AI 生成、停止、重试、编辑与反馈体验
为概率性输出设计可控、可恢复的人机协作。
- 用自己的话解释“AI 生成、停止、重试、编辑与反馈体验”及其核心术语。
- 在真实 AI 产品场景中识别何时应该使用本课方法。
- 完成一份可沉淀进“功能流程图、交互原型与可验收 PRD”阶段任务的实践产出。
REAL SCENE
先从一个真实场景开始
用户点击“生成方案”后等待 25 秒，页面没有停止按钮。结果包含事实错误却不能编辑，只能重新生成；用户点踩后也不知道反馈是否生效。AI 产品交互必须承认输出可能慢、错和不确定，让用户有预期、控制、判断与恢复能力。
PLAIN EXPLANATION
说人话：它到底是什么？
AI 交互不是普通请求加一个加载动画。生成前要说明输入范围、数据使用和可能结果；生成中展示真实进度或阶段、支持停止；生成后提供来源、编辑、复制、重试、反馈与版本比较。高风险输出需要确认或人工审核。重试要区分“相同条件再试一次”“修改输入”“换策略”，避免用户盲目抽奖。
生成前建立正确预期
输入区说明系统能处理什么、需要哪些上下文、数据是否保存，以及不适合的高风险用途。用示例帮助用户提供有效信息，但不要暗示结果一定正确。
- 展示支持格式和限制
- 敏感信息给出明确提醒
- 高风险场景说明人工责任
生成中保持控制
流式输出能缩短感知等待，但不等于任务完成。长任务按真实阶段反馈，允许停止和离开后通知；停止后说明已产生内容、费用和能否继续。不能用虚假百分比安抚用户。
- 首个可用结果尽早出现
- 停止、取消和后台运行分开
- 超时提供继续等待或降级
结果可判断可修正
结果要显示来源、生成条件或信心线索，支持局部编辑和反馈。反馈询问具体错误类型，并关联输入、输出和版本。高风险动作先预览影响，再由有权限的人确认执行。
- 编辑优于全量重生成
- 重试说明会改变什么
- 反馈形成可用失败标签
生成前说明能力、限制、数据和风险，避免过度承诺。
生成中提供真实状态、停止、超时和离开后恢复。
结果必须可判断、可编辑、可反馈，高风险执行需确认。
KEY POINT
这节课最重要的结论
- 为什么重要
- 这决定了把需求转化为团队能开发、能测试、能验收的完整方案时，团队是否拥有一致、可验证的判断标准。
- 适用边界
- 当问题目标、数据来源或失败成本发生变化时，不要机械套用；先重新确认假设和风险等级。
EXAMPLES
正确案例与常见反例
AI PRD 助手先提示会基于用户提供的访谈生成初稿，不保证事实；生成时按“整理证据—识别规则—生成章节”显示阶段并可停止。结果中的需求链接到来源，用户可逐段编辑或针对缺失信息重试。提交工程评审前必须人工确认。
页面只显示“AI 正在思考”，25 秒后突然输出完整 PRD。没有来源、编辑、停止或反馈；重新生成会覆盖旧版本。用户无法区分模型事实和推断，团队也只记录生成次数，不知道错误在哪里。
“生成任务需要 status、stage、partialOutput、cancelable 和 version。停止不等于删除，旧版本保留。反馈提交错误类型并关联输入、模型、Prompt 和输出 ID；进入发布流程前必须由用户确认。”
HANDS-ON
必做实操任务
本节产出：“功能流程图、交互原型与可验收 PRD”阶段任务中的《AI 生成、停止、重试、编辑与反馈体验》一页实践卡
步骤 1选择一个生成式功能，写出生成前需要说明的能力、输入、数据和风险。
步骤 2设计 5 秒、30 秒和 5 分钟任务的等待、停止、超时与通知体验。
步骤 3为结果设计来源、编辑、局部重试、版本比较和具体反馈。
步骤 4识别一个高风险动作，设计预览、权限、确认、执行、撤销和审计流程。
核心重点必须完成全部实践，并在测验中达到 80%，才能标记为掌握。
功能与用户任务：____
生成前：支持输入____｜限制____｜数据处理____｜风险提示____
触发与确认：____
生成阶段：1. ____ 2. ____ 3. ____
首个结果时间：____｜总时长：____
停止后：内容____｜费用____｜可继续____
超时：继续____｜降级____｜通知____
结果：来源____｜信心/边界____｜编辑____｜局部重试____｜版本____
反馈类型：事实错 / 缺失 / 格式 / 风险 / 其他____
高风险执行：预览____｜权限____｜确认____｜撤销____｜审计____CHECKLIST
产品经理工作检查表
MASTERY QUIZ
掌握测验
核心重点需达到 80% 才算掌握，未通过会进入错题本。
INTERVIEW
常见面试题
展开参考回答
AI 输出存在延迟、概率性和不可预测失败，因此要在生成前管理预期与数据风险，生成中提供真实状态和控制，生成后提供来源、编辑、重试、反馈与版本；高风险操作再加人工确认和审计。回答应说明这些设计如何连接质量评测与反馈闭环。
RECAP & FURTHER READING
重点回顾、延伸阅读与下一步
- 1
围绕“AI 生成、停止、重试、编辑与反馈体验”继续阅读：阅读模型或 AI 框架的官方概念文档，区分能力原理、评测条件与真实产品限制。
- 2
用“流式生成、重试、人工反馈”作为检索词，分别写下一条定义、一条适用边界和一个反例。
- 3
对照本课正确案例与反例，寻找一个公开案例并记录其中可复用的判断与不能照搬的条件。