文案是產(chǎn)品與用戶溝通的最直接的橋梁，也是影響用戶理解和行為決策的關(guān)鍵。

此前，各業(yè)務(wù)都陸續(xù)建立了自己的語義規(guī)范。怎樣讓靜態(tài)的語義文檔，變成日常工作中隨手能用的一個工具，是推進規(guī)范應(yīng)用的重要環(huán)節(jié)。

我們借助當前的 AI 工具，搭建了一個 Coze 應(yīng)用 ——AI語義助手。以下是詳細過程。

更多Coze教程：

一、需求分析

我手上有整理好的語義文檔，內(nèi)容包含語義規(guī)范和案例，形式包含純文本、圖片、表格、多模態(tài)（文本、圖片、表格混合）等。

我想讓 AI 閱讀這些文檔，并根據(jù)文檔中的相關(guān)規(guī)范和案例，回答我的問題，問題包括寫文案、優(yōu)化已有文案、看文案是否滿足規(guī)范、幾組文案對比看哪個更好。提問的方式包括文本和圖片（比如根據(jù)圖片寫文案）:

首先我嘗試了直接詢問 DeepSeek/Kimi，把這些文檔作為附件，和問題一起發(fā)給它們，回答的還行，但也有一些缺點：

1. 效果像抽卡，不太穩(wěn)定，可能文檔大小超過了上下文 token 的限制。
2. 有些大模型只能識別圖片文字，不能理解圖片內(nèi)容，這就丟失了部分語義規(guī)范的信息。
3. 每次都要把規(guī)范丟給 AI，用起來太麻煩。

我需要有一個工具，它吃透了已經(jīng)確定的語義規(guī)范，可以根據(jù)我的問題，直接參考規(guī)范生成答案。

根據(jù)這個目標，我開始搭建工作流。因為工作流，可以按部就班地執(zhí)行命令，達成比較高的確定性。

工作流工具

常用的工作流工具有 Coze、Dify、n8n、FastGPT 等。

1. Coze：字節(jié)跳動開發(fā)的工具，免費且易用，支持 API 調(diào)用，可以快速創(chuàng)建機器人應(yīng)用。優(yōu)點是界面友好，上手快，支持多種知識庫導(dǎo)入方式；缺點是自定義功能相對有限，有些高級功能還在開發(fā)中。
2. Dify：開源的 AI 應(yīng)用開發(fā)平臺，提供了更多自定義選項。優(yōu)點是靈活性高，可以深度定制工作流；缺點是部署和維護相對復(fù)雜，對技術(shù)要求較高。
3. n8n：強大的自動化工作流平臺，支持豐富的集成。優(yōu)點是可以連接各種服務(wù)和 API，自動化程度高；缺點是學(xué)習(xí)曲線陡峭，不太適合設(shè)計師使用。
4. FastGPT：專注于快速搭建 GPT 應(yīng)用的平臺。優(yōu)點是針對 LLM 應(yīng)用優(yōu)化，知識庫管理功能強大；缺點是某些功能需要付費，國內(nèi)使用穩(wěn)定性有時受限。

考慮到易用性、穩(wěn)定性和成本，我最終選擇了 Coze 作為開發(fā)工具。它足夠簡單，讓沒有編程背景的設(shè)計師也能快速上手，同時現(xiàn)有的功能也足夠?qū)崿F(xiàn)我的需求。

任務(wù)拆解

主要步驟：知識庫優(yōu)化-工作流搭建-應(yīng)用界面搭建

先優(yōu)化知識庫。目的是把人能讀懂的語義規(guī)范，讓計算機也能讀懂，讓大模型回答得更準、更好。

再搭建工作流。規(guī)定好 AI 工作的流程，讓它可以按部就班地完成具體任務(wù)。相當于后端工作。

最后搭建應(yīng)用界面。把建好的工作流套一個皮，讓它更好用。相當于前端工作。

二、知識庫優(yōu)化

知識庫優(yōu)化的學(xué)問挺深。網(wǎng)上有很多關(guān)于知識庫 RAG（檢索增強生成）的知識，但很多都需要寫代碼。我摸索了一些對設(shè)計師友好的、無代碼實現(xiàn)的知識庫優(yōu)化方法：

1. 內(nèi)容劃分：將相關(guān)內(nèi)容集中放在一起，劃分清楚段落，減少冗余和交叉引用，提高檢索效率。
2. 格式轉(zhuǎn)換：文本、表格優(yōu)先選擇 Markdown 格式；多模態(tài)文件使用 PDF 格式。
3. 命名模式：為文檔使用清晰一致的命名模式，如"[類別]-[名稱]"，幫助 AI 更好地理解文檔內(nèi)容關(guān)系。
4. 標簽說明：在文檔中添加文檔的介紹，如“適用于 XXX 業(yè)務(wù)”，幫助 AI 快速定位主題。
5. 圖片處理：對于圖片，添加詳細的文本描述，幫助 AI 理解圖片內(nèi)容。
6. 重點突出：使用粗體、標題等格式突出關(guān)鍵信息，幫助 AI 識別重點內(nèi)容。
7. 示例豐富：對每條規(guī)范增加 2-3 個正反面例子，幫助 AI 更好理解應(yīng)用場景。
8. 測試驗證：上傳后進行多輪測試，找出回答不準確的地方，針對性優(yōu)化文檔內(nèi)容。

我把它上傳為 Coze 的知識庫。

三、工作流搭建

工作流是 AI 助手的核心引擎，決定了用戶輸入如何被處理并生成有價值的輸出。工作流的核心是數(shù)據(jù)如何從一個節(jié)點流向另一個節(jié)點，語義助手主要包含：輸入流-處理流-生成流-輸出流-反饋流。

輸入流

用戶交互階段，從用戶那里獲取必要信息，包括以下節(jié)點：

1. 輸入：定義輸入的參數(shù)，這里包括用戶輸入的問題（文本）、上傳的圖片（非必填），以及業(yè)務(wù)和功能（見后）。
2. 業(yè)務(wù)選擇：不同業(yè)務(wù)適用的語義規(guī)范不同，需要區(qū)分業(yè)務(wù)。根據(jù)用戶選擇的業(yè)務(wù)，調(diào)用不同的知識庫。
3. 功能選擇：經(jīng)過調(diào)研，AI 助手需要有以下功能，這些功能的要求和輸出內(nèi)容不同。根據(jù)用戶選擇的功能，走不同的工作流。

處理流

后臺數(shù)據(jù)處理階段，將用戶輸入轉(zhuǎn)化為有用的查詢和分析：

1. Query 改寫：Query（查詢）是指用戶輸入的問題或請求。我們要做的 AI 助手和客服助手還不太一樣，客服助手是直接從知識庫中查詢，而我們需要在知識庫的基礎(chǔ)上二次加工，所以不能直接使用用戶的問題作為 Query，而要進行改寫，轉(zhuǎn)換成更適合知識庫檢索的形式，從而提高檢索準確率。比如用戶問“我要在會員卡介紹頁寫一段文案，促進轉(zhuǎn)化….”，我們提取出屬于商業(yè)文案的范疇，可以改寫為“商業(yè)文案設(shè)計規(guī)范和案例”。
2. 知識庫檢索：這一步需要檢索出相關(guān)的規(guī)范和案例，提供給后續(xù)的大模型節(jié)點使用。Coze 的知識庫檢索需要設(shè)置以下內(nèi)容：

生成流

AI 理解和生成階段，處理信息并生成回答：

① 大模型生成：基于知識庫的檢索信息，回答用戶的問題。大模型節(jié)點核心是設(shè)置提示詞，這也是整個工作流最關(guān)鍵的部分。提示詞包括系統(tǒng)提示詞和用戶提示詞，前者更像是 AI 行為的"操作系統(tǒng)"，決定了它處理問題的基本框架；后者像是給 AI 的"任務(wù)單"，根據(jù)用戶輸入的內(nèi)容完成任務(wù)。我們可以這么設(shè)置：

輸出流

最終呈現(xiàn)階段，將生成的內(nèi)容傳遞給用戶：

輸出：把生成的內(nèi)容輸出。這里我同時用了 2-3 個大模型回答問題，所以輸出時需要把答案拼接在一起，同時使用了 Markdown 語言定義格式，提高閱讀性。

反饋流

優(yōu)化循環(huán)，用于持續(xù)改進。這里設(shè)置了一個單獨的工作流，當答案生成后，用戶可以點贊或點踩進行反饋，后臺會記錄用戶的輸入、答案和反饋。后臺日志也會記錄全流程的關(guān)鍵數(shù)據(jù)，為后續(xù)優(yōu)化提供依據(jù)。

工作流的設(shè)計需要考慮數(shù)據(jù)的完整性、準確性和傳遞效率。在實際實施中，可能需要根據(jù)測試結(jié)果多次調(diào)整各節(jié)點間的數(shù)據(jù)傳遞方式和內(nèi)容格式，以達到最佳效果。

四、應(yīng)用界面搭建

Coze 提供了界面拼搭工具，可以通過拖拽完成基礎(chǔ)頁面的搭建。

在界面設(shè)計中，優(yōu)先考慮了簡潔性和易用性，將功能按鈕明確展示在主界面。主要設(shè)計了以下幾個核心元素：

1. 選擇區(qū)：下拉選擇業(yè)務(wù)和功能。
2. 輸入?yún)^(qū)：寬敞的文本框，支持圖片上傳，并有明確的操作提示。
3. 動作區(qū)：行動按鈕“問一問”和“清空”。
4. 答案區(qū)：顯示回答，Markdown 形式，底部有復(fù)制、重新生成、點贊/點踩功能。

搭建時要注意幾點：

1. 加載狀態(tài)反饋：此時應(yīng)設(shè)計加載動畫，緩解用戶等待的不安感。
2. 結(jié)果展示層次：使用卡片、分割線或背景色區(qū)分不同部分的內(nèi)容，增強可讀性。
3. 組件展示邏輯：確保各組件在不同狀態(tài)（等待輸入、加載中、顯示結(jié)果、出錯）下的展示邏輯清晰。

比如點擊問一問后，工作流開始工作，此時還沒有答案輸出，先顯示加載動畫，然后答案輸出后，加載動畫消失，工具欄出現(xiàn)。

五、測試與優(yōu)化

工作流搭建完成后，需要進行多輪測試和優(yōu)化，確保 AI 語義助手能夠穩(wěn)定、準確地回答用戶問題：

測試策略

1. 場景測試：針對不同業(yè)務(wù)、不同功能類型，準備典型場景的測試用例。
2. 邊界測試：測試知識庫中沒有直接答案的問題，驗證 AI 的泛化能力。
3. 負面測試：故意提出不合理或錯誤的問題，驗證 AI 的錯誤處理能力。
4. 性能測試：測試響應(yīng)時間，特別是在知識庫較大時的檢索效率。

優(yōu)化方向

1. 知識庫優(yōu)化：根據(jù)測試結(jié)果，調(diào)整知識庫內(nèi)容的組織方式和顆粒度。
2. 提示詞調(diào)整：優(yōu)化系統(tǒng)提示詞和用戶提示詞，提高回答的準確性和相關(guān)性檢索。
3. 參數(shù)調(diào)優(yōu)：調(diào)整最大召回數(shù)量、最小匹配度等參數(shù)，平衡查全率和查準率。
4. 模型選擇：測試不同的大模型，選擇最適合語義助手場景的模型或模型組合。

通過多輪測試和優(yōu)化，我們可以不斷提升 AI 語義助手的表現(xiàn)，使其真正成為設(shè)計師日常工作中的得力助手。

六、成果展示

經(jīng)過以上步驟，我們成功打造了一個能夠理解并應(yīng)用語義規(guī)范的 AI 助手。以下是幾個實際應(yīng)用場景的效果展示：

七、總結(jié)與展望

從 0 到 1 搭建 AI 語義助手的過程，不僅僅是技術(shù)的實踐，更是我們對于設(shè)計語義規(guī)范應(yīng)用場景的深度思考。通過這個項目，我們實現(xiàn)了幾個關(guān)鍵目標：

1. 規(guī)范從靜態(tài)到動態(tài)：將原本靜態(tài)的語義文檔轉(zhuǎn)變?yōu)榭山换サ闹悄芄ぞ撸蟠筇岣吡艘?guī)范的可用性。
2. 效率提升：設(shè)計師可以快速獲取語義建議，減少查閱文檔的時間成本。
3. 一致性保障：基于統(tǒng)一規(guī)范的 AI 助手確保了不同場景下語義表達的一致性。
4. 知識沉淀：隨著使用量增加，通過反饋流收集的數(shù)據(jù)可以持續(xù)優(yōu)化語義規(guī)范本身。

未來，我們計劃在以下方向繼續(xù)優(yōu)化 AI 語義助手：

1. 規(guī)范迭代：基于用戶反饋和實際應(yīng)用效果，定期更新語義規(guī)范庫。
2. 功能擴展：增加多輪對話等高級功能，滿足更復(fù)雜的工作場景。
3. 個性化定制：為不同業(yè)務(wù)線提供定制化的語義助手，更精準地匹配各自的需求。
4. 自我學(xué)習(xí)：通過分析用戶反饋和日志，持續(xù)優(yōu)化回答質(zhì)量和響應(yīng)速度。

這個項目不僅提升了語義規(guī)范的應(yīng)用效率，也為我們探索 AI 賦能設(shè)計工作提供了寶貴經(jīng)驗。希望這份經(jīng)驗分享能夠幫助更多設(shè)計師將 AI 工具融入自己的工作流程中，釋放創(chuàng)造力，提升設(shè)計質(zhì)量。

歡迎關(guān)注「58UXD」的微信公眾號：