关于 transparency-patterns
transparency-patterns 是帮助 AI 产品说明信息来源、置信度、限制和处理过程的设计技能，提供模式及披露程度的校准建议。
主要功能
- 01呈现来源与置信度
- 02说明系统限制
- 03标注信息来源
- 04按情境调整透明度
- 05识别透明度设计反模式
- 06制定透明度设计文档
适用场景
- 01设计 AI 回答的置信度提示
- 02展示生成信息的来源
- 03为高风险功能设定披露程度
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/transparency-patterns确认已加载。
详细介绍
透明度模式
AI 产品中的透明度意味着让用户了解系统的知识、局限性和置信度。这有助于建立有依据的信任——这种信任源于理解，而非盲目相信。
需要公开的信息
- 信息来源：AI 从哪里获取这些信息？来自训练数据、检索到的文档、用户输入，还是推理？
- 置信度：AI 有多确定？这是有充分依据的回答，还是最佳猜测？
- 局限性：AI 不知道什么？它做不到什么？它的知识边界在哪里？
- 过程：AI 是如何得出这个结果的？采取了哪些步骤？
- 身份：这是 AI，不是人类。切勿掩盖这一点。
透明度模式
- 置信度指示：用视觉或文字信号表明确定程度（“我比较确定”与“我不太确定”）
- 来源归属：注明信息的来源
- 推理轨迹：展示 AI 逐步思考的过程
- 局限性披露：主动说明 AI 做不到什么或不知道什么
- 模型卡：概述 AI 是什么、如何运作，以及它擅长和不擅长的方面
- 不确定性标示：通过视觉方式区分有把握的输出和不确定的输出
调整透明度
透明度过高会让人应接不暇，过低则会削弱信任。可根据以下因素调整：
- 用户专业程度：专家希望了解更多细节，新手则需要简单明了的信号。
- 任务风险：高风险决策需要充分透明，低风险交互则不需要那么多信息。
- 输出置信度：AI 不确定时应提高透明度，有把握时则可降低透明度。
- 用户请求：允许用户按需深入了解细节，而不是一开始就展示所有内容。
透明度反模式
- 表演式透明：展示的推理轨迹并不能真正解释决策
- 免责声明藏得太深：把局限性写在没人会看的小字里
- 虚假自信：AI 明明在猜测，听起来却很确定
- 不透明的拒绝：只说“我无法帮助你”，却不作解释
- 透明度作秀：让系统看起来透明，实际上却没有提供有用信息
设计产物
- 各功能的透明度等级规范
- 置信度传达指南
- 来源归属模式
- 局限性披露模板
评论
支持 Markdown