GitHub首席工程师：别再逼着用户跟AI聊天了！

AI 产品的交互必须是对话和聊天吗？

每当本文作者跟人聊起 ChatGPT，她就忍不住大喷特喷，对 chatbot 的用户界面毫无保留地进行一番批评。

这对她而言是常态，过去几个月里她对无数人表达了类似的观点和看法。自从 ChatGPT 爆火之后，她内心设计师的一面就充满了表达欲。

所以她写作本文，探讨 Chatbot 不会成为用户界面的未来的几点原因。

作者 Amelia Wattenberger 是 GitHub 的首席研究工程师，她是 GitHub 实验项目 GitHub Next 的核心成员之一，参与开发了 GitHub Copilot 的诸多功能。她的自我介绍是「生活在 Web 开发、设计和数据可视化的交汇处。」

GitHub Next 是 GitHub 内部的一支实验性质团队，使用新技术开发能够帮助 coder 提高生产力、升级生产方式的新工具和新产品。

Founder Park 对内容进行了编译，有删减。

对话没有预设用途

用户不知道它能做什么

预设用途（affordance）：又被翻译为功能可供性、可操作暗示、直观功能等，原本是心理学概念，意指人知觉到的内容是事物提供的行为可能，而事物提供的这种行为可能就被称为 affordance，比如原始人看到树棍会觉得它具有武器的属性。在 UI 设计领域，比如 app 的登陆按钮，就有一种「进入」的预设用途。

当我面对 ChatGPT 先知时，我看到一张茫然的脸。它知道什么？我该如何提问？当它回应时，它又那么自信，我无法确定它是否真正理解了我的问题或者这些信息来自何处。

好的工具会清楚地告诉我们如何使用它。更重要的是，告诉我们不应该如何使用。比如一双手套，它以手的形式展现出来，所以我们会把它戴在手上。

材料的特点也会告诉我们更多信息，金属网格的手套会保护我们防止物理伤害，橡胶手套是防止化学伤害，皮革手套很适合骑摩托的时候戴。

相较而言，在一个典型的聊天界面上，我们唯一得到的提示是应该在文本框中输入字符。界面看起来与 Google 搜索框、登录表单，付款表单没什么不一样。

当然，用户花时间就能学习到哪些 Prompt 效果好，哪些不好。但了解哪些 Prompt 有效的代价，仍然由每个用户承担。而这些内容原本可以直接融入界面中。

提示太难写了

它可以变成 UI 的一部分吗？

LLM 太简单了：我们把文本发送给它们，它们就会返回文本。

它简单到就像是在产品上糊一层纸一样解决包装问题。

但很快，我们就会厌倦整天打字。

仔细想想，你在提示中输入的所有内容都是上下文的一部分。

我们看一个 Prompt 教学的案例：

你是谁：我想让你充当解梦师。

你应该如何回复：我将向你描述我的梦，你根据梦中出现的符号和主题提供解释。

你不应该如何回复：不要提供关于做梦人的个人意见或假设。

你应该如何回复 ：只需要根据给定的信息提供事实解释。

我们应该如何开始：我的第一个梦是被一只巨型蜘蛛追赶。

就算提示工程再怎么普及，这仍然是一个复杂的工作。

我们怎么才能让用户更轻松地给出上下文信息呢？

我正在研究一种辅助用户写作的 AI 界面。像一位优秀的写作导师一样，它会在需要改进的内容方面提供一些建议，例如「让这个过渡更流畅」或「在这里添加一些具体的例子」。

但并不是所有的作家都有相同的目的！不是所有内容都有相同的受众或口吻。

为了更好地定制个性化回复，我为用户添加了一些控件，让他们指定使用情境：需要类型的写作？人物有谁？整体风格应该是什么感觉？……

如果一定要使用聊天对话的界面，我们也可以将操作简化。

最近，我的团队发布了一个名为 Copilot for Docs 的原型产品，这个工具探索了一些使技术文档更便于为开发人员使用的方法。

我认为它可以分为两部分：

找到与用户问题最相关的信息，并使用这些信息综合成一个答案。

当我们形成一个答案时，我们可以根据特定的提问者定制不同的答案。

作为对这个想法第一次粗略探索，我们添加了一些滑块：

菜鸟程序员肯定不想拿到一个资深程序员才能理解的回答。（静态文本已死！准备好迎接这样的未来吧！）

作为 Copilot for Docs 的开发者，我们很清楚它最擅长什么，以及什么样的信息会导向最有用的回复。我们花时间将尽可能多的信息嵌入到界面中，而不是让用户绞尽脑汁地将其破解到他们提问的每个问题中。

滚来滚去

累死了

自然语言对于概括的方向很好用：比如“把我送到正确的街区”这种。但一旦ChatGPT做出了回应，我该如何让它把我带到正确的房子前面去？

假设你要求 ChatGPT 帮助你提高写作水平。以《瓦尔登湖》中的这一段作为例子:

我一直认为瓦尔登湖是一个做生意的好地方，不仅仅是因为靠近铁路和冰贸易；它还提供了其他可能不透露出来的优势；它是一个优良港口，有不错的基础。没有涅瓦沼泽需要填平；尽管必须在每个地方自己打桩。据说洪水、西风和涅瓦河的冰会将圣彼得堡从地球表面扫除。

我们要求 ChatGPT「让这段文字更好」。它回复道：

我相信瓦尔登湖为商业提供了一个充满前景的机会，不仅因为它靠近铁路和冰贸易，还因为其他未公开的优势。它拥有优良的港口设施和坚实的基础，无需像涅瓦河沼泽那样进行广泛的沼泽填充。然而，我们应该谨慎对待所有独特的好处。值得注意的是，圣彼得堡也面临着被洪水、西风和涅瓦河的冰摧毁的风险。

接下来，我们让它「用更生动的语言重写这段文字」。它回复道：

我将瓦尔登湖视为一个非常出色的商业目的地，不仅因为它靠近铁路和冰贸易，还因为它提供了其他未显现的优势。它拥有出色的港口设施和坚实的基础，无需像涅瓦河沼泽那样进行广泛的沼泽填充。但是，必须谨慎地揭示这些得天独厚的优势。此外，也不得不认清圣彼得堡面临的危险：洪水、西风和涅瓦河的冰可能会使这座城市消失。

即使这个例子相对来说并不长，要弄清楚这三段有哪些不同也需要花费不少精力。

我们被迫在回复之间来回滚动，逐行阅读。

作为一个一直在思考 AI 如何帮助编辑代码或润色文章的人，我认为它必须提供一个跟踪修改，并能够以更实用的方式提供反馈的系统。

问一个问题等半天

创作的 flow 都没了

以画家作画作为例子。画家会有两个动作：

1、近距离在画板画布上绘画；

2、拉开距离欣赏成果，进行评估和下一步规划。

这样的流程——实践和评估的循环，适用于任何「手艺」，比如编程和写作。

好的工具应该让用户自由在实践和评估之间切换。

当我使用 chatbot 时，我被迫频繁地在两种模式之间切换：我问一个问题（实践），然后阅读一个回答（评估）。每隔几秒我就得停下来阅读它的回复，这让我失去了 flow 的状态。

等待回复也是 chatbot 的一个负面因素。

作为开发人员，一个冗长的编译循环时需要耗费我大量的时间和耐心，以至于我经常找不到正常的节奏和流程。

Chatbot 也是一样。

把工具交给人

让用户发挥价值

内容消费趋势是：更短、更有冲击感。

人们有几分钟空闲时，他们会打开 TikTok 看一个化妆视频。睡觉前的几分钟，很多人也会在 Twitter 刷当天一两百字的热门推文。

我看到大多数使用大模型构建的产品，都把我们在这条路上又向前推了一把：当 AI 可以写篇文章时，我们为什么要写？当 AI 可以编写代码时，我们为什么要思考编写的逻辑？

当我尝试使用这些新产品时，我就像电影《机器人总动员》中的人类一样被「传送」进去。我的大脑变得无意识，只会按下那个神奇的魔法按钮或猛击 Tab 键。而当我最终从这种僵尸状态中惊醒时，我一点也不喜欢我创造的东西。

在我看来，任务需要多少人工输入有一个频谱：

当一个任务主要依靠人工输入时，人类掌控着局面。他们是做出关键决策的人，而且很明显，他们最终对结果负责。

但一旦我们将大部分工作转移到机器上，人类就不再掌控局面了。在无人区里，人类仍然需要做出决策，但他们无法控制结果。在频谱的远端，用户感觉自己像是机器操作员：他们只要按下按钮，机器就会完成工作。操作机器也不需要太多技巧。

自动化任务对于不需要人类输入的例行工作将是惊人的。但是，如果这些任务只能部分自动化，那么界面就非常关键。

我希望看到更多的工具，而不是操作的机器 —— 我们应该拥抱我们的人性，而不是盲目地提高效率。我们应该让人们更灵巧地使用 AI 工具，而不是成为 AI 生成内容的审查员。

我相信真正改变游戏规则的产品，与简单的内容生成关系不大。

我们应该构建一些真正能够提供建议来帮助我们清晰思考的工具。比如通过操纵潜在空间中的几何（一种使用AI生成给定数据集的新变体的技术）来塑造文学作品，通过幕后链接模型（结合使用多个AI模型）让我们更容易地在视频而非像素中操纵视觉内容。

以上，希望这些内容能说服你 Chatbot 是大模型糟糕的用户界面。至少我们可以为 Chatbot 界面添加一些控件、信息和提示，让它们更方便使用。

我迫不及待地想看到这个领域变得更加成熟，并开始创造能够包含我们人类能力的 AI 工具。

---

文章发出后，在技术社区 Hacker News 上引发了大量讨论，Founder Park 整理了部分讨论信息。

以下各要点来自不同的评论者。

作者观点评价

• 「好的工具会清楚地告诉我们如何使用它」，我觉得这句话很奇怪，编程语言很少对如何使用它们有意见。例如，我想「取消我的订阅」，我的下标被取消就可以了，我不需要弄清楚子菜单中的哪个子菜单具有神奇的「结束订阅」按钮。
• 如果认为 ChatGPT 是一个「先知」的话，那态度就已经错了。它是一个工具，如果都不知道如何使用这个工具，就不要再抱怨不喜欢它了。如果连如何使用工具都不知道，那产生垃圾结果是必然的事情。
• 我认为像 ChatGPT 这样的界面引人注目的首要特质就是：你不需要知道如何使用它，只需使用你已经充分掌握的人类语言。如果你不明白它说的话，让它解释一下就可以。从本质上讲，它使预设用途功能过时了。
• 这不是一个很有说服力的论点，Copilot for Docs 中的滑块或其他任何东西都不会取代 Chatbot，而只是稍微扩展 Chatbot，如果 Chatbot 继续改进的话，这些滑块之类的东西压根无用。
• 「希望我已经说服你，Chatbot 对大模型来说是一个糟糕的界面」，我对此没有疑问。只是我依然不同意，而且这篇文章没有提到的是「Chatbot 不是未来」。Chatbot 对大模型来说确实是一个糟糕的界面，但它一定能成为我必须访问的 top3 网站中占据一席之地。
• 我认为这篇文章的重点是聊天并不是 AI 真正通用的用途。AI 的强大无可置疑，只是文章想说明自由形式的对话没有未来。作者并不是说 GPT 毫无用处，而是说我们还没有把它放在最佳环境中。这也是为什么每个人都对「提示工程」感兴趣的原因，因为它可以更好地帮助我们利用 AI。最大的用户价值仍将比我们现在拥有的开放式聊天UI高出一个级别。

  对话是未来吗？

• 我认为 Chatbot 是未来，但作者的观点依然有效。它确实不提供预设用途，但是 Chatbot 提供了一种以前不可能的渐进式披露和直接交互形式。之前的工具栏和菜单提供了预设用途，但用户仍然需要知道调用什么内容以及使用它们的顺序。比如「我想将此文件作为 PDF 通过电子邮件发送，同时打印」这个指令在聊天 UX 中可能比在基于菜单的 UX 中容易得多。
• 我认为作者的观点非常正确。Chatbot 根本无法做任何事情，空文本输入也无法引导用户了解它能做什么，以及它擅长什么。仅仅因为系统有一个大模型可以与之交互，并不意味着它会突然支持用户想要完成的任何所需操作。
• 聊天不是一个通俗优秀的界面。但这是一个很好的默认形式，因为它是完全自由的。使用大模型为当前的任务设计用户界面应该很容易。
• 与上下文相关的建议选项（只需单击一下即可操作）以及自由格式输入框将成为常态。人们期待和所有 APP 聊天。他们将看到一个输入框，所有 APP 可以理解自然语言并以最有用的方式响应。

• 某种程度上自由格式文本输入比结构化输入更好。
  

  一个例子是：人们更喜欢用简单的搜索框，而不是复杂的高级搜索表单，更不要说过去的门户网站。
  不过用户会对 Chatbot 期望很高，当你要求它解释它的推理时，大模型永远不知道它为什么要解释它所做的事情，但它无论如何都会试图给出一个合理的解释。虽然错误，但仍然能够帮助用户了解他们之前不知道 Chatbot 能做的事。

  未来 AI 形态设想

• 我认为未来的界面是生活的智能助手，它可以给我们工作和生活上的建议。推动这些建议的是所有个人数据，以及用户可以用自然语言提供给助手的目标和价值观。我们将生活在一个 AI 和人类共同生活并携手做出决策的世界。
• 未来可能是即时生成根据用户学习的偏好定制的前端。动机源于人类是糟糕的学习者，这样完全省去了学习新界面风格的麻烦。在极限情况下，有可能实时生成一个完整的世界，实现扎克伯格的梦想——一个完全孤独的 matrix。
• 如果遥远的未来（100 年之后）出现了能够使用口语交谈的合成人形生物，那么 Chatbot 就只是人类通往与 AI 进行更高级通信形式道路上的一个途径点。

---

关注 Founder Park，我们将持续推出更全面更深度的大模型相关讨论与报道。

如果你有投身大模型创业的想法，欢迎加入我们的大模型相关领域交流群，来一起探讨大模型时代创业的共识和认知。

长按识别二维码填写入群申请表

关于交流群：

在 ChatGPT 发布后，我们迎来了一个全新的创业时代，似乎又回到了移动互联网早期——大量产品的方向和定义还不清楚的时代，我们希望把更多愿意思考和有创业意向的人聚集在一起，连接更多大模型领域的 doer（实干家），让更多有价值的认知在这里流动、碰撞、凝结，孵化出更多优秀的产品和项目。

Founder Park 计划搭建一个大模型相关领域的交流社区，面向有志于在大模型相关领域创业的创业者、产品经理、工程师、学者及投资人，围绕大模型相关创业的新项目、新赛道进行交流探讨。

在这里，你可以获得大模型相关领域的最新动态、高质量的对话交流，结识更多高净值的创业人群，同时，极客公园也会为优秀的项目提供资金、人才及其他资源的支持。

---

更多阅读

转载原创文章请添加微信：geekparker‍