第5讲：Skill 的交互设计：让对话更自然
掌握 Skill 交互设计的核心技巧，让你的 Skill 像真人一样自然流畅。
一、为什么交互设计很重要？
1.1 用户体验的差异
1
2
3
4
5
6
7
8
| ❌ 糟糕的交互：
用户：查北京天气
Skill：{"city": "北京", "weather": "晴", "temp": "25"}
✅ 优秀的交互：
用户：北京今天天气怎么样？
Skill：北京今天天气晴朗☀️，气温 15-25°C，空气质量良，适合户外活动！
建议穿薄外套，记得涂防晒哦～
|
1.2 好的交互设计标准
| 维度 | 标准 | 示例 |
|---|
| 自然 | 像真人对话 | 使用口语化表达，避免机器腔 |
| 清晰 | 信息结构清楚 | 重点突出，层次分明 |
| 友好 | 语气亲切 | 适当使用 emoji，表达情感 |
| 容错 | 能处理错误输入 | 引导用户，不直接报错 |
| 高效 | 减少交互轮次 | 一次给出完整信息 |
二、Prompt 工程基础
2.1 什么是 Prompt？
Prompt 是给大模型的指令，告诉它：
- 你是谁（角色设定）
- 你要做什么（任务描述）
- 怎么做（约束条件）
- 输出格式（格式要求）
2.2 Prompt 的基本结构
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| # 角色
你是[角色名称]，具备[相关能力]。
## 任务
你的任务是[具体任务描述]。
## 工作流程
1. [步骤1]
2. [步骤2]
3. [步骤3]
## 约束条件
- [约束1]
- [约束2]
## 输出格式
[格式说明]
|
2.3 示例：天气助手的 Prompt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
| # 角色
你是一个专业的天气查询助手，说话亲切友好，像朋友一样。
## 任务
帮用户查询天气，并提供实用的穿衣和出行建议。
## 工作流程
1. 确认用户要查询的城市
2. 获取该城市的天气信息
3. 分析天气数据，生成建议
4. 用友好的语气回复用户
## 约束条件
- 只查询中国城市的天气
- 温度用摄氏度表示
- 回复要包含表情符号
- 建议要具体实用
## 输出格式
🌤️ [城市] 天气预报
📅 日期：[日期]
🌡️ 温度：[最低温]°C ~ [最高温]°C
☁️ 天气：[天气状况]
💨 风力：[风力信息]
💡 建议：
- 穿衣：[穿衣建议]
- 出行：[出行建议]
|
三、让对话更自然的技巧
3.1 使用口语化表达
1
2
3
4
5
| ❌ 机器腔：
"查询结果：北京市今日天气为晴，温度范围 15-25 摄氏度。"
✅ 口语化：
"北京今天天气超棒！☀️ 阳光明媚，温度在 15-25°C 之间，不冷不热刚刚好～"
|
技巧清单：
- 使用"你"而不是"用户"
- 加入语气词："呢"、"哦"、"呀"、"哈"
- 使用缩略语："今天"而不是"今日"
- 适当使用 emoji 表达情绪
3.2 主动引导对话
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
class DialogManager:
def handle_incomplete(self, missing_info):
"""处理信息不完整的情况"""
prompts = {
'city': [
"你想查哪个城市的天气呢？",
"告诉我你在哪个城市，我帮你查天气～",
"请问是哪个城市呀？"
],
'date': [
"你想查今天、明天还是后天的天气？",
"需要查哪天的天气呀？"
]
}
return random.choice(prompts.get(missing_info, ["能再说详细一点吗？"]))
|
3.3 处理模糊输入
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| def handle_ambiguous(self, user_input):
"""处理模糊输入"""
if '那边' in user_input or '那里' in user_input:
last_city = self.context.get('last_city')
if last_city:
return f"你是问 {last_city} 的天气吗？"
else:
return "请问'那边'是指哪个城市呢？"
if '下雨' in user_input:
return self.check_rain(user_input)
|
3.4 情感化设计
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
| class EmotionalResponse:
"""情感化回复生成器"""
def generate(self, weather_data, user_mood=None):
"""根据天气和用户心情生成回复"""
condition = weather_data['condition']
temp = weather_data['temp_high']
if '晴' in condition and temp > 25:
opening = [
"今天阳光超棒！☀️",
"好天气来啦！🌤️",
"阳光明媚的一天～"
]
elif '雨' in condition:
opening = [
"今天有雨，出门记得带伞哦☔",
"雨天路滑，小心慢行🌧️",
"虽然下雨，但心情可以晴朗呀🌈"
]
else:
opening = [
"今天的天气是这样的～",
"来看看天气情况：",
"为你查询到今天的天气："
]
return random.choice(opening)
|
四、多轮对话管理
4.1 对话状态管理
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
| class ConversationManager:
"""对话管理器"""
def __init__(self):
self.sessions = {}
def get_session(self, user_id):
"""获取或创建会话"""
if user_id not in self.sessions:
self.sessions[user_id] = {
'history': [],
'context': {},
'state': 'idle'
}
return self.sessions[user_id]
def update_context(self, user_id, key, value):
"""更新上下文"""
session = self.get_session(user_id)
session['context'][key] = value
def get_context(self, user_id, key, default=None):
"""获取上下文"""
session = self.get_session(user_id)
return session['context'].get(key, default)
|
4.2 对话流程设计
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| 【天气查询对话流程】
开始
↓
用户输入 → 识别意图
↓
信息完整？
├── 否 → 询问缺失信息 → 等待用户回复 → 回到"用户输入"
↓
└── 是
↓
查询天气
↓
生成回复
↓
更新上下文（记录城市、日期等）
↓
结束本轮
|
4.3 代码实现
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
| class WeatherDialog:
"""天气查询对话管理"""
def __init__(self):
self.context = {}
self.required_slots = ['city']
def process(self, user_input):
"""处理用户输入"""
extracted = self.extract_info(user_input)
self.context.update(extracted)
missing = self.check_missing_slots()
if missing:
return self.ask_for_missing(missing[0])
return self.execute_query()
def extract_info(self, text):
"""从输入中提取信息"""
info = {}
cities = ['北京', '上海', '广州', '深圳', '杭州']
for city in cities:
if city in text:
info['city'] = city
break
if '明天' in text:
info['date'] = 'tomorrow'
elif '后天' in text:
info['date'] = 'day_after_tomorrow'
else:
info['date'] = 'today'
return info
def check_missing_slots(self):
"""检查缺失的信息槽"""
missing = []
for slot in self.required_slots:
if slot not in self.context or not self.context[slot]:
missing.append(slot)
return missing
def ask_for_missing(self, slot):
"""询问缺失信息"""
prompts = {
'city': [
"你想查哪个城市的天气呢？",
"请告诉我城市名称～",
"哪个城市呀？"
]
}
import random
return random.choice(prompts.get(slot, ["还需要一些信息..."]))
def execute_query(self):
"""执行查询"""
city = self.context['city']
date = self.context.get('date', 'today')
weather = self.query_weather(city, date)
return self.format_response(weather)
|
五、错误处理与边界情况
5.1 常见错误类型
| 错误类型 | 示例 | 处理方式 |
|---|
| 输入错误 | 城市名拼写错误 | 模糊匹配，给出建议 |
| 数据错误 | API 返回异常 | 使用默认值，告知用户 |
| 逻辑错误 | 参数缺失 | 引导用户补充 |
| 系统错误 | 服务不可用 | 友好提示，提供替代方案 |
5.2 错误处理代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
| class ErrorHandler:
"""错误处理器"""
def handle(self, error, context):
"""统一错误处理"""
error_type = type(error).__name__
handlers = {
'CityNotFoundError': self.handle_city_not_found,
'APIError': self.handle_api_error,
'ValidationError': self.handle_validation_error,
'TimeoutError': self.handle_timeout
}
handler = handlers.get(error_type, self.handle_unknown_error)
return handler(error, context)
def handle_city_not_found(self, error, context):
"""城市不存在"""
city = context.get('city', '未知')
suggestions = self.get_city_suggestions(city)
return f"""抱歉，我没有找到"{city}"的天气信息。
你是不是想找：
{chr(10).join([f"• {s}" for s in suggestions[:3]])}
请确认城市名称后重试～"""
def handle_api_error(self, error, context):
"""API 调用失败"""
return """抱歉，天气服务暂时不可用😅
你可以：
• 稍后再试
• 访问 weather.com.cn 查询
• 试试其他城市的天气
给我造成不便，非常抱歉！"""
def handle_timeout(self, error, context):
"""超时"""
return "查询超时了，可能是网络问题，请稍后再试～"
|
5.3 边界情况处理
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
| def handle_edge_cases(self, user_input):
"""处理边界情况"""
if any(word in user_input for word in ['不', '算了', '取消']):
self.reset_context()
return "好的，有需要随时叫我～"
if '谢谢' in user_input or '感谢' in user_input:
return "不客气！有问题随时问我😊"
if user_input in ['你好', '您好', 'hi', 'hello']:
return "你好！我是天气小助手，可以帮你查询天气～"
if len(user_input) < 2 or not any('\u4e00' <= c <= '\u9fff' for c in user_input):
return "抱歉，我没理解你的意思。你可以说：'北京天气'"
return None
|
六、实战：优化天气助手
6.1 优化前的版本
1
2
3
|
user: 北京天气
skill: 北京今天晴，15-25度
|
6.2 优化后的版本
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
class OptimizedWeatherSkill:
"""优化后的天气助手"""
def __init__(self):
self.dialog = WeatherDialog()
self.error_handler = ErrorHandler()
self.emotional = EmotionalResponse()
def run(self, user_input):
try:
edge_response = self.handle_edge_cases(user_input)
if edge_response:
return edge_response
response = self.dialog.process(user_input)
if '天气' in response:
emotion = self.emotional.generate({'condition': '晴', 'temp_high': 25})
response = emotion + '\n' + response
return response
except Exception as e:
return self.error_handler.handle(e, self.dialog.context)
|
6.3 对话示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
| 【优化后的对话体验】
用户：你好
Skill：你好！我是天气小助手☀️ 可以帮你查询全国各地的天气，
还能给你穿衣和出行建议哦～
用户：北京天气
Skill：今天阳光超棒！☀️
🌤️ 北京天气预报
📅 日期：2026-04-06
🌡️ 温度：15°C ~ 25°C
☁️ 天气：晴
💨 风力：北风 3级
🌫️ 空气质量：良
💡 建议：
👔 穿衣：建议穿薄外套，早晚温差大
🚗 出行：天气不错，适合户外活动
🌬️ 空气：空气质量不错，可以开窗通风
用户：那明天呢？
Skill：明天北京多云🌤️，温度 16-24°C，可能会有点凉，
建议带件外套出门～
用户：谢谢
Skill：不客气！有问题随时问我😊 祝你有个美好的一天！
|
七、下节预告
第6讲：Coze 扣子平台深度解析
我们将深入学习：
- Coze 平台的核心功能和特性
- 工作流的高级用法
- 插件生态系统的使用
- 如何发布和推广你的 Skill
加入学习群
学习过程中遇到问题？欢迎加入交流群：
👉 加入AI编程学习交流群
本讲是《Skills 从入门到实践》系列课程的第5讲，下一讲我们将深入 Coze 平台。
🎓 AI 编程实战课程
想系统学习 AI 编程？程序员晚枫的 AI 编程实战课 帮你从零上手！
微信进群
