# 💡 Summary
1. 过去app内的功能是一棵s固定的结构树。 现在chat里可以实现qlink。跟随需求灵活获取这棵树的不同部分。类似与各种即时生成的快捷指令
汤道生：元宝要招聘的产品经理，和以前确实不太一样——Lori比较喜欢用“AI策略产品经理”这个词。他们要懂得模型能力的边界，懂得如何引导模型给出产品想要的结果。模型产品与传统应用还是有很多不同之处，如何进行需求设计，如何评测效果，如何平衡不同目标之间相互影响，需要新思维方式，积累一些新技能。这些和我们以前做的社交类、工具类产品差异比较大，但可能比较像做搜索服务。因为搜索也涉及很多垂直领域的信息整理，对内容理解与排序，它只有一个输入框——你可以随便问，但结果却可以千差万别，没有绝对标准，质量难以评测
# 🧩 Cues
| 模式 | 原则 | 解释 | |
| ----------------------- | ----------- | ------------------------------------------------------------------------------------------------------------------------- | --- |
| **1 混合对话模型为核心的信息交互与呈现** | 多模态结构化呈现 | 当 AI 识别复杂信息或数据需求时，回复自动转化为 卡片、表格、图表 等结构化形式。这确保了信息的高效吸收和最佳理解效率。 | ✅ |
| | 嵌入式输入增强 | 在对话流中，嵌入如日历选择器、下拉菜单、表单等临时 GUI 组件。这不仅能约束用户输入，更大幅提高了特定信息的录入效率和准确性。 | ✅ |
| | 跳出文本流 | 通过新开窗口页承载更多的信息，比如扩展文本或者实时预览程序效果。 | ✅ |
| | 局部操作性 | 通过按钮、选择器等组件，将抽象的指令或下一步操作直接在对话中引导，使用户通过点击而非打字即可完成复杂操作。 | |
| **2 上下文管理与记忆的能力感知** | 主动引用与确认 | AI 在回复中显示引用用户先前提供的关键信息、偏好或假设，以向用户确认当前的记忆状态和连贯性。例如："根据您上次提到的偏好，我为您找到..." | |
| | 意图切换与识别 | 当用户突然从一个话题切换到另一个不相关的话题时，AI会明确提示对话主题已切换，并产生相关询问话术。比如："好的，我们现在开始讨论新话题。我已将您之前的旅行计划保存。" | |
| | 行为预判 | 在回答结束后，提供用户最可能做的下一步操作（如："继续追问"、"换个角度重写"、"总结为要点"），将对话转化为工作流。 | ✅ |
| | 历史内容操作 | 用户可以方便地回顾、编辑或删除过去的对话记录，并且可以对重要对话进行标记或命名。比如：聊天历史列表、对话主题分类（如"工作项目A"、"旅行计划B"）。 | |
| | 对话分类管理与自动命名 | 根据对话的首个 Prompt 或主要内容，自动为对话命名，并支持用户在侧边栏对会话进行搜索、分类和归档。（如"2025年Q4营销报告草稿"），并在侧边栏支持搜索和分类 | |
| **3 建立可信度与透明度的用户感知** | 增加信任感 | 对于知识性或事实性的回答，提供明确的来源链接或引用，增强回复的可信度。比如：回复下方的小字链接，点击可跳转到原始网页或数据库。 | ✅ |
| | 模型能力说明 | 明确告知用户AI当前具备的能力范围（如可以搜索、可以联网、可以生成图片等），避免用户给出超出能力范围的指令。比如"首页的功能介绍卡片、对话开始前的能力声明"。 | |
| | 建立反馈机制 | 提供便捷的通道让用户直接纠正错误回复或提供反馈，这既是产品改进的途径，也是增强用户控制感的方式。比如"回复气泡旁边的点赞/踩"或"报告错误"按钮。 | ✅ |
| | 免责声明 | 在关键任务或敏感领域（如医疗、金融）给出明确的风险提示，或明确告知 AI 的知识截止日期和联网能力状态。 | ✅ |
| **4 提示词的效率设计** | 输入易用性 | 占据核心位置，支持多行输入（非单行），具有清晰的发送按钮，并支持拖拽文件进行多模态输入。 | ✅ |
| | 输入预测性 | 实时联想与补全，根据用户正在输入的内容，AI实时预测用户的意图或后续的完整问题，供用户点击确认。比如：输入框下方的联想词或一键完成问题的提示。在用户输入过程中，实时预测用户可能的问题或指令，提供一键完成或纠错建议，提高输入效率。 | |
| | 输入引导与模板 | 在输入框上方或首页提供高频场景的 Prompt 模板（如"帮我写一封邮件"、"总结这篇文章"），降低用户的Prompt门槛。多模态引导，支持语音输入并实时转文字，支持拖入 PDF/图片/文档作为提问的上下文，提供清晰的输入切换图标。 | ✅ |
| **5 生成过程的等待设计** | 提供预期：流式反馈 | AI 边思考边输出，文字以人说话的速度逐字显示，将等待时间转化为信息吸收时间。从发送指令到出现第一个字也需要时间，用极简的 Loading 动效（如闪烁光标）来覆盖这段"空窗期"，避免用户感知卡顿。 | ✅ |
| | 过程透明化：状态可见 | 外显 AI 当前所处的思考状态，比如"正在检索资料..."、"正在思考..."。当合适且有价值时，将任务拆解后的阶段性过程展示出来，像 live coding 一样，每一步都有对应的状态反馈，让用户清楚感知到系统正在推进，而不是"黑盒生成"。 | ✅ |
| | 增加控制感：可中断生成 | 在 AI 开始输出后，提供清晰可点的"停止 / 中断生成"按钮。当用户发现方向不对或已获得足够信息时，可以随时打断生成，避免时间和认知成本的浪费，强化"我在掌控过程"的感觉。 | ✅ |
# 🪞Notes
