66…6
算法說(shuō):兩種模式,一種是一次性給出全部答案,一種是逐詞給出
嗯,這兩種方式的優(yōu)缺點(diǎn)是啥?