一題一題答下來，大型需求要花到 40 分鐘。中間使用者會累、會卡，也會冒出「我這樣寫到底對不對」的自我懷疑。
如果工具在這 40 分鐘裡只是一題接一題丟出來，中途放棄的機率會明顯上升。所以我在鼠勾以裡加了兩個帶遊戲感的設計：答完一題後看到進度長高一階、或收到一句對應當下狀態的鼓勵，可以把人撐到終點。
這兩個設計是鼓勵文字庫和需求樹。以下說明它們各自負責什麼，以及我做完之後才發現有問題、又重做一次的過程。
鼓勵文字庫：一份按分數區間、互動情境分類的鼓勵語句庫。低分時給安定的話（沒關係，這一步先幫我們看見需要補強的地方），高分時肯定表現又帶一句下一步。它的目的是在對的時機講一句對的話，而不是提供泛用的正向語句。
這裡用顏文字而不用 emoji，單純是個人偏好：emoji 在各家工具裡已經看膩了，顏文字反而比較少見。
需求樹：每完成一個區塊，給一句「需求樹長大了」的回饋。從種子、發芽，一路長到大樹。它把「填一份問卷」改成「養成一棵樹」的形式：每答完一個區塊，樹就長高一階。
實際用到的表情大概長這樣：
| 用途 | 表情 | 出現時機 | 想達到的效果 |
|---|---|---|---|
| 進度條成長 | 🌱 → 🌿 → 🌳 | 每行進度條尾巴，隨分數長大 | 一眼看到「我又前進了」 |
| 鼓勵（開心） | ٩(^ᴗ^)۶ 、 (๑•̀ㅂ•́)و✧ | 分數里程碑、答出好內容 | 慶祝一下，像有人幫你拍手 |
| 鼓勵（安撫） | (｡･ω･｡) 、 (｡•́︿•̀｡) | 低分或卡住時 | 不責備，陪著你 |
實際效果是：使用者看到樹從 🌱 長成 🌳 會有養成系的成就感，卡住時收到安撫的顏文字則會降低被催促的感覺。這些都是很小的東西，但累積起來會影響使用者願不願意把 40 分鐘走完。
這兩個機制在設計階段看起來已經完整，實際跑了一陣子之後才發現問題。
實際對話跑了幾輪之後，我發現那些寫好的鼓勵語幾乎沒出現過。我整理了一整份顏文字清單，結果一個都沒被用到。
Knowledge 裡的鼓勵文字庫按分數區間與互動情境分得很細，但 GPT 在實際對話裡幾乎都跳過不用。對需要引導的需求方PM 來說，這個工具就只剩下問答功能。
追下去發現，有四個原因疊在一起：
四個原因指向同一件事：我只告訴它「不要過度」，沒告訴它「什麼時候一定要做」。
後來那一版，我把整套機制重做了一次。核心是兩件事。
第一，補上「必觸發場景」。 不再只有上限，明確列出「這些情境至少各做一次，不可省略」：
第二，把三個機制的分工切乾淨。 之前它們會互相取代，改版後各自負責一段：
| 機制 | 負責什麼 | 觸發時機 |
|---|---|---|
| 進度條成長 emoji | 進度視覺化 | 每一行進度條 |
| 需求樹成長回饋 | 慶祝「區塊完成」 | 每完成一個區塊 |
| 鼓勵語 | 分數里程碑 + 情緒支持 | 必觸發場景 |
進度條 emoji 不計入鼓勵語、需求樹只管區塊完成、鼓勵語專管里程碑與情緒支持，三者的觸發條件不再重疊。
另外補了一條修正：抑制條件只抑制顏文字，不抑制文字鼓勵語。使用者語氣正式、或正在處理嚴肅議題時仍要給鼓勵，只是不加顏文字，不能因為對方語氣正式就把整段情緒支持都拿掉。
這次重做讓我修正了對 AI 下規則的寫法。
我原本的規則全是負向的：「不要過度」「避免疲乏」「不要每次用」。人類讀到這種指示會自己抓平衡，AI 不會；它會把「不要過度」執行成「乾脆不做」，因為不做是最不會違規的選項。
要 AI 主動做某件事，只寫「別做過頭」不夠，必須明確列出「這些情境下一定要做」。負向規則設上限、正向規則設下限，兩者都寫齊，行為才會落在預期範圍內。
這個教訓後來影響了我寫其他規則的方式：只要是「希望它主動做」的行為，我都會配一條必觸發清單，而不是只寫「適度為之」。
情緒設計不是附加品，它直接影響需求方PM 會不會把 40 分鐘走完。鼓勵語管情緒里程碑、需求樹管區塊完成、進度條 emoji 管視覺進度，三者分工不重疊。從「鼓勵語幾乎不觸發」這個問題學到的是：對 AI 下規則時，負向的上限要配一組正向的下限，否則它會停在什麼都不做的狀態。
溝通原則的部分到這裡結束，前面談過一次一題、情境選項、情緒設計。Day 12 進入這套工具的核心：七大問答區塊。第一個是區塊 1「The Why」，說明怎麼把需求方PM 那句「主管要我做」，追問到真正要解決的問題。
這是 iThome 鐵人賽系列文章。明天見。
iThome鐵人賽
看影片追技術