去行动，哪怕栽了跟头，也是扎扎实实把路踩在了脚下。—— 傅行之

Origial: 20+ GenAI UX patterns, examples and implementation tactics 

A shared language for product teams to build usable, intelligent and safe GenAI experiences beyond just the model

NOTE: The content translated by AI Agent which powered by cogito.ai

LLM: deepseek-chat / deepseek

21种生成式AI用户体验设计模式、案例与实施策略

为产品团队提供一套通用语言，打造超越基础模型的可用、智能且安全的生成式AI体验

生成式AI通过基于意图的结果指定，为人类提供了一种全新的系统交互方式。由于生成式AI的输出具有概率性，需要理解其变异性、记忆能力、错误、幻觉及恶意使用等特性，IBM指出建立设计原则和模式变得至关重要。

任何AI产品都是一个分层系统，其中大语言模型(LLM)只是原料之一，真正的魔力来自于记忆系统、流程编排、工具扩展、用户体验设计以及智能体用户流程的协同作用！

本文是我对不断演进的生成式AI设计模式的研究总结，旨在为产品经理、数据科学家和交互设计师提供一套通用语言，以创建以人为本、可信赖且安全的产品。应用这些模式，我们能够弥合用户需求、技术能力和产品开发流程之间的鸿沟。

21种生成式AI用户体验设计模式

1. 判断是否适用生成式AI
2. 将用户需求转化为数据需求
3. 增强还是自动化
4. 定义自动化等级
5. 渐进式AI应用
6. 利用心智模型
7. 明确产品边界
8. 展示思维链(CoT)
9. 利用多版本输出
10. 提供数据来源
11. 传达模型置信度
12. 为记忆与回溯设计
13. 提供上下文输入参数
14. 设计副驾驶/协作编辑/部分自动化
15. 定义用户控制机制
16. 处理用户输入错误状态
17. 处理AI系统错误状态
18. 设计用户反馈收集
19. 设计模型评估机制
20. 设计AI安全护栏
21. 沟通数据隐私与控制

1. 判断是否适用生成式AI

评估生成式AI是提升用户体验还是增加复杂度。通常，基于启发式(IF/Else)的解决方案更易于构建和维护。

适用生成式AI的场景

• 开放式、创造性且能增强用户能力的任务
  例如：撰写提示词、总结笔记、起草回复

• 创建或转换复杂输出(如图像、视频、代码)
  例如：将草图转化为网站代码

• 结构化UX无法准确捕捉用户意图的场景

不适用生成式AI的场景

• 必须精确、可审计或确定性的结果
  例如：税务表格或法律合同

• 用户期望清晰一致的信息
  例如：开源软件文档

应用方法

1. 识别客户旅程中的摩擦点

2. 评估技术可行性：判断AI能否解决该摩擦点。评估规模、数据集可用性、错误风险评估和经济回报率

3. 验证用户预期：

   • 评估系统是增强还是完全取代人力(参考模式3：增强vs自动化)
   • 评估是否违背用户心智模型(参考模式6)

2. 将用户需求转化为数据需求

该模式确保生成式AI开发始于用户意图及实现该意图所需的数据模型。生成式AI系统的优劣取决于训练数据质量，但真实用户表达的是目标、挫折和行为，而非行列数据。如果团队未能将用户需求转化为结构化、模型就绪的输入，最终系统可能优化错误目标导致用户流失。

应用方法

1. 组建跨职能团队(产品经理、设计师、数据科学家)，对齐值得解决的用户问题

2. 通过三角研究定义用户需求：定性(市场报告、问卷调查)+定量(用户访谈、观察研究)+涌现(产品评价、社交聆听)，使用JTBD框架、同理心地图可视化用户情绪，价值主张画布对齐用户收益与痛点

3. 定义数据需求：选择合适的数模，进行差距分析并迭代优化。使用结构化协作确定模型需要的特征、标签、示例和上下文

3. 增强还是自动化

生成式AI应用的关键决策之一是选择完全自动化任务还是增强人类能力。该模式用于对齐用户意图和控制偏好。

自动化最适合用户希望委派的繁琐、耗时或不安全任务。例如：Intercom FinAI自动将长邮件线程总结为内部笔记，节省重复性低价值工作耗时。

增强适用于用户希望保持参与的任务，通过提升效率、创造力和控制力实现。例如：Ableton中的Magenta Studio支持通过创意控制来操纵和创作新音乐。

应用方法

1. 使用同理心地图和价值主张画布等工具评估用户需求和预期

2. 测试验证所选方式是削弱还是增强用户体验

4. 定义自动化等级

在AI系统中，自动化指将多少控制权委托给AI而非用户。这是基于用户痛点、场景上下文和产品预期的战略性UX模式。

自动化等级

1. 无自动化(AI辅助，用户决策)
   AI系统提供建议但用户保留所有决策权。例如：Grammarly高亮语法问题但由用户决定是否接受修正。

2. 部分自动化/副驾驶/协作编辑(AI行动，用户监督)
   AI发起行动或生成内容，但用户可审查干预。例如：GitHub Copilot建议代码，开发者可选择接受、修改或忽略。

3. 全自动化(AI自主行动)
   AI系统基于预定义规则、工具和触发器独立执行任务。生成式AI中的全自动化常被称为智能体系统。例如：Ema能自主研究竞品、生成报告并邮件发送，无需每个步骤都用户提示。

应用方法

1. 评估待自动化任务的风险等级：失败无严重后果的低风险任务(如发送提醒邮件、过滤垃圾邮件)适合自动化；高风险任务(如医疗诊断、关键业务邮件)需要谨慎监督。

2. 根据用户预期选择自动化等级：无自动化、部分自动化或全自动化

3. 设计用户控制机制(参考模式15)

5. 渐进式生成式AI应用

当用户首次接触基于新技术的产品时，常困惑于系统能力边界和交互方式。该多维策略帮助用户逐步适应AI产品，减少错误，匹配用户准备度，提供知情且以人为本的UX。

应用方法

本模式是多个模式的综合应用：

1. 初始聚焦价值传达：避免技术细节，突出AI带来的新价值

2. 简化 onboarding：让用户先体验基础AI功能，再逐步解锁高级功能。例如：Adobe FireFly逐步引导用户从基础到高级AI功能

3. **定义自动化等级(参考模式4)**并渐进提升自主性或复杂度

4. **通过错误设计(参考模式16-17)**提供解释性和信任度

5. **明确数据隐私与控制(参考模式21)**，说明数据收集、存储、处理和保护方式

6. 利用心智模型

心智模型帮助用户预测系统行为，从而影响交互方式。当产品符合用户现有心智模型时，会显得直观易用；当冲突时则导致挫败感或弃用。

例如：GitHub Copilot基于开发者对传统代码自动补全的心智模型，平滑过渡到AI代码建议；Adobe Photoshop通过矩形控制扩展图像的心智模型，整合生成填充功能智能填充新空间。

应用方法

通过提问识别并构建心智模型：

1. 用户旅程是什么？用户试图完成什么？

2. 哪些心智模型已存在？

3. 产品是否打破任何直觉因果关系模式？

4. 若打破现有心智模型，需清晰解释原因。良好onboarding、微文案和视觉提示可弥合差距。

7. 明确产品边界

该模式涉及清晰传达AI模型的能力边界，包括知识范围、功能限制。有助于建立用户信任、设置合理预期、防止误用，并在模型失败或意外行为时减少挫败感。

应用方法

1. 明确声明模型限制：对超出知识领域的问题显示上下文提示。例如：Claude在问题超出知识截止时声明该限制

2. 提供回退方案：当模型无法提供合适输出时。例如：Amazon Rufus被问及非购物问题时回应"仅能协助购物相关问题"

3. 在产品营销、onboarding、工具提示或响应免责声明中可见化限制

8. 展示思维链(CoT)

在AI系统中，思维链提示技术通过模拟人类结构化、逐步的思考过程增强模型解决复杂问题的能力。CoT展示是通过揭示AI推理过程提升透明度的UX模式，培养用户信任，支持可解释性，在高风险或模糊场景中开辟用户反馈空间。

例如：Perplexity展示处理步骤帮助用户理解答案背后的思考过程；Khanmigo AI辅导系统逐步引导学生解题，模拟人类推理增强理解。

应用方法

1. 显示"研究中"、"推理中"等状态传达进度，减少用户不确定感

2. 使用渐进披露：从高级摘要开始，允许用户按需展开细节

3. 提供AI工具透明度：明确显示AI用于生成推荐的外部工具和数据源

4. 展示置信度与不确定性：在相关场景指示AI置信水平并高亮不确定部分

9. 利用多版本输出

由于概率特性，生成式AI对相同输入可能产生不同响应。该模式通过并排展示多个输出来利用变异性，帮助用户创造性探索、比较、优化或做出更符合意图的决策。例如：Google Gemini提供多选项帮助用户探索优化。

应用方法

1. 解释变体目的：帮助用户理解输出差异是提供选择的刻意设计

2. 支持编辑：允许用户评分、选择、混音或无缝编辑输出以塑造结果。例如：Midjourney通过remix功能支持用户调整提示指导变体

10. 提供数据来源

阐明生成式AI应用的数据来源对透明度、可信度和用户信任至关重要。清晰指示AI知识来源帮助用户评估响应可靠性，避免错误信息，在医疗、金融等事实性高风险领域尤为关键。

应用方法

1. 内联引用可信来源：以脚注、工具提示或可折叠链接形式展示。例如：NoteBookLM为答案添加引用并链接到用户上传文档的具体部分

2. 披露训练数据范围：对生成工具(文本、图像、代码)，简要说明模型训练数据包含与排除内容。例如：Adobe Firefly声明其生成填充功能训练数据为版权过期的库存图、公开授权作品和公共领域内容

3. 提供来源级置信度：当多来源贡献时，视觉区分高置信度或更权威的来源

11. 传达模型置信度

AI生成输出具有概率性，准确度可能变化。展示置信度分数传达模型对其输出的确定程度，帮助用户评估可靠性并做出更明智决策。

应用方法

1. 评估场景与决策风险：在医疗、金融等高影响场景展示置信度至关重要；在AI艺术等低风险场景可能增加不必要困惑

2. 选择合适的可视化方式：若研究显示展示置信度有助于决策，选择百分比、进度条或语言限定词("可能"、"不确定")等合适形式。例如：Grammarly使用"可能"等限定词标注生成内容

3. 低置信度时引导用户行动：提供澄清问题或替代选项等路径

12. 为记忆与回溯设计

记忆与回溯是通过存储和复用用户偏好、反馈、目标或任务历史等过去交互信息来提升连续性和上下文感知的重要概念与设计模式。

• 通过记忆过往选择增强个性化
• 减少用户负担，避免重复输入(多步骤或长表单任务场景尤甚)
• 支持复杂任务，如通过引用或基于过往进展的项目规划、学习旅程

记忆可以是临时的(会话内短期)或持久的(跨会话长期)，可能包括对话上下文、行为信号或显式输入。

应用方法

1. 定义用户上下文并选择记忆类型：根据用例选择临时或持久记忆。购物助手可能实时跟踪交互而无需持久化；个人助手则需要长期记忆实现个性化

2. 在用户交互中智能使用记忆：构建基础提示让LLM上下文式回忆和沟通信息(如"上次您偏好轻松语气，要继续使用吗？")

3. 沟通透明度并提供控制：明确说明保存内容，允许用户查看、编辑或删除记忆。例如：ChatGPT提供全面的记忆管理控制

13. 提供上下文输入参数

上下文输入参数通过利用用户特定数据、偏好、过往交互或相似偏好用户数据来定制输入和功能，从而优化用户体验，更快达成用户目标。

应用方法

1. 利用过往交互：基于用户先前输入预填内容(参考模式12：记忆与回溯)

2. 使用自动完成或智能默认值：根据个人和全局使用模式实时提供智能建议。例如：Perplexity基于当前查询线程提供智能下一查询建议

3. 建议交互式UI控件：基于系统预测提供吐司提示、滑块、复选框等定制输入控件。例如：ElevenLabs通过呈现预设支持用户微调语音生成设置

14. 设计副驾驶/协作编辑/部分自动化

副驾驶是AI作为协作助手提供上下文和数据驱动洞察，同时用户保持控制的增强模式。该设计模式在策略、构思、写作、设计或编码等结果主观、用户有独特偏好或需要用户创意输入的领域至关重要。

副驾驶加速工作流、增强创造力并减少认知负荷，但人类保留作者权和最终决策权。

应用方法

1. 嵌入式内联辅助：上下文放置AI建议方便用户接受、拒绝或修改。例如：Notion AI帮助起草、总结和编辑内容，用户控制最终版本

2. 保存用户意图和创意方向：让用户通过目标、语气或示例引导AI，保持作者权和创意方向。例如：Jasper AI允许设置品牌声音和语气指南，使AI输出更符合用户意图

15. 设计用户控制机制

构建UI级机制让用户基于目标、场景或系统故障状态管理或覆盖自动化。没有系统能预测所有用户场景，控制赋予用户能动性，在AI出错时保持信任。

应用方法

1. 使用渐进披露：从最小自动化开始，允许用户逐步选择更复杂或自主的功能。例如：Canva Magic Studio从简单的AI建议(如文本或图像生成)开始，逐步展示Magic Write、AI视频场景等高级工具

2. 提供自动化控制：通过切换开关、滑块或基于规则的设置让用户选择自动化方式和时机。例如：Gmail允许禁用智能撰写

3. 设计自动化错误恢复：AI失败(误报/漏报)时提供纠正。添加手动覆盖、撤销或升级至人工支持选项。例如：GitHub Copilot内联建议代码，开发者可轻松拒绝、修改或撤销不当建议

16. 处理用户输入错误状态

生成式AI系统常依赖解释人类输入。当用户提供模糊、不完整或错误信息时，AI可能误解意图或产生低质量输出。输入错误常反映用户预期与系统理解间的错配，优雅处理对保持信任和流畅交互至关重要。

应用方法

1. 优雅处理拼写错误：当置信度高(如>80%)时使用拼写检查或模糊匹配自动纠正，并微妙显示纠正("正在显示...的结果")

2. 询问澄清问题：当输入太模糊或有多种解释时，提示用户提供缺失上下文。在对话设计中，这类错误发生在意图明确但实体不清时。例如：ChatGPT面对低上下文提示(如"首都是什么？")会追问而非猜测

3. 支持快速纠正：方便用户编辑或覆盖系统解释。例如：ChatGPT在提交的提示旁显示编辑按钮

17. 处理AI系统错误状态

生成式AI输出本质上是概率性的，容易出现从幻觉、偏见到上下文错配等错误。与传统系统不同，生成式AI错误状态难以预测，设计这些状态需要透明度、恢复机制和用户能动性。良好设计的错误状态帮助用户理解AI系统边界并重获控制。

混淆矩阵通过显示以下计数帮助分析AI系统错误：

• 真阳性(正确识别正例)
• 假阳性(错误识别正例)
• 真阴性(正确识别负例)
• 假阴性(未能识别负例)

AI错误与故障状态场景

1. 系统故障(错误输出)
   因数据质量差、偏见或模型幻觉导致误报或漏报。例如：花旗银行反欺诈系统显示"异常交易，卡片已冻结。如是本人操作请验证身份"

2. 系统限制错误(无输出)
   因未训练用例或知识缺口导致的真阴性。例如：开放域QA系统面对训练集外输入时返回"抱歉，信息不足，请尝试其他查询！"

3. 上下文错误(误解输出)
   因解释不当或与用户预期冲突导致的真阳性。例如：用户新设备登录被锁定，AI响应："您的登录尝试因可疑活动被标记"

应用方法

1. 针对不同场景沟通AI错误：使用"这可能不准确"、"这似乎是..."等短语或展示置信水平校准信任

2. 对低置信输出使用模型置信度传达模式

3. 提供错误恢复：系统故障或上下文错误时，提供覆盖、重试或升级问题的清晰路径。例如："尝试不同查询"、"我来优化"或"联系支持"

4. 支持用户反馈：方便报告幻觉或错误输出(详见模式19：用户反馈收集)

18. 设计用户反馈收集

真实世界对齐需要直接用户反馈来改进模型和产品。当人们与AI系统交互时，其行为塑造并影响未来获得的输出，形成系统与用户行为随时间共同适应的持续反馈循环。例如：ChatGPT使用反应按钮和评论框收集反馈。

应用方法

1. 考虑隐式反馈：捕捉跳过、驳回、编辑或交互频率等用户行为，这些被动信号提供有价值的行为线索，可调整推荐或浮现不感兴趣模式

2. 请求显式反馈：通过点赞/点踩、NPS评分组件或行动后快速调查收集直接输入，用于改进模型行为和产品契合度

3. 说明反馈用途：让用户了解其反馈如何塑造未来体验，增加信任并鼓励持续贡献

19. 设计模型评估机制

稳健的生成式AI模型需要在训练期和部署后持续评估，确保模型表现符合预期，识别错误与幻觉，并与用户目标保持一致（高风险领域尤为重要）。

应用方法

改进机器学习系统的三种核心评估方法：

1. 基于LLM的评估（LLM即裁判）
   通过独立语言模型担任自动裁判，可对响应评分、解释推理过程，并标注"有帮助/有害"或"正确/错误"等标签。例如：Amazon Bedrock采用该方法，由Claude 3等可信LLM自动评估输出质量，对比同一提示的两个AI回复并优选，降低98%评估成本的同时加速模型筛选。

2. 启用代码化评估
   针对结构化任务，使用测试套件或已知输出来验证模型表现，特别适用于数据处理、生成或检索场景。

3. 实施人工评估
   在用户界面集成实时反馈机制，允许用户标记输出为有帮助、有害、错误或不清晰（详见模式19：用户反馈收集）。

4. 混合评估方案
   LLM裁判与人工评估结合可将准确率提升至99%。

20. 设计AI安全护栏

AI安全护栏设计指在生成式AI模型中建立实践准则，最大限度减少危害、错误信息、毒性内容和偏见。这是确保以下目标的关键设计：

• 保护用户：防范有害语言、虚构事实、偏见或虚假信息
• 建立信任：当用户确认系统避免仇恨言论和错误信息时，会更频繁使用
• 合规要求：欧盟AI法案等新规要求安全设计，团队必须满足这些标准以保持合法性和社会责任

应用方法

1. 分析与引导用户输入
   当可能引发不安全内容时引导用户。例如：Miko机器人遇到脏话时回应"我不能使用这类语言"。

2. 输出过滤与内容审核
   实时检测并过滤潜在有害输出，在展示前拦截或调整。例如显示提示："此响应已根据安全准则修改"。

3. 主动预警机制
   当涉及敏感或高风险信息时提前警示。例如："此为信息性建议，不能替代医疗指导"。

4. 建立强力反馈渠道
   方便用户举报不安全、偏见或幻觉内容，通过主动学习循环持续改进AI。例如Instagram提供应用内举报选项。

5. 关键信息交叉验证
   对医疗、法律、金融等高危领域，用可信数据库验证AI生成内容（参考模式10：数据来源提供）。

21. 传达数据隐私与控制

该模式确保生成式AI应用清晰说明数据收集、存储、处理和保护方式。由于生成式AI常依赖敏感上下文或行为数据，不当处理会导致用户信任丧失、法律风险或意外滥用。明确的隐私保障沟通让用户感到安全、受尊重且掌控自如。例如Slack AI明确声明客户数据始终由客户掌控，不会用于训练任何AI模型。

应用方法

1. 透明化展示
   AI功能访问用户数据时，明确说明访问内容及原因。

2. 设计选择加入/退出流程
   提供便捷的数据共享偏好切换。

3. 支持数据审查与删除
   允许用户查看、下载或删除历史数据，保持持续控制权。

结语

这些生成式AI用户体验模式是数月研究的成果，直接或间接汲取了顶尖科技公司设计师、研究者和技术专家的洞见，以及Medium、LinkedIn等AI社区的集体智慧。我已尽力注明所有贡献者，但难免存在疏漏。如发现需要补充或修正的内容，请随时联系。

这些模式将随着我们对创建可信、以人为本的AI的认知深化而持续演进。如果您是AI领域的设计师、研究者或开发者，欢迎使用、质疑、重构这些模式并贡献您的创见。也欢迎在评论区留下建议。如需合作完善本框架，请通过文末方式与我联系。

（注：为符合中文技术文档阅读习惯，译文在保持专业性的同时：

1. 使用"心智模型"等专业术语对应"mental models"
2. 采用四字短语如"交叉验证"增强专业性
3. 保留"LLM"等通用缩写但首次出现加注说明
4. 案例说明保持具体产品名称如"Slack AI"
5. 复杂概念如"混淆矩阵"保留专业表述并补充解释
6. 长句按中文习惯切分为短句，保持技术文档的简洁性）

问题清单

1. 使用 Deepseek的模型，一次没有翻译完，直接截断了（截断点： “2. 启用基于代码的评估：对结构化任务，使用测试套件或已知输出验证模型性能(数据处理”）

LLM: gemini-2.5-flash-preview-05-20 / vertex

20+ GenAI UX模式、示例与落地策略

为产品团队构建超越模型本身的可用、智能、安全的生成式AI体验提供通用语言。

生成式AI（GenAI）引入了一种全新的人机交互方式，其核心在于以意图为导向的结果规范。然而，GenAI也带来了新的挑战，因为其输出具有概率性，需要我们理解其变异性、记忆、错误、幻觉以及潜在的恶意使用。正因如此，构建IBM所阐述的原则和设计模式变得至关重要。

更重要的是，任何AI产品都是一个分层系统，其中大型语言模型（LLM）仅是其一。真正的“魔法”在于记忆、编排、工具扩展、用户体验以及智能体用户流程的协同构建！

本文旨在研究并记录不断演进的生成式AI设计模式，旨在为产品经理、数据科学家和交互设计师提供一套通用语言，以创造出以人为本、值得信赖且安全的产品。通过应用这些模式，我们能够有效弥合用户需求、技术能力与产品开发流程之间的鸿沟。

以下是21种GenAI用户体验模式

1. 是否使用GenAI
2. 用户需求转化为数据需求
3. 增强或自动化
4. 定义自动化程度
5. 渐进式AI采纳
6. 利用心智模型
7. 传达产品局限性
8. 展示思维链（CoT）
9. 利用多重输出
10. 提供数据来源
11. 传达模型置信度
12. 设计记忆与召回机制
13. 提供上下文输入参数
14. 设计副驾驶、协同编辑或部分自动化
15. 定义用户自动化控制
16. 设计用户输入错误状态
17. 设计AI系统错误状态
18. 设计用户反馈捕获机制
19. 设计模型评估
20. 设计AI安全护栏
21. 沟通数据隐私与控制

1. 是否使用GenAI

评估GenAI是否能改善用户体验或引入复杂性。通常，基于启发式（IF/Else）的解决方案更易于构建和维护。

GenAI有益的场景

• 开放式、创造性并能增强用户的任务。 例如：撰写提示、总结笔记、起草回复。

• 创建或转换复杂输出（例如：图像、视频、代码）。 例如：将草图转换为网站代码。

• 结构化用户体验无法捕捉用户意图的场景。

应避免使用GenAI的场景

• 结果必须精确、可审计或确定性的任务。 例如：税务表格或法律合同。

• 用户期望获得清晰一致信息的场景。 例如：开源软件文档。

如何使用此模式

1. 确定客户旅程中的痛点。

2. 评估技术可行性： 确定AI是否能解决该痛点。评估规模、数据集可用性、错误风险以及经济投资回报率（ROI）。

3. 验证用户期望：

   • 通过评估系统是增强人类工作还是完全取代人类工作（如模式3“增强与自动化”所述），来确定AI解决方案是否会侵蚀用户期望。
   • 确定AI解决方案是否会侵蚀模式6“心智模型”。

2. 用户需求转化为数据需求

该模式确保GenAI的开发始于用户意图，并围绕实现该意图所需的数据模型展开。 GenAI系统的优劣取决于其训练数据。然而，真实用户不会用行和列来表达，他们表达的是目标、痛点和行为。如果团队未能将用户需求转化为结构化、可供模型使用的输入，那么最终的系统或产品可能会优化错误的结果，从而导致用户流失。

如何使用此模式

1. 作为跨职能团队，产品经理（PM）、产品设计师和数据科学家应协作并就值得解决的用户问题达成一致。

2. 通过多源研究定义用户需求： 结合定性研究（市场报告、调查问卷）+ 定量研究（用户访谈、观察性研究）+ 新兴研究（产品评论、社交媒体倾听等），并利用“待办事项（JTBD）”框架、同理心地图（可视化用户情绪和视角）以及价值主张画布（将用户收益和痛点与产品功能对齐）来综合用户洞察。

3. 通过选择合适的数据模型、执行差距分析并根据需要迭代优化数据模型来定义数据需求和文档。一旦理解了“为什么”，就要将其转化为模型所需的“是什么”。你的AI模型需要哪些特征、标签、示例和上下文才能学习这种行为？通过结构化协作来找出答案。

3. 增强或自动化

GenAI应用中的一个关键决策是：是完全自动化任务，还是增强人类能力。使用此模式，使技术与用户意图和控制偏好保持一致。

自动化最适用于用户倾向于委托的任务，特别是当这些任务繁琐、耗时或不安全时。例如：Intercom FinAI能自动将冗长的邮件线程总结为内部笔记，从而节省了重复性、低价值任务的时间。

增强则能提升用户希望继续参与的任务，通过提高效率、增加创造力和控制力。例如：Ableton的Magenta Studio支持创意控制，以操作和创作新音乐。

如何使用此模式

1. 利用同理心地图（可视化用户情绪和视角）和价值主张画布（理解用户收益和痛点）等研究综合工具，评估用户需求和期望，以选择最佳方法。

2. 测试并验证该方法是侵蚀了用户体验还是增强了用户体验。

4. 定义自动化程度

在AI系统中，自动化指的是将多少控制权委托给AI而非用户。这是一种战略性用户体验模式，用于根据用户痛点、上下文场景和产品期望来决定自动化程度。

自动化程度

1. 无自动化（AI辅助但用户决策）

   AI系统向用户提供协助和建议，但所有决策均由用户做出。例如：Grammarly会突出语法问题，但用户决定接受或拒绝更正。

2. 部分自动化/副驾驶/协同编辑（AI在用户监督下行动）

   AI发起行动或生成内容，但用户根据需要进行审查或干预。例如：GitHub Copilot建议代码，开发者可以接受、修改或忽略。

3. 完全自动化（AI独立行动）

   AI系统无需用户干预即可执行任务，通常基于预定义的规则、工具和触发器。GenAI中的完全自动化通常被称为智能体系统。例如：Ema可以自主规划和执行多步骤任务，如研究竞争对手、生成报告并发送邮件，而无需用户在每个步骤进行提示或干预。

如何使用此模式

1. 评估要自动化的用户痛点及所涉风险： 自动化任务在风险较低、失败后果不严重的情况下最为有效。发送自动提醒、促销邮件、过滤垃圾邮件或处理常规客户查询等低风险任务，可以在最小的负面影响下实现自动化，同时节省时间和资源。而医疗诊断、发送业务关键邮件或执行金融交易等高风险任务，则需要仔细监督，因为一旦发生错误可能会造成重大损害。

2. 评估并设计特定自动化级别： 根据用户期望和目标，评估用户痛点应属于“无自动化”、“部分自动化”还是“完全自动化”。

3. 定义用户自动化控制（参见模式15）

5. 渐进式GenAI采纳

当用户初次接触基于新技术的产品时，他们通常会好奇系统能做什么、不能做什么，它是如何工作的，以及他们应该如何与它互动。

该模式提供了一种多维度策略，旨在帮助用户上手AI产品或功能、减少错误、与用户准备度保持一致，从而提供知情且以人为本的用户体验。

如何使用此模式

该模式是许多其他模式的集大成者。

1. 从一开始就侧重于沟通益处： 避免深入探讨技术细节，突出AI如何带来新价值。

2. 简化上手体验： 让用户在被要求提供数据共享偏好之前体验系统的价值，首先提供对基本AI功能的即时访问。鼓励用户稍后注册以解锁高级AI功能或分享更多细节。例如：Adobe FireFly逐步引导用户从基础到高级的AI功能。

3. 定义自动化程度（参见模式4） 并逐步增加自主性或复杂性。

4. 通过设计错误（参见模式16和17） 提供可解释性和信任。

5. 沟通数据隐私和控制（参见模式21） 以清晰传达用户数据如何被收集、存储、处理和保护。

6. 利用心智模型

心智模型帮助用户预测系统（网页、应用程序或其他类型产品）将如何工作，从而影响他们与界面交互的方式。当产品与用户现有的心智模型保持一致时，它会让人感觉直观且易于采纳。当两者冲突时，可能会导致挫败感、困惑或放弃。

例如：GitHub Copilot建立在开发者对传统代码自动补全的心智模型之上，从而简化了向AI驱动代码建议的过渡。

例如：Adobe Photoshop通过整合其“生成式填充”功能，在用户熟悉的矩形控制扩展图像的方法上进行构建，智能地填充新创建的空间。

如何使用此模式

通过提问来识别并建立现有心智模型：

1. 用户旅程是什么？用户试图做什么？

2. 可能已存在哪些心智模型？

3. 此产品是否打破了任何直观的因果模式？

4. 你是否正在打破现有的心智模型？如果是，请清楚解释原因和方式。良好的上手引导、微文案和视觉提示可以帮助弥合差距。

7. 传达产品局限性

该模式涉及清晰传达AI模型能做什么和不能做什么，包括其知识边界、能力和局限性。

这有助于建立用户信任，设定适当的期望，防止滥用，并减少模型失败或行为异常时的挫败感。

如何使用此模式

1. 明确说明模型局限性： 当知识过时或缺乏实时数据时，显示上下文提示。例如：Claude在问题超出其知识范围时会说明其知识截止日期。

2. 当模型无法提供合适输出时，提供备用方案或升级选项。 例如：当被问及与购物无关的问题时，Amazon Rufus会说“它无法访问事实信息，只能协助处理与购物相关的问题和请求”。

3. 在产品营销、上手引导、工具提示或响应免责声明中使局限性可见。

8. 展示思维链（CoT）

在AI系统中，思维链（CoT）提示技术通过模仿人类更结构化、循序渐进的思维过程，增强了模型解决复杂问题的能力。

CoT展示是一种用户体验模式，通过揭示AI如何得出结论来提高透明度。这有助于培养用户信任，支持可解释性，并为用户反馈提供空间，特别是在高风险或模糊不清的场景中。

例如：Perplexity通过展示其处理步骤来增强透明度，帮助用户理解答案背后的思考过程。

例如：AI辅导系统Khanmigo逐步引导学生解决问题，模仿人类推理以增强理解和学习。

如何使用此模式

1. 显示“正在研究”、“正在推理”等状态，以传达进度，减少用户不确定性，并让等待时间感觉更短。

2. 使用渐进式披露：从高层次摘要开始，允许用户根据需要展开详细信息。

3. 提供AI工具透明度：清晰显示AI用于生成推荐的外部工具和数据源。

4. 显示置信度与不确定性：指示AI的置信度水平，并在相关时突出不确定性。

9. 利用多重输出

由于其概率性，GenAI可以对相同的输入产生不同的响应。该模式通过并排呈现多个输出来利用这种变异性。展示多样化的选项有助于用户进行创造性探索、比较、优化或做出更符合其意图的决策。例如：Google Gemini提供多种选项，帮助用户探索、优化和做出更好的决策。

如何使用此模式

1. 解释变异的目的： 帮助用户理解输出之间的差异是故意的，旨在提供选择。

2. 启用编辑： 允许用户无缝地对输出进行评分、选择、混音或编辑，以塑造结果并提供反馈。例如：Midjourney通过混音功能帮助用户调整提示并指导其变体和编辑。

10. 提供数据来源

在GenAI应用程序中阐明数据来源对于透明度、可信度和用户信任至关重要。清晰地指出AI知识的来源有助于用户评估响应的可靠性并避免错误信息。

这在医疗保健、金融或法律咨询等高风险事实领域尤为重要，因为决策必须基于经过验证的数据。

如何使用此模式

1. 内联引用可信来源： 将来源显示为脚注、工具提示或可折叠链接。例如：NoteBookLM为其答案添加引用，并将每个答案直接链接到用户上传文档的相关部分。

2. 清晰披露训练数据范围： 对于生成工具（文本、图像、代码），提供关于模型训练数据和未包含数据的简单解释。例如：Adobe Firefly披露其生成式填充功能是基于图库图片、开放许可作品和版权已过期的公共领域内容进行训练的。

3. 提供源级别置信度： 在多个来源贡献的情况下，视觉上区分置信度更高或更权威的来源。

11. 传达模型置信度

AI生成的输出具有概率性，准确性可能有所不同。显示置信度分数可以传达模型对其输出的确定程度。这有助于用户评估可靠性并做出更明智的决策。

如何使用此模式

1. 评估上下文和决策风险： 显示模型置信度取决于上下文及其对用户决策的影响。在医疗保健、金融或法律咨询等高风险场景中，显示置信度分数至关重要。然而，在AI生成艺术或讲故事等低风险场景中，置信度可能不会增加太多价值，甚至可能引入不必要的困惑。

2. 选择合适的视觉化方式： 如果设计研究表明显示模型置信度有助于决策，那么下一步就是选择合适的视觉化方法。百分比、进度条或口头限定词（“可能”、“不确定”）可以有效地传达置信度。合适的视觉化方法取决于应用程序的使用场景和用户熟悉度。例如：Grammarly对其生成的内容使用“可能”等口头限定词，并与用户一起。

3. 在低置信度场景下引导用户行动：提供前进路径，例如提出澄清问题或提供替代选项。

12. 设计记忆与召回机制

记忆与召回是一个重要的概念和设计模式，它使AI产品能够存储和重用过去交互的信息，例如用户偏好、反馈、目标或任务历史，以提高连续性和上下文感知能力。

• 通过记住过去的偏好或选择来增强个性化。

• 通过避免重复输入请求来减轻用户负担，特别是在多步骤或长流程任务中。

• 通过引用或基于过去的进展，支持项目规划、学习旅程等复杂任务。 用于访问信息的记忆可以是瞬时的（会话内短期）或持久的（跨会话长期），并且可能包括对话上下文、行为信号或显式输入。

如何使用此模式

1. 定义用户上下文并选择记忆类型

   根据使用场景选择瞬时记忆、持久记忆或两者兼有。购物助手可能实时跟踪交互，而无需为未来的会话持久化数据，而个人助手则需要长期记忆以实现个性化。

2. 在用户交互中智能地使用记忆

   为LLM构建基础提示，以便在上下文中召回和沟通信息（例如：“上次您偏好更轻快的语气。我应该继续那样吗？”）。

3. 沟通透明度并提供控制

   清晰地传达正在保存的内容，并允许用户查看、编辑或删除存储的记忆。将“删除记忆”设置为可访问的操作。例如：ChatGPT在其平台上提供广泛的控制，允许用户随时查看、更新或删除记忆。

13. 提供上下文输入参数

上下文输入参数通过简化用户交互并更快地达到用户目标来增强用户体验。通过利用用户特定数据、用户偏好或过去的交互，甚至来自具有相似偏好的其他用户的数据，GenAI系统可以调整输入和功能，以更好地满足用户意图和决策。

如何使用此模式

1. 利用先前的交互： 根据用户之前输入的内容预填充输入。参见模式12，“记忆与召回”。

2. 使用自动完成或智能默认值： 当用户输入时，根据个人和全局使用模式提供智能、实时的建议。例如：Perplexity根据您当前的查询线程提供智能的下一个查询建议。

3. 建议交互式UI小部件： 根据系统预测，提供定制的输入小部件，如提示、滑块、复选框，以增强用户输入。例如：ElevenLabs允许用户通过显示预设或默认值来微调语音生成设置。

14. 设计副驾驶、协同编辑或部分自动化

副驾驶是一种增强模式，AI作为协作助手，提供上下文和数据驱动的洞察，同时用户保持控制。这种设计模式在策略、构思、写作、设计或编码等领域至关重要，因为这些领域的成果具有主观性，用户有独特的偏好，或者用户的创意输入至关重要。

副驾驶能加快工作流程，增强创造力并减轻认知负担，但人类保留了创作权和最终决策权。

如何使用此模式

1. 嵌入内联辅助： 将AI建议放置在上下文中，以便用户可以轻松接受、拒绝或修改它们。例如：Notion AI帮助您起草、总结和编辑内容，同时您控制最终版本。

2. 保存用户意图和创意方向： 允许用户通过目标、语气或示例等输入来指导AI，从而保持创作权和创意方向。例如：Jasper AI允许用户设置品牌声音和语气指南，帮助AI输出更好地匹配用户意图。

15. 定义用户自动化控制

构建UI层面的机制，允许用户根据用户目标、上下文场景或系统故障状态来管理或覆盖自动化。

没有系统能预测所有用户上下文。控制权赋予用户自主权，即使AI出错也能保持信任。

如何使用此模式

1. 使用渐进式披露： 从最少的自动化开始，并允许用户随着时间的推移选择更复杂或更自主的功能。 例如：Canva Magic Studio从简单的AI建议（如文本或图像生成）开始，然后逐步揭示高级工具，如Magic Write、AI视频场景和品牌声音定制。

2. 赋予用户自动化控制权： 使用切换开关、滑块或基于规则的设置等UI控制，让用户选择何时以及如何控制自动化。例如：Gmail允许用户禁用智能撰写。

3. 设计自动化错误恢复： 当AI失败时（假阳性/假阴性），为用户提供纠正措施。添加手动覆盖、撤销或升级到人工支持的选项。例如：GitHub Copilot内联建议代码，但开发者可以轻松拒绝、修改或撤销不合适的建议。

16. 设计用户输入错误状态

GenAI系统通常依赖于解释人类输入。当用户提供模糊、不完整或错误的信息时，AI可能会误解其意图或产生低质量的输出。

输入错误通常反映了用户期望与系统理解之间的不匹配。优雅地处理这些错误对于维持信任和确保顺畅交互至关重要。

如何使用此模式

1. 优雅处理拼写错误： 当置信度较高（例如，>80%）时，使用拼写检查或模糊匹配自动更正常见的输入错误，并巧妙地显示更正（例如，“显示…的搜索结果”）。

2. 提出澄清问题： 当输入过于模糊或有多种解释时，提示用户提供缺失的上下文。在对话设计中，当意图明确但实体不清晰时，会出现这类错误。了解更多关于实体和意图的信息。例如：当ChatGPT收到“首都是什么？”等低上下文提示时，它会提出后续问题，而不是猜测。

3. 支持快速更正： 方便用户编辑或覆盖您的解释。例如：ChatGPT在提交的提示旁边显示一个编辑按钮，允许用户修改其输入。

17. 设计AI系统错误状态

GenAI的输出本质上具有概率性，并可能出现从幻觉和偏见到上下文不匹配等各种错误。

与传统系统不同，GenAI的错误状态难以预测。设计这些状态需要透明度、恢复机制和用户自主权。一个设计良好的错误状态可以帮助用户理解AI系统的边界并重新获得控制。

混淆矩阵有助于分析AI系统错误，并通过显示以下计数来洞察模型的性能：

• 真阳性（正确识别阳性案例）
• 假阳性（错误识别阳性案例）
• 真阴性（正确识别阴性案例）
• 假阴性（未能识别阴性案例）

AI错误和故障场景

1. 系统故障（错误输出）

   由于数据质量差、偏见或模型幻觉导致假阳性或假阴性。例如：花旗银行金融欺诈系统显示消息：“异常交易。您的卡已被冻结。如果这是您本人操作，请验证您的身份。”

2. 系统局限性错误（无输出）

   由于未经训练的使用案例或知识空白导致真阴性。例如：当ODQA系统收到训练数据集之外的用户输入时，会抛出以下错误：“抱歉，我们没有足够的信息。请尝试不同的查询！”

3. 上下文错误（误解输出）

   由于解释不佳或与用户期望冲突而导致用户困惑的真阳性属于上下文错误。例如：当用户从新设备登录时被锁定。AI回复：“您的登录尝试被标记为可疑活动。”

如何使用此模式

1. 针对各种场景沟通AI错误： 使用“这可能不准确”、“这看起来像……”等短语，或显示置信度水平以帮助校准信任。

2. 对于低置信度输出，使用传达模型置信度模式。

3. 提供错误恢复： 在系统故障或上下文错误的情况下，提供清晰的覆盖、重试或升级问题的路径。 例如：使用“尝试不同的查询”、“让我优化一下”或“联系客服”等前进方式。

4. 启用用户反馈： 方便报告幻觉或不正确的输出。阅读更多关于模式19的信息：设计用户反馈捕获机制。

18. 设计用户反馈捕获机制

真实世界的对齐需要直接的用户反馈来改进模型，进而改进产品。当人们与AI系统交互时，他们的行为会塑造和影响未来收到的输出。因此，创建了一个持续的反馈循环，系统和用户行为都会随着时间的推移而适应。例如：ChatGPT使用反应按钮和评论框来收集用户反馈。

如何使用此模式

1. 考虑隐式反馈： 捕获用户行为，如跳过、关闭、编辑或交互频率。这些被动信号提供了宝贵的行为线索，可以调整推荐或揭示不感兴趣的模式。

2. 请求显式反馈： 通过点赞/点踩、NPS评分小部件或操作后的快速调查来收集直接的用户输入。利用这些信息来改进模型行为和产品契合度。

3. 沟通反馈的使用方式： 让用户知道他们的反馈如何塑造未来的体验。这会增加信任并鼓励持续贡献。

19. 设计模型评估

健壮的GenAI模型在训练期间和部署后都需要持续评估。评估能确保模型按预期运行，识别错误和幻觉，并与用户目标保持一致，特别是在高风险领域。

如何使用此模式

有三种关键的评估方法可以改进机器学习系统。

1. 基于LLM的评估（LLM作为评判者）： 一个独立的语言模型充当自动化评判者。它可以对响应进行评分，解释其推理，并分配标签，如有用/有害或正确/不正确。 例如：Amazon Bedrock使用LLM作为评判者的方法来评估AI模型的输出。一个独立的、可信的LLM，如Claude 3或Amazon Titan，会自动审查和评估响应的帮助性、准确性、相关性和安全性。例如，比较对同一提示的两个AI生成回复，并由评判模型选择更好的一个。这种自动化将评估成本降低高达98%，并加速模型选择，而无需依赖缓慢、昂贵的人工审查。

2. 启用基于代码的评估： 对于结构化任务，使用测试套件或已知输出验证模型性能，特别是对于数据处理、生成或检索。

3. 捕获人工评估： 集成实时UI机制，供用户将输出标记为有用、有害、不正确或不清楚。阅读更多关于模式19的信息：设计用户反馈捕获机制。

4. LLM作为评判者和人工评估的混合方法能将准确性大幅提升至99%。

20. 设计AI安全护栏

设计AI安全护栏意味着在GenAI模型中构建实践和原则，以最大程度地减少伤害、错误信息、有害行为和偏见。这是一个关键的考量因素，旨在：

• 保护用户和儿童免受有害语言、虚假事实、偏见或错误信息的影响。

• 建立信任和采纳：当用户知道系统避免仇恨言论和错误信息时，他们会感到更安全，并更愿意经常使用它。

• 道德合规：欧盟AI法案等新法规要求安全的AI设计。团队必须符合这些标准才能保持合法和社会责任。

如何使用此模式

1. 分析并引导用户输入： 如果提示可能导致不安全或敏感内容，引导用户进行更安全的交互。例如：当Miko机器人遇到脏话时，它会回答“我不允许接受这种语言”。

2. 过滤输出并审核内容： 使用实时审核来检测和过滤潜在有害的AI输出，在显示给用户之前将其阻止或重构。例如：显示一条注释，如：“此响应已根据我们的安全指南进行了修改。”

3. 使用主动警告： 当用户接近敏感或高风险信息时，巧妙地通知他们。例如：“这仅供参考，不能替代医疗指导。”

4. 创建强有力的用户反馈机制： 方便用户报告不安全、有偏见或幻觉的输出，通过主动学习循环随时间直接改进AI。例如：Instagram提供应用内选项，供用户报告伤害、偏见或错误信息。

5. 交叉验证关键信息： 对于高风险领域（如医疗保健、法律、金融），通过可信数据库支持AI生成的输出，以捕捉幻觉。参见模式10，“提供数据来源”。

21. 沟通数据隐私与控制

该模式确保GenAI应用程序清晰传达用户数据如何被收集、存储、处理和保护。

GenAI系统通常依赖敏感的、上下文的或行为数据。处理不当可能导致用户不信任、法律风险或意外滥用。清晰地沟通隐私保护措施有助于用户感到安全、受尊重并拥有控制权。例如：Slack AI明确表示客户数据仍归客户所有和控制，并且不用于训练Slack或任何第三方AI模型。

如何使用此模式

1. 显示透明度： 当GenAI功能访问用户数据时，显示对正在访问的内容及其原因的解释。

2. 设计选择加入和选择退出流程： 允许用户轻松切换数据共享偏好。

3. 启用数据审查和删除： 允许用户查看、下载或删除其数据历史记录，赋予他们持续的控制权。

结论

这些GenAI用户体验模式是一个起点，它们代表了数月研究的成果，直接或间接地吸收了来自领先科技公司以及Medium和LinkedIn上更广泛的AI社区中知名设计师、研究人员和技术专家的见解。 我已尽力引用并致谢贡献者，但肯定有所遗漏。如果您发现有应注明或扩展之处，请随时联系。

此外，随着我们对如何创建值得信赖、以人为本的AI有了更多了解，这些模式注定会不断发展和演进。如果您是从事AI设计、研究或构建的专业人士，请采纳这些模式，挑战它们，重新组合它们，并贡献您自己的见解。同时，请在评论中告诉我您的建议。如果您希望与我合作进一步完善此内容，请随时与我联系。

Appendixex - A

1. intent-based outcome specification - https://www.nngroup.com/articles/ai-paradigm/ 
2. essential need to build principles and design patterns - https://dl.acm.org/doi/10.1145/3613904.3642466#sec-3 
3. AI product is a layered system - https://www.linkedin.com/posts/balajivi_most-people-still-cant-tell-the-difference-activity-7328857230278123520-52_N?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAPfVd4BN_HlyZmqgQC5wP-wQBgEIDjdSxs 

Appendixes - Prompts

1. The Agent's system prompts:

               
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
               ## Core Identity and Purpose
You are a professional English-to-Chinese translation specialist with native-level fluency in both languages. Your primary function is to provide accurate, natural, and culturally appropriate translations that read as if they were originally written in Chinese by a native speaker. You understand the nuances of Chinese culture, writing conventions, and communication styles.

## Translation Principles

### 1. Accuracy and Fidelity
- Preserve the complete meaning and intent of the original English text
- Maintain the author's tone, style, and communicative purpose
- Never omit, add, or alter information unless necessary for cultural adaptation
- Flag any ambiguous passages that could have multiple interpretations

### 2. Natural Chinese Expression
- Produce translations that sound natural to native Chinese speakers
- Use appropriate Chinese idioms, phrases, and expressions
- Follow Chinese syntactic patterns and discourse structures
- Ensure proper rhythm and readability in Chinese

### 3. Cultural Localization
- Adapt Western cultural references for Chinese audiences
- Use culturally appropriate examples and metaphors
- Consider Chinese social norms and communication styles
- Balance faithful translation with cultural accessibility

## Translation Process

### Step 1: Source Analysis
Before translating, analyze:
- Text register (formal/informal, academic/popular, technical/general)
- Target Chinese audience (mainland/Taiwan/Hong Kong, age group, education level)
- Cultural context and Western references
- Communicative function and tone

### Step 2: Target Variety Selection
Choose appropriate Chinese variety:
- **Simplified Chinese (简体中文)**: For mainland China audience
- **Traditional Chinese (繁體中文)**: For Taiwan, Hong Kong, overseas communities
- **Neutral Chinese**: Avoiding region-specific terms when possible

### Step 3: Register and Style Adaptation
Match appropriate Chinese register:
- **书面语 (Written/Formal Chinese)**: For academic, official, literary texts
- **口语化书面语 (Colloquial Written Chinese)**: For casual, conversational content
- **网络语言 (Internet Language)**: For social media, informal digital content

## Specific Guidelines

### Grammar and Syntax

#### 1. Sentence Structure
- Adapt from English SVO to Chinese topic-comment structure when natural
- Use appropriate Chinese conjunctions and discourse markers
- Break long English sentences into shorter, more natural Chinese segments
- Employ Chinese parallel structures and rhythmic patterns

#### 2. Tense and Aspect
- Convert English tenses to Chinese aspect markers (了、过、着、正在)
- Use time expressions appropriately (刚才、已经、将要、正在)
- Handle English perfect tenses with Chinese completion markers

#### 3. Voice and Modality
- Adapt English passive voice to active Chinese constructions when natural
- Use appropriate Chinese modal expressions (可能、应该、必须、会)
- Handle English subjunctive mood with Chinese conditional structures

### Vocabulary and Expression

#### 1. Idiomatic Translation
- Replace English idioms with equivalent Chinese expressions
- Use four-character idioms (成语) when appropriate and natural
- Employ Chinese proverbs (谚语) for equivalent English sayings
- Example: "It's raining cats and dogs" → "下大雨" or "倾盆大雨"

#### 2. Cultural Adaptation
- Convert Western measurements to metric when appropriate
- Adapt cultural references (holidays, food, customs) for Chinese context
- Use Chinese examples instead of Western ones when possible
- Explain Western concepts unfamiliar to Chinese audiences

#### 3. Formality Levels
- **极正式 (Extremely Formal)**: Official documents, academic papers
- **正式 (Formal)**: Business communication, news articles
- **半正式 (Semi-formal)**: Educational content, professional blogs
- **非正式 (Informal)**: Social media, casual conversation
- **亲密 (Intimate)**: Personal messages, family communication

### Specialized Translation Strategies

#### 1. Technical and Academic Texts
- Use established Chinese technical terminology
- Create consistent terminology throughout the document
- Provide explanations for new or complex concepts
- Follow Chinese academic writing conventions

#### 2. Literary and Creative Texts
- Preserve literary devices and rhetorical effects
- Adapt metaphors and symbolism for Chinese cultural context
- Maintain rhythm and style appropriate to Chinese literary traditions
- Balance creativity with fidelity to original meaning

#### 3. Business and Marketing Content
- Adapt persuasive strategies for Chinese business culture
- Use appropriate Chinese business terminology
- Consider Chinese consumer psychology and values
- Ensure cultural appropriateness of marketing messages

#### 4. Legal and Official Documents
- Use precise Chinese legal terminology
- Follow Chinese legal document formats
- Maintain accuracy while ensuring comprehensibility
- Note jurisdictional differences when relevant

## Cultural Considerations

### 1. Social Hierarchy and Politeness
- Use appropriate honorific language (敬语)
- Adapt direct English expressions to more indirect Chinese styles
- Consider face-saving language (给面子文化)
- Use appropriate forms of address and titles

### 2. Chinese Philosophical and Cultural Concepts
- Integrate relevant Chinese cultural values naturally
- Use concepts like 和谐、平衡、中庸 when appropriate
- Reference Chinese history or classics when it enhances understanding
- Avoid forcing Western individualistic concepts into collectivist framework

### 3. Regional Variations
- **Mainland China**: Use simplified characters, mainland terminology
- **Taiwan**: Use traditional characters, Taiwan-specific terms
- **Hong Kong**: Use traditional characters, consider Cantonese influence
- **Singapore/Malaysia**: Consider local Chinese community preferences

## Output Format

### Standard Translation
Provide clean Chinese translation without additional formatting unless requested.

### Complex Text Translation
For challenging content:
"""
**译文：**
[Your Chinese translation]

**注释：**
- [Cultural adaptation explanations]
- [Technical term clarifications]
- [Alternative translation options]
"""

### Technical/Academic Content
Include terminology notes when needed:
"""
**译文：**
[Your Chinese translation]

**术语表：**
- English Term 1 → 中文术语1：解释
- English Term 2 → 中文术语2：解释
"""

## Quality Standards

Your translation should meet these criteria:
- ✅ Reads naturally to native Chinese speakers
- ✅ Preserves original meaning and intent completely
- ✅ Uses appropriate register and formality level
- ✅ Culturally appropriate and accessible
- ✅ Follows Chinese writing conventions
- ✅ Maintains consistent terminology and style

## Common English-Chinese Translation Challenges

### 1. Articles (a, an, the)
- Omit when Chinese doesn't require specificity
- Use demonstratives (这、那) when definiteness is crucial
- Use measure words appropriately

### 2. Pluralization
- Use context to determine if plurality needs explicit marking
- Use quantifiers (一些、很多、若干) when appropriate
- Avoid redundant plural markers

### 3. Pronoun Usage
- Reduce pronoun frequency (Chinese prefers noun repetition)
- Use appropriate formal pronouns in formal contexts
- Handle gender-neutral pronouns appropriately

### 4. Logical Connectors
- Use Chinese discourse markers naturally
- Avoid over-explicit logical connections
- Follow Chinese preferences for implicit relationships

### 5. Emphasis and Stress
- Use Chinese intensifiers (很、非常、极其)
- Employ Chinese emphatic structures
- Use repetition and parallel structure for emphasis

## Error Prevention

### Avoid These Common Mistakes:
- Direct word-for-word translation (Englishized Chinese)
- Inappropriate register mixing
- Overuse of pronouns
- Ignoring Chinese cultural context
- Inconsistent terminology
- Unnatural sentence rhythms

### Self-Check Questions:
1. "Would a Chinese native speaker write it this way?"
2. "Is this culturally appropriate for Chinese readers?"
3. "Does the register match the context and audience?"
4. "Are technical terms consistently translated?"
5. "Does the text flow naturally in Chinese?"

## Special Handling Instructions

### When You Encounter:
- **Culture-specific references**: Adapt with brief explanation if needed
- **Wordplay or puns**: Recreate the effect in Chinese or explain the original
- **Proper names**: Use established Chinese translations or transliterate appropriately
- **Sensitive topics**: Handle with appropriate cultural sensitivity
- **Ambiguous meanings**: Choose most contextually appropriate interpretation

### Response Protocol:
- Prioritize naturalness while maintaining accuracy
- Ask for clarification if source text is genuinely ambiguous
- Provide alternatives for significantly different valid interpretations
- Maintain consistent quality regardless of source text complexity

Remember: Your role is to make English content fully accessible and natural for Chinese readers while preserving the original's essence, impact, and communicative purpose. Think like a Chinese writer creating original content, not like a translator converting between languages.

               COPY
             

**NOTES: **

1. The above prompts are generated by "Claude Sonnet 4 / Anthropic", and corresponding prompts as follows:

               
1
2
3
4
5
6
               You are an expert system prompt engineer.

Now, I want to build one translation agent which can translate Chinese to native English.

however, I am one beginner for writing prompts and I don't know how to write system prompt for LLM.
helping me writes the system instructions as detail as possible. MUST following the best practices

               COPY