Misconception Generator
在用户遇到之前，发现预期偏差。
一个基于 Gemini 的小型实验，将 AI 功能描述转化为三条潜在用户认知误区，帮助设计师完善能力说明和使用引导。
概念示意 · 非应用截图
设计问题
一个合理的用户，会以为这个 AI 功能能做到哪些实际上并不支持的事？
描述真实功能，请模型用用户口吻提出可能的误解，并配上能力澄清；将结果作为待验证的研究假设。
- 我的工作
- 从功能描述到认知误区的交互、角色提示词、输出格式和流式呈现。
- 当前阶段
- 本地原型 · 单次模型调用
- 探索方向
- Prompt design · Expectation setting · Streaming
工作流
01
描述
提供具体功能和真实限制。
02
生成
请求三条可能的错误预期。
03
澄清
为每条预期配上相关能力边界。
04
验证
对照真实产品检查，并通过用户研究验证。
走进一个场景
功能描述，也在建立用户预期。
人工撰写的示意案例 · 非模型实录或研究结论
01 / 04
图像工具提供“修改文字”。
在这个虚构示例中，工具会重新生成整张图，而非编辑文字图层。
02 / 04
“只会改变文字。”
用户可能合理地认为，排版与图片其他细节都会保持不变。
03 / 04
“这次修改会重新生成图片。”
说明周边细节可能变化，并保留原图供用户比较。
04 / 04
与真实用户核对理解。
在执行前询问用户预期，再与实际结果对照。
此示例用于说明方法。实际建议需要对照真实产品行为，并结合用户证据复核。
实现与机制
让流程可理解，
让边界可检查。
提示词设计
角色提示词将模型设为 AI UX 研究员，要求输出三条简洁误区及对应澄清。
流式响应
Gemini 输出逐步展示，用户无需等完整回答结束后再阅读。
实现范围
当前为单次模型调用，没有工具执行循环或多 Agent 编排；格式要求来自提示词，并非 Schema 保证。
当前
本地原型
本地原型已实现功能描述输入与 Gemini 流式响应接口。
下一步
仍在探索
优化界面，将建议与真实用户研究比较，再开放线上试用。
模型建议属于假设，不是研究发现；尚无用户研究验证或准确率数据。