“自从打开了研究AI Agent的大门，最近的脑洞越来越大了”
一、用户故事
在每次准备开启一段旅程之时，我每每须要搜集大量的信息。从目的地的基本情形到各个景点的详细先容，从当地的交通办法到特色美食，每个细节都须要逐一理解。 为了让行程更加有序和充足，我还会详细地方案每天的行程，天生详尽的攻略。
然而，这个过程并非轻松愉快的。每次完成攻略的制订，我觉得自己已经在脑海中嬉戏了一遍，非常怠倦。这种怠倦不仅仅是身体上的，更是生理上的。花费大量的韶光和精力去策划旅行，使得我体验旅行本身的乐趣在一定程度上被削弱。
然而如果没有攻略，在陌生的环境里，我会没有安全感，这时我常常在想如果有一个能遵照我大存问见的机器人帮我写攻略就好了。
（2022年自己动手做的旅游行程图）
二、需求转化
我将自己做攻略的流程进行了梳理：
确定目的地：综合兴趣、韶光、预算等成分。网络信息：通过多种渠道，理解目的地的各方面情形。制订行程：详细安排每天的活动，包括游览景点和交通办法。安排住宿：依据预算和需求选择得当的住宿。安排交通：选择适宜的交通工具并合理安排韶光。行程日程：天生的攻略在行程开始后以逐日待办的形式推送到谈天框。三、AI旅游助理设计1. 认识AI Agent在开始正式设计助理前，我们首先要理解是AI Agent，我愿将其称为你在大模型市场上认领的孩子，你见告他，你想他成为谁，你指引他成为这个人须要运用哪些技能，他会在实践中积累履历。
（什么是AI Agent）
2. 设计角色
你是一个专业的旅游小助手（是谁），你十分熟习如何开启一段舒适的旅程，旅行开始前你善于做嬉戏目的地选择、行程方案、攻略制作；行程中你会根据攻略对用户进行动态提醒、行程安排提示。你的任务是根据用户的提问或上传的信息，供应旅程方案，帮助用户方案一段舒适的旅途。你应该：
1. 根据提问推举得当的旅游目的地
2. 在剖析时考虑多个方面的成分：出行韶光、行程天数、当地景点推举嬉戏
3. 始终遵守法律和道德规范，不供应任何造孽、恶意或有害的信息。
4. 在不愿定或超出知识范围的情形下，明确奉告用户你的局限性。
（AI 旅游助理产品截图）
3. 技能运用
查找攻略能力：基于公开网页查找优质攻略。
输出行程能力：根据提出韶光基于时长，日期-韶光-活动标题-活动内容为框架，形成逐日行程。
查找交通工具能力：根据给出的韶光、出发点和终点、航班/火车，基于公开网页查询详细班线，获取账号授权后即可下单。
查找住宿能力：根据给出的韶光、目的地，基于公开网页查询详细酒店，获取账号授权后即可下单。
发起流程的能力：根据场景对话，可以通过措辞发起流程。
4. 初始履历积累
我们完成一个AI Agent的基本角色扮演后，我们就该当给他输入一些真实天下里的履历之谈，在旅游助手里场景里我的履历之谈紧张是攻略选择以及行程日程，那我们就以这两个流程作为初始履历植入到流程中。这里的初始履历积累，还可以将本地或者云真个知识库投喂给到助理，让他理解更全局的事变，我在设计过程中有点点偷
发起选择流程：基于过往履历，如果我们几个小伙伴一起商量旅游目的地的时候，我们可能会有投票，我们可以通过谈天就交给AI Agent处理啦。
（发起接龙投票）
发起日程流程：虽然行程前准备很充分，但是，行程开始之后每次都要打开攻略做二次确认也太烦了，我们完备可以将终极做好的攻略以待办的形式提醒我啦。
（创建日程功能）
四、设计总结
在设计旅游助手的过程中，从产品经理视角出发，用户思维、构造化思维和系统思维，在设计AI Agent的过程中具有非常主要的辅导意义。
1. 用户思维
用户思维强调从用户的角度出发，理解并知足其实际需求。在设计AI Agent时，运用用户思维紧张表示在以下几个方面：
1、角色代入：设计师需深入理解AI Agent做事的目标用户群体，仿照其身份、情境和痛点，真正站在用户的角度去思考问题。例如，如果AI Agent是为客服场景设计，那么设计师就须要设想自己是一名面对各种问题的客户，以此来确定Agent应具备哪些功能、如何与用户交互等。
2、问题搜集与提问：广泛网络用户可能碰着的问题，构建全面且具有代表性的问题库。通过不断向AI Agent提问，测试其回答的准确度、干系性及用户体验，确保Agent能有效办理各种用户问题。同时，根据提问结果调度Agent的答案策略，如优化答案内容、改进答案呈现办法等。
3、正向反馈机制：建立有效的用户反馈机制，鼓励用户对AI Agent的回答给予评价或建议。设计师应积极剖析这些反馈，对Agent进行持续迭代优化，不断提升用户满意度。
2. 构造化思维
构造化思维旨在将繁芜的问题或任务分解为清晰、有序的部分，便于理解和处理。在AI Agent设计中，利用构造化思维紧张表示在以下步骤：
1、需求拆解：将场景需求细化为详细的AI Agent功能点，如问答能力、对话管理、情绪识别等，并明确各功能之间的关系及优先级。
2、输入-演习-反馈模型：按照这一模型组织AI Agent的设计与开拓流程。首先，定义和网络高质量的演习数据（输入），包括用户问题、对应答案以及高下文信息等；其次，利用机器学习算法对Agent进行演习，使其具备解答问题的能力；末了，通过实际运用中的用户互动网络反馈，评估Agent性能，并据此调度模型参数或更新演习数据，形成闭环优化。
3. 系统思维
系统思维哀求设计师从整体视角核阅AI Agent在繁芜环境中的运行情形，尤其是面向企业（B端）场景时，需充分考虑与其他系统间的交互与集成问题：
1、权限管理：AI Agent可能须要访问企业内部的各种系统和数据源，因此在设计时必须考虑权限掌握，确保Agent在合法授权范围内操作。这包括对接口调用的权限验证、对敏感数据的访问掌握等。
2、数据入库：对付须要持久化存储的用户交互数据或Agent天生的数据，须要设计合理的数据入库方案。考虑数据表构造设计、数据洗濯与转换规则、数据同步机制等，确保数据准确、完全地入库。
3、数据权限：在涉及多用户、多角色的环境中，数据权限管理尤为主要。设计师应明确不同用户或角色对数据的查看、编辑、删除等权限，避免数据透露或被不当利用。同时，对付AI Agent自身产生的数据（如用户行为日志、Agent学习状态等），也需设定相应的访问权限，便于运维职员监控Agent运行状况，进行故障排查或性能优化。
本文由 @是湘湘呀 原创发布于大家都是产品经理。未经作者容许，禁止转载
题图来自Unsplash，基于CC0协议
该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。