專題篇章 · AI 產品心理學

心智模型：使用者拿錯了說明書

互動設計有個老概念叫心智模型：使用者會帶著一套「這東西應該怎麼運作」的假設來用你的產品，假設錯了，操作就錯，然後差評打給產品，帳算在你頭上。AI 是人類歷史上第一個「長得像老產品、核心兩樣」的東西，心智錯配格外嚴重。這一課先認出四本錯誤說明書，再親手玩三個糾正教具。

四本錯誤說明書 · 差評的批發源頭

聊天框長得像搜尋框，回答長得像百科，介面像個耐心的客服。使用者按外觀匹配了四本舊說明書，每一本都會精準地製造一類差評。

錯誤說明書 ①
當搜尋引擎用
預期結果有出處、資訊是即時的
現實憑記憶回答、知識有截止日、沒有連結。第零篇章講過「搜尋給書架，AI 給結論」，但使用者沒上過這門課
差評「給我的連結點不開」「查個今天的新聞都不會」
錯誤說明書 ②
當資料庫用
預期問什麼查什麼，查不到會說沒有
現實機率補全機器，查不到的時候會現編一個像樣的答案
差評「問我們公司 Q3 營收，它開口就報了個數字，嚇死我了」
錯誤說明書 ③
當會學習的學徒用
預期說過一次就記住，越用越懂我
現實參數凍結，新會話即失憶，「越聊越懂」只是筆記被塞回了上下文
差評「跟它說過八百遍別用表格，轉頭就忘，態度有問題」
錯誤說明書 ④
當計算器用
預期數字運算天經地義是對的
現實語言模型按 Token 機率生成數字，長算式、多行求和經常錯。正確姿勢是讓它寫程式碼去算
差評「37 個數加總都會錯，這也配叫智慧？」
找茬練習 · 認出使用者手裡那本說明書

四段對話，事故都已經發生。先判斷使用者拿的是哪本說明書，判完看解析：解析裡帶產品對策，診斷只是開始。

四段對話，四次誤診現場 0 / 4 已判
線索都在對話裡：看使用者要什麼，再看 AI 實際給了什麼。
糾正手段一 · 把空狀態改成教室

心智模型沒法靠說明文件糾正，沒人讀。只能在使用路徑上見縫插針地教，而第一個現場就是新會話的空白首屏：使用者還沒打出第一個字，說明書還沒翻開，這一屏寫什麼，決定他拿起哪本。三種首屏方案，親手切換，看右邊的介面和下面的首問品質怎麼變。

空狀態設計器 切一切
新使用者首問品質
24
你的 AI 助手 · 新會話
給 AI 發訊息…
糾正手段二 · 讓使用者親眼看到「已記住」

學徒說明書的差評詞是「說了也不聽」。下面兩個產品都答應了使用者的要求，差別在答應的方式。點你判斷能終結這句差評的那一版。

「已記住」外顯對決 選一個
兩版的使用者都說了同一句話。往下看三天後發生了什麼。
A 版
以後回覆別用表格，我要直接貼進微信群。
好的。
三天後 · 新會話
幫我對比下這三款投影儀。
給你整理了對比表格：
型號亮度價格
X1800 流明2299
X21200 流明3499
B 版 ✓ 已記入偏好：避免表格
以後回覆別用表格，我要直接貼進微信群。
好的，之後改用條列說明。
三天後 · 新會話
幫我對比下這三款投影儀。
按你的偏好 · 不用表格 · X2 亮度最高，白天客廳也能看清； · X1 最便宜，勝在輕便好收納； · X3 系統體驗最順，追劇優先選它。
糾正手段三 · 邊界宣告搶在出錯前面

時效類問題是搜尋引擎說明書的高發區，找茬第一段對話就是這麼翻車的。兩版 AI 說的邊界內容一字不差，差別只在什麼時候說。選更能保住心智的那版。

邊界前置對決 選一個
同一個問題，同一個知識截止日，兩種時機。
A 版 · 出錯後解釋
今天美元兌人民幣的匯率是多少？
美元兌人民幣匯率約為 7.24。
使用者開啟銀行 App 一查：實際 7.09
不對啊，怎麼差這麼多？
抱歉。我的知識截止 2025 年 6 月，無法取得即時匯率，剛才給出的是訓練資料中的舊值。
B 版 · 回答前宣告
今天美元兌人民幣的匯率是多少？
這是即時資料問題：我的知識截止 2025 年 6 月，這類問題建議開啟聯網搜尋。 聯網搜尋已開啟
已聯網查詢：今天美元兌人民幣中間價 7.09（來源：外匯交易中心，10:15 更新）。
計算器說明書是同款藥方：求和、統計、日期計算，路由給程式碼直譯器執行，介面標註「已用程式碼計算」。錯誤率壓下去的同時，使用者也看明白了：AI 可靠的方式是調工具，它徒手算數的部分本來就不該信。
出處與延伸：心智模型的概念由 Craik（1943）提出，Norman 在《設計心理學》裡把它帶進產品設計：使用者按自己的模型操作，模型錯則操作錯。記憶外顯對應 Nielsen 十大可用性啟發式的第一條「系統狀態可見」；空狀態放示例的原理還疊加了 Cialdini《影響力》的社會認同：別人都這麼問，我也這麼問。首錯引爆棄用的證據見第 6 課演算法厭惡（Dietvorst et al., 2015）。

✅ 這一課想和你分享的