关于 feedback-loops
面向 AI 产品团队的设计技能，帮助构建反馈机制，让 AI 能够调整而非重复犯错。内容涵盖反馈类型、纠正流程、反馈时机，以及如何让反馈带来可见变化。
主要功能
- 01显式与隐式反馈
- 02行内纠正与部分采纳
- 03反馈时机指引
- 04反馈到适应的映射
- 05反馈机制规格
适用场景
- 01将编辑和重新生成设计为反馈信号
- 02创建对 AI 回答局部纠正的流程
- 03选择请求评分的时机
- 04定义反馈如何改变当前或后续回答
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/feedback-loops确认已加载。
详细介绍
反馈循环
反馈循环是用户告诉 AI 哪些做法有效、哪些无效的方式。设计良好的反馈循环，决定了 AI 会随着时间不断改进，还是一再重复同样的错误。
反馈类型
- 显式反馈：点赞/点踩、星级评分、“有帮助/没有帮助”按钮
- 隐式反馈：重新生成（用户再次提出请求）、编辑（用户修改输出）、放弃（用户离开）
- 纠正性反馈：用户提供正确答案（“不，我的意思是 X，不是 Y”）
- 偏好反馈：用户在多个选项中做出选择（“我更喜欢选项 B”）
- 上下文反馈：针对输出中的特定部分，而非整个回复的反馈
为纠正而设计
最有价值的反馈是纠正性反馈，但也最难设计：
- 行内编辑：让用户直接编辑 AI 的输出，并跟踪他们所做的修改。
- 部分接受：让用户保留部分内容，拒绝其他内容。
- 询问原因：“你为什么这样做？”——用户的问题揭示了哪里出了问题。
- 提供指导后重做：“请再试一次，但语气更正式一些”——通过重新提示来纠正。
反馈时机
何时征求反馈很重要：
- 过早：用户尚未评估输出。此时征求反馈为时尚早。
- 过晚：用户已转而处理其他事情。征求反馈的时机已经错过。
- 造成干扰：模态对话框或强制评分会打断工作流程。
- 自然收集：在不征求反馈的情况下，收集编辑、重新生成等被动信号。 优先设计自然收集的反馈，再酌情添加显式反馈。
闭合反馈循环
只有在反馈能带来改变时，它才有价值。用户需要看到自己的反馈确实有用：
- 立即调整：AI 在当前对话中进行调整
- 持久学习：AI 会在不同会话之间记住偏好
- 确认反馈：“我会记住这一点”——即使调整会延后进行
设计产物
- 各项功能的反馈机制清单
- 隐式信号定义（哪些情况算作正面/负面信号）
- 反馈到调整的映射（根据哪些反馈做出哪些改变）
- 纠正流程规范
评论
支持 Markdown