设计对话用户体验的建议
适用于此 Power Platform Well-Architected 的体验优化清单建议：
| XO:10 | 设计符合用户需求的对话，帮助人工智能实现其目标。 明确人工智能能做什么。 创建自然的交互，让人感觉直观，就像与人打交道。 提供后备机制，确保人工智能能从容应对问题。 |
|---|
本指南介绍了在工作负载中为人工智能对话设计用户体验的建议。 对话设计是在用户和人工智能之间创建结构化、直观和自然对话的过程。 对话设计可以使与人工智能对话的交互更直观、更高效，减少用户的挫败感，并帮助用户更快地完成任务，从而大大提升用户体验。
关键设计策略
对话设计包括精心设计交互流程，以确保人工智能理解用户意图、有效响应并引导用户实现目标。 良好的对话设计能让交互感觉更像人类、更无缝，从而增强用户体验。 因此，用户参与度和满意度会增加。 当您为自己的工作负载创建对话式人工智能时，应致力于开发类似人类、用户友好的交互，以促进自然交流并帮助用户高效实现目标。
解释人工智能的能力
直截了当地说明人工智能的能力，帮助确保用户了解人工智能的功能。 例如，如果人工智能只能执行特定任务，那么从一开始就要让用户了解这一限制。 确保用户理解为什么人工智能会建议特定的操作或产生特定的结果。 为人工智能的建议提供解释，帮助用户取得成功，并增加他们对人工智能能力和准确性的信任。
就人工智能的能力进行清晰的沟通，有助于管理用户的期望值，防止不切实际的假设，最大限度地减少失望和挫折感。 这样一来，用户体验将更加积极。 对自身优势和局限性保持透明的人工智能系统能增强用户对技术的信心并建立信任。 这种信任对于用户参与和满意度至关重要。
了解人工智能的具体能力可以提高可用性，因为用户可以更有效地引导交互，更高效地使用人工智能。 明确人工智能的能力可以减少沟通失误，因为用户不太可能提出超出人工智能范围的请求。 这种方法可以减少潜在的挫折感和死胡同。
理解用户意图
理解用户意图是对话设计的基石，因为它直接影响到人工智能满足用户请求和驾驭复杂对话的能力。 准确捕捉意图可确保人工智能不仅能理解用户的要求，还能以直观且与用户需求相关的方式做出响应。
当人工智能识别出用户意图并做出适当回应时，就能创造出更自然、更无缝的对话，减少挫败感，并帮助用户更高效地完成目标。 正确的意图识别可确保人工智能理解用户输入背后的目的，即使措辞或术语有所不同，也能帮助人工智能避免死胡同。 交互过程保持流畅，人工智能会主动引导用户找到解决方案、提出建议或采取进一步行动，最终使对话更有效、更令人满意。
首先确定用户希望完成的事情。 确定工作负荷的关键意向，并设计与这些意向匹配的目标交互。 研究用户行为、偏好和上下文线索，预测用户可能传达意图的各种方式。
优化人工智能解释输入的方式
任何会话式人工智能的核心都是准确解释和理解人类语言的能力。 这种能力涉及自然语言理解 (NLU)，它使人工智能能够辨别用户的意图，即使用户以非常规或多样的方式表达他们的请求。 用户通常以自然、非结构化的方式进行交流。 人工智能系统的设计不仅要能处理结构化命令，还要能处理开放式问题和非正式语言。 为确保人工智能能够驾驭这些复杂情况并提供准确、相关的回复，优化人工智能解释用户输入的方式至关重要。
预测用户可能以各种方式表达他们的请求，并调整人工智能的回复结构以适应不同的意图。 例如，让人工智能既能处理结构化命令，也能处理开放式问题，以确保用户感觉自己被理解了，无论他们如何表述自己的请求。 设计人工智能的回复，以反映人类的自然交流。 人工智能的回复应具有对话性和语境感知性，以反映人们通常的互动方式。
对于较为复杂的用户输入，可将对话分解为易于管理的步骤。 通过一系列问题或操作来引导用户，帮助他们解决问题，同时又不至于让他们不知所措。 如果用户提供的请求涉及多个信息，则您应该指导用户一步一步完成这一过程。 这种方法可避免一次向用户提出过多问题，并有助于澄清意图。 后续问题的结构化流程可确保捕捉到所有必要的细节，而不会造成混乱。 同时，它有助于保持自然对话。
引导用户完成互动
对话流根据用户所说的话或所做的选择决定对话的进展。 良好的对话流程应始终面向目标。 交互中的每一步都应让用户更接近完成目标，无论是安排会议、检索信息还是解决问题。 以用户的目标为中心进行设计，就能确保对话的重点和目的性。 这样，就能减少挫折感，改善整体体验。
要创建有效的对话流，首先要规划出用户可能与人工智能进行的所有互动。 此过程包括根据不同用户响应或选择设计明确、可以分支的决策树。 通过预测对话可能采取的各种路径，可以确保人工智能做好处理预期和意外输入的准备。 对话流不仅要考虑到对问题的回答，还要考虑到细节不清楚或不完整时可能出现的后续问题。
在精心设计的对话中，用户与人工智能之间自然的来来回回反映了人类交互的动态。 人工智能不仅要回应用户的输入，还要认识到自己何时应该主动出击，例如，提示用户获取更多信息、提出说明性问题或提供建议。 在设计对话时，人工智能可以提供选项、确认用户的选择或提出下一步建议，从而让交互过程充满合作和参与感。
有效的对话可以优雅地处理中断和偏差。 用户可能会在交互过程中改变主意或提出无关的问题。 灵活的对话流能让人工智能有效地处理这些情况。 例如，它可能会暂停当前任务以处理新查询，然后在适当时返回原始任务。 确保人工智能既能保持上下文，又能适应动态的用户行为。
为了提高对话的流畅性，必须谨慎管理流程不同阶段之间的转换。 当人工智能从收集信息转向执行操作时，应将这一转变清楚地传达给用户。
设计回退机制
对话并不总是遵循可预测的路径。 用户可能会输入人工智能难以理解的意外、不明确或偏离主题的回复。 良好的对话设计会为这些时刻做好准备，确保人工智能能够优雅地恢复，并继续保持交互的高效性和用户友好性。 不要让人工智能在遇到不理解的事情时突然结束对话。 相反，设计流程以提示用户提出澄清问题、提供备选建议或以一种保持用户参与并推进其目标的方式重新定向对话。
规划边缘情况。 有时，用户会说一些出乎意料、无关紧要或断章取义的话。 在设计人工智能时，应包含它可以用来帮助对话回到正轨的后备回复。例如，如果用户的输入过于含糊，人工智能不应该只说“我不明白”。相反，可以设计一个澄清性的问题，比如“您能提供更多关于您所需的详细信息吗？”
如果用户提供的信息不完整，人工智能应根据上下文进行后续提示。 例如，如果用户说：“安排一次会议”，但没有指定时间或与会者，人工智能可能会问：“您希望什么时间开会？”或“应该邀请谁？”。通过这种方式，人工智能可以填补用户输入的空白，而不会造成挫败感。
对于更复杂的场景，用户可能会问一些人工智能无法处理的问题或偏离主题的问题，这时可以设计后备回复来提供替代建议。 例如，设想在一个会议日程安排系统中，用户问：“你能订机票吗？”。由于预订航班不在人工智能的能力范围之内，人工智能可能会回答：“我目前可以安排会议，但我也可以帮助完成其他任务，比如起草电子邮件或管理您的日历。”这类替代路径有助于保持交互流畅，避免疏远用户。 它们还能帮助用户了解人工智能的能力。
预测反复出现的误解。 如果人工智能连续多次无法理解用户的意思，后备策略应通过替代解决方案提供升级。 例如，它可能会将用户重定向到人工帮助或提供相关帮助文档的链接。 这种方法可以确保用户感到自己得到了支持，即使人工智能的局限性已经达到。
Power Platform 便利化
Copilot Studio 包括预建实体，这些实体旨在理解和分类各种领域中常见的用户意图。 使用预建实体可将用户意图映射到相关操作或响应，而无需自己构建一切。 预建实体经过优化，可处理用户输入中的常见变化。
您可以使用代理模板作为构建助手的起点。 模板预先配置了核心对话模式、功能和工作流，这些模式、功能和工作流可处理常见任务和方案。 它们包含内置的意图、实体和对话流，专为客户支持、生产任务或常见问题等特定用例而定制。 您可以自定义模板以满足工作负荷和用户的特定需求。
通过提示修改在您的助手中提供自定义指令，从而更好地控制人工智能如何与用户互动并回答特定问题。 通过修改影响助手理解和语言生成的基本指令，提示修改使开发人员能够定制人工智能的行为、反应和重点。 由于可以自定义说明以满足各种使用案例、行业或公司要求，因此，提示修改可确保助手提供了上下文相关且有用的答复。
配置后备主题，当助手无法理解用户的输入或无法处理请求时，可以使用该主题。 备用主题是一种“安全网”。它提供了一个预设回复，使对话保持正常进行，并防止人工智能在能力达到极限时让用户感到沮丧。 通过配置回退主题，您可以控制当助手无法解释用户意向时如何做出响应。 例如，助手可以礼貌地告知用户它不理解请求，然后提供有用的建议，如要求用户重新措辞查询，或提供一组人工智能可以处理的相关选项或命令。 在更高级的配置中，后备主题可以引导用户使用其他资源或将对话升级到人工智能代表。