p303. 克服空白画布综合症

3.3.1 问题的本质

空白画布综合症的根源不是”用户懒”，而是可发现性缺失。在 GUI 中，功能通过菜单和按钮暴露；在对话界面中，功能隐藏在无限的自然语言空间中。

用户的真实困境是：

我不知道这个系统能做什么
我不知道怎么说才能触发它最擅长的能力
我不知道我的表达是否足够精确

这正是 p301 §3.1.1 中定义的”表达焦虑”——从 GUI 转向 LUI 时，用户从”怎么找到按钮”的可发现性问题，转变为”怎么说才对”的表达性问题。

冷启动效应：新用户的第一次交互质量往往最差（不知道怎么用），但这又是留存率最关键的节点。空白画布综合症的存在意味着 AI 产品的第一印象往往被用户的表达能力限制，而非被 AI 的实际能力限制。

3.3.2 设计策略

策略一：场景化入口

不给用户一个空白输入框，而是提供 3–6 个预设的高价值场景卡片，用户点击即可启动。

[写作助手]          [数据分析]           [学习辅导]
帮我润色一篇文章     上传数据并可视化      解释一个复杂概念

设计要点：

场景卡片数量控制在 3–6 个（太多反而增加选择负担，参考 Hick 定律）
每个卡片配一句话说明 + 一个示例 prompt
场景选择应根据用户画像动态调整（新用户看通用场景、老用户看个性化推荐）

内容质量补充：场景化入口本质上是”隐性 Prompt 模板”——点击场景卡片实际上是在帮用户填写一个结构化的 prompt 框架（m201 §2.1.1 Few-shot 示例）。ChatGPT 的”Explore GPTs”和 Claude 的”Projects”都是这个方向的变体——将多个场景预设封装成独立产品，让用户直接进入已配置好的 context 中。

策略二：引导式 Prompt

在输入框中提供浅灰色的提示文字（placeholder），给用户一个起点。

输入框 placeholder: "试试问我：帮我写一封向客户道歉的邮件"

进阶版本：根据当前上下文动态生成建议问题。如果用户刚上传了一份 PDF，输入框下方显示：

“总结这份文档的要点”
“找出文档中的关键数据”
“和上周的报告比较差异在哪”

这是 RAG 思路在 UX 层的体现——系统感知到当前的”文档上下文”，动态生成最相关的引导性问题。

策略三：渐进式功能揭示（Progressive Disclosure）

不要在第一次使用时展示所有功能。初次使用只暴露核心功能（如”对话”），随着用户的使用频率和深度增加，逐步解锁和提示高级功能（如”上传文件”、“创建工作流”、“连接外部工具”）。

心理学依据：认知负荷理论（Cognitive Load Theory）——过多的同时可见选项会降低用户对任何单一功能的注意力。渐进式揭示让用户在当前阶段的认知负荷维持在最优水平。

设计实例：

第 1 次使用：只有文本对话框
第 5 次使用：提示”你可以上传文件”
第 20 次使用：解锁”创建自定义工作流”

策略四：多模态输入降低表达门槛

当用户不知道”怎么说”时，允许”不说”——直接上传图片、拖入文件、粘贴链接、语音输入。多模态输入极大降低了”把需求精确转化为文字”的认知负担。

典型实现：

语音输入：用说代替写，对很多用户更自然
图片/截图上传：“解释这个报错截图”比”报错内容是 TypeError: Cannot read properties of undefined”更直觉
拖拽上传：文件拖入即开始分析，零 prompt 门槛
URL 粘贴：AI 自动抓取内容，用户无需手动摘录

多模态输入的技术基础见 c12 多模态融合。

策略五：首次使用的引导流（Onboarding Flow）

对于功能复杂的 AI 产品，在用户第一次使用时安排一个”引导对话”——AI 主动提问，了解用户的角色、目标和偏好，然后基于此推荐最合适的起点。

要点：

引导流不应超过 3 步，每步一个简单选择或填写
收集的信息必须立即体现在产品体验中（否则用户感觉是在浪费时间）
允许跳过（部分用户希望自己摸索）

相关概念卡：RAG、Tokenization 模块一关联：c12 多模态输入模块二关联：m201 §2.1.1 Few-shot 与场景化设计上一章：p302 七种 AI 交互设计模式下一章：p304 防御性 UX

p303 - 克服空白画布综合症