首次运行与用户引导

第一次会话立下一个先验，而先验的更新既缓慢又不对称。

人不会每次使用都重新建构一个关于智能体能力的模型。他们很早就用极少的证据形成一个，然后在很长一段时间里用它来解读新证据。这是普通的人类行为，但对智能体格外要命——因为被估计的那个东西（"我能把什么交给它？"）是不可见的、没有天然边界的，而它又是决定这个产品到底会不会被用起来的唯一那个判断。

• 早期失败之所以昂贵，是因为没有战绩可以吸收它。第二十次会话里的错误，落在十九次成功之上，会被读作例外。第一次会话里的错误就是全部数据集。在首轮见到一个自信的错误答案的用户，往往会得出"这东西会瞎编"的结论并且再不修正，哪怕背后的模型一直在变好。
• 早期的超常发挥同样昂贵，只是方向相反。一个 demo 级别的首个任务，教会用户一条过宽的边界。他们的第二个请求恰好落在界外、失败了，于是他们一次学到了两件事：这个智能体不可靠，以及他们事先分不清自己站在线的哪一侧。杀死使用量的是后一条。
• 人们形成的估计是关于边界的，不是关于平均值的。没有人因为一个工具的平均质量而采用它；他们是在能够预测"哪些任务可以放心交出去"之后才采用的。在这个阶段，可预测性胜过能力，一个更窄但清晰可读的智能体，会比一个更宽却读不懂的智能体更快被采纳——这与为信任而设计关于校准的论证是同一个。
• 就算挽回成功，挽回本身也不是免费的。把一个在第一周就给你判了死刑的用户请回来，通常需要一个重新尝试的新理由——同事的推荐、一次显眼的发布——而这种机会你没有几次。

能力巡礼教的是天花板。改成教边界。

默认的引导——一串展示智能体能耐的轮播图，或者一组精挑细选、保证成功的建议提示——是为"传达能力范围"而优化的。它传达得非常准确，而问题正在这里：范围是分布的上沿，而用户会照着上沿去校准。

• 刻意地、尽早地展示一次拒绝。一个明确拒绝越界请求、并用一句话说明原因的智能体，教给用户的边界信息比五次成功还多。它也是你手上最便宜的可信度信号——一个会说不的工具，它的"是"才有分量。
• 不只展示自信的回答，也展示不确定的回答。如果智能体在证据稀薄时会打折扣，用户就学到"打折扣本身携带信息"，进而更信任那些自信的回答。如果所有回答都以同一个音量抵达，他们什么都学不到，只能默认全部去核验——而那正是智能体制造工作量的失败模式。
• 用一句话、以智能体自己的口吻，在最上方说明边界。"我能读你的文档、起草回复；我不能发送任何东西，也碰不了账单。"具体、可核对，比一整页功能列表都值钱。关于这些内容有多少该放进界面而不是文档，参见透明性与可解释性。
• 别让建议提示变成精彩集锦。如果起步提示集是按"够不够惊艳"挑的，那它就是一句转化率很高的谎言。挑最可靠且最常见的三个任务；如果这两张清单不重合，那是你的路线图在说话。
• 绝不承诺你还没打开的自主度。描述"智能体将来会做什么"的引导文案，在初次使用者眼里读起来就是"它现在会做什么"。那道落差就是第一次失望的来源，而渐进自主正是随时间诚实地拓宽边界的机制。

挑一件你能打包票的首个任务，并且让它是用户的真实工作。

首次运行的任务是整个引导里杠杆最大的产品决策，而它通常是由"写空状态文案的那个人"顺手定的。有两个属性要紧，而且它们之间的取舍没有你想象中那么尖锐。

• 可靠性第一，可靠到你敢拿这个客户去赌。无论首个任务是什么，它都该是你手上实测成功率最高的那条路径——不是最新的功能，也不是 demo 用的那个。如果你的评测说不清那条路径是哪一条，你就还没到能设计首次运行的时候。
• 必须是他们的真实工作，不是沙盒。用假数据做的教程任务只教机制，完全不说明适用性，而用户几乎会把玩具输入上的成功全额折价。在他们自己的材料上拿到一个真实、小巧、可核验的结果，才是这件事的全部。
• 小而可核验，胜过大而惊艳。用户必须能在一分钟内检查完输出。一个他们无法核验的结果不会创造信任——它创造的是一项复核义务，那感觉像工作，读起来像风险。
• 把"到达"与"首个结果"之间的配置步骤压到接近于零。首个输出之前的每一个连接器、每一项权限、每一步配置，都是一个离开的出口，而为它们买单的是一个还没看见任何东西跑通的用户。只索取首个任务所必需的最小集合，其余的推迟到 STEP 4。
• 如果智能体会慢，就说清楚它在干什么。一次静默九十秒的首次运行，被解读为"坏了"的次数远多于被解读为"很认真"。流式的中间步骤在这里比在产品的任何其他地方都值钱，因为用户此时还没有任何耐心的依据——参见流式与部分输出。

首次运行时授出的权限不是知情同意，而把它们打包会在无意中构成一种暗黑模式。

标准流程会在智能体还什么都没做之前，就把它可能需要的全部权限一次要齐。这对工程很方便，作为"同意"却站不住脚：用户被要求授权一些他们还无从估计后果的能力，时点恰好是他们此生信息量最少的那一刻，而且他们此刻的动机是尽快越过这一屏。

• 在使用发生的那一刻要权限，并绑定到需要它的那个任务上。"为了起草这封回复，我需要读取这个会话线程"是一个用户能够评估的请求。第二屏上一张九项权限的清单不是，而它换来的批准在出事时一文不值。
• 永远把读与写分开，并从只读开始。对多数智能体而言，最有价值的首次运行配置是一个什么都改不了的配置。它一次性消除了整类首轮灾难，而代价只是一项用户此刻本来也不会用的能力。
• 展示后果，而不是权限名。"可以用你的身份发邮件"，才是那串读起来人畜无害的权限字符串的诚实译法。这与审批与确认体验是同一套纪律，只是被用在了"还没有任何历史可供推理"的时刻。
• 让第一次授权在视觉上就是可撤回的，并且把撤回入口放在他们所在的位置。知道自己收得回来，才使得给出去这件事变得合理。一个藏在三层菜单之后的权限页面，无法给一个才用了四分钟产品的人提供这份保障。
• 把首次运行的授权单独记为一类并复盘它。如果大多数用户在五秒之内就批准了最大权限范围，那你的流程不是在取得同意，而是在收割点击——这是一项治理发现，不是一次转化胜利。

教会修复，因为用户的第一次纠正，就是他们判定"这是不是协作"的那一刻。

每个智能体都会跑偏。跑偏是否致命，几乎完全取决于用户知不知道该怎么办——而首次运行是你唯一能拿到他们全部注意力去演示这件事的时候。

• 至少演示一次任务中途的纠偏。让用户打断、补一条约束，然后看着智能体把它吸收进去而不是从头再来。做过一次这件事的用户，与只看着它一路跑完的用户，与工具的关系是根本不同的。
• 在需要撤销之前，先让撤销可见。一个可用的撤销的存在，会改变人们愿意让智能体去尝试什么，也就是说它抬高了首次会话的价值，而不只是为它上了保险——这正是撤销与可逆性铺开的论证。
• 无论之后展不展示，都要为首个结果展示轨迹。读了什么、调了什么、决定了什么。用户正在建构一个"这东西怎么运转"的模型，而这是唯一能支撑它的物证。几次会话之后大多数人就不看了，这没问题——它已经完成了使命。
• 把第一次失败当作一条设计好的路径，而不是一个错误态。如果首个任务失败了，就说清楚失败在哪、它没有碰过什么，并给出那个能跑通的更窄版本。一次优雅失败并成功恢复的首轮会话，可能比一次悄无声息的成功带来更好的校准。为失败而设计在这里杠杆最大。
• 让纠正成本低廉，并且显然是被欢迎的。用户第一次编辑输出时，他们既在教你，也在测试这个产品想不想被教。如果那次编辑消失进一个没有任何回应的文本框，他们就得到答案了。

把首次会话单独度量，因为你的汇总指标天生就在掩盖它。

混合后的质量指标由你的深度用户主导，而他们早已学会了边界、形成了绕行方案，也不再去问那些会失败的问题。你最需要看见的那群人——处在头十分钟里的人——在仪表盘上的每一个数字里都只是舍入误差。

• 把首轮会话成功率作为独立指标上报，定义为"在真实数据上拿到一个经核验的有用结果"。不是"完成了引导"，也不是"发出了一条消息"。如果你定义不出那个结果，你就还没定义出首次运行的任务。
• 盯"到首个有用结果的时间"，看尾部。p90 是最可能流失的那批用户的真实体验，而中位数把它遮得严严实实。
• 按"首轮发生了什么"切分队列，追踪次日与七日回访率。"首个任务成功"与"首个任务失败"两个队列之间的差距，就是一次糟糕首次运行的诚实标价，而且它用的是你的管理层本来就在读的那种货币。
• 每周手工读头十份文字记录。不抽样、不做摘要。新用户的措辞与智能体真实能力之间错开的那个具体位置，读三十秒就能看见，在任何汇总指标里都看不见——而这是整栋楼里最便宜的用户研究。
• 每次能力变更之后，都以新用户身份重跑一遍引导。你在屏幕上描述的那条边界会悄悄过期，而最不可能察觉的人就是把它建起来的那个人。把它写进发布检查清单，紧挨着灰度发布与版本化。

相关：为信任而设计是校准论证的完整版，渐进披露讲展示多少、何时展示，智能体交互模式提供词汇表。