设计一个对话式的 AI 用户界面，以下要点需要注意：
请使用用户熟悉的词语、短语和概念，而不是内部术语。遵循现实世界的惯例，使信息呈现出自然和逻辑的顺序。Perplexity选择的用词很容易理解，因为他们使用了人类对话的心理模型。像“Ask follow-up…”这样的文字是对话式的。这是一个提示，让你采取一步行动，展示了Perplexity的价值：能够利用你第一个问题的上下文快速优化你的网络搜索结果。这一切似乎很简单，但要选择正确的措辞却很难。结果是一个更易接近、不那么令人生畏的产品。它以一种以前没有人能够匹敌的自然方式。Jakob Nielsen：你的设计方式很大程度上取决于你的具体用户。对你和同事来说显而易见的术语、概念、图标和图片，对用户来说可能是陌生的或令人困惑的。当设计的控件遵循现实世界的惯例并与期望的结果相对应（称为自然映射），用户更容易学习和记住界面的工作方式。这有助于构建一种直观的体验。Tips：确保用户能够理解单词的含义，而无需去查阅字典。永远不要假设你对单词或概念的理解会与用户的匹配。用户研究将揭示用户熟悉的术语，以及他们对重要概念的心智模型。Super黄：toC的产品是给用户用的，自然就要让用户看得懂你的每一个文字，给人用的，请记得说人话。哄哄模拟器就会非常明确的告诉你要做啥！
API非常擅长与人类甚至自己进行对话。只需几行指令，我们就可以看到API作为智能客服聊天机器人，不会感到慌乱，而是能够智能地回答问题，或者作为一个机智的对话伙伴，制造笑话和双关语。关键在于告诉API它应该如何行事，然后提供一些例子。这就是创建一个能够进行对话的聊天机器人所需的全部。在其简单性的背后，有几件值得关注的事情：1.我们告诉API意图，但我们也告诉它如何行事。就像其他提示一样，我们提示API表示什么，但我们还添加了另一个关键细节：我们明确告诉它如何与短语“助手乐于助人，有创意，聪明且非常友好”交互。如果没有这个指令，API可能会偏离轨道，模仿它正在与之交互的人，并变得讽刺或其他我们想要避免的行为。2.我们给API赋予一个身份。在开始时，我们让API作为一个AI助手回答。虽然API没有内在的身份，但这有助于它以尽可能接近真相的方式进行回答。您可以在其他方面使用身份创建其他类型的聊天机器人。如果您告诉API以生物学研究科学家的身份回答，您将得到类似于该背景下所期望的智能和周到的评论。为了创建一个有趣且有些有用的聊天机器人，我们提供几个问题和答案示例，向API展示如何回复。只需要几个讽刺性的回应，API就能掌握模式并提供无数挖苦人心的反应。[heading2]转换[content]API是一种语言模型，熟悉各种用于表达信息的单词和字符的方式。这包括自然语言文本、代码以及英语以外的其他语言。该API还能够理解内容，从而使其能够总结、转换并以不同的方式表达它。[heading2]翻译[content]在此示例中，我们展示了如何将API从英语转换为法语、西班牙语和日本语：这个例子之所以有效，是因为API已经掌握了这些语言，所以无需尝试教授它们。如果您想将英文翻译成API不熟悉的一种语言，则需要提供更多示例甚至[微调模型](https://platform.openai.com/docs/guides/fine-tuning)才能流利地完成。
我们习惯于通过明确的指令让AI执行具体任务，比如“帮我写一个排序函数”或“生成一个API接口”。这种方法简单直接，但也浪费了AI更大潜力的发展机会。[heading3]对话式编程[content]相比之下，“对话式编程”鼓励我们与AI进行深度互动。与其直接命令AI编写一个函数，不如和它讨论背后的需求：“这个功能是否真的必要？”、“符合MVP的标准吗？”、“有没有更简洁或更高效的实现方式？”通过这种对话，AI不仅提供代码实现，还能为我们带来更多创意和优化的可能。[heading3]AI带来的编程转变：从想法到实现的协同探索[content]通过前面的探讨，我们意识到AI的强大之处在于它不仅能帮我们解决代码问题，还能从想法到实现全程协助。想象一下，有了一个创新产品的想法——在过去，我们可能需要找专业开发者来实现，或者自己花费大量时间学习编程。而在今天，只需描述你的想法，AI不仅能生成相应代码，还能帮助我们验证需求、优化实现路径，甚至根据用户反馈进行功能迭代。因此，我们可以对AI编程的发展进行这样的总结：注意事项：虽然AI降低了编程门槛，但初学者仍需谨慎使用。过度依赖AI可能导致基础知识的缺失，影响长期的编程能力发展。建议将AI作为学习工具，而不是完全替代传统学习方法。到此，我们已经从四个不同的视角阐述了与AI相处的方式。接下来，我们将进一步探索——在具备这些技能的基础上，与AI相处时还需要注意哪些问题？