我們需要訪談自由設計師,了解他們如何整理客戶回饋。請建立訪談指南。
研究目標:了解回饋如何變成有優先順序的工作。 受訪者輪廓:有進行中客戶專案的自由設計師。 暖場:詢問最近一次專案流程。 核心問題:回饋從哪裡進來、如何分類處理、哪些內容會遺漏。 偏差檢查:避免詢問他們是否想要我們提出的功能。
Claude Sonnet 4.6 是 Rivya 的均衡型 Claude 模型,適合嚴肅日常工作:長文件、謹慎改寫、研究整合,以及需要穩定判斷但不必使用 Opus 層級花費的程式碼審查串。
範例輸出
最適合探索訪談、概念測試與可用性研究規劃。
對話
範例輸出
最適合探索訪談、概念測試與可用性研究規劃。
讓 Rivya 分析長文件、整合研究、審查程式碼,或產出更強的結構化輸出。
UX 研究訪談腳本提示詞的聊天預覽。
輸出
最適合探索訪談、概念測試與可用性研究規劃。
最適合
支援
線上試用
輸入設定
對話控制
選擇 Rivya 何時可以搜尋網頁、應使用多高的推理強度,以及所選模型支援時是否包含模型思考內容。
思考內容
交由模型預設決定,或在提供方支援時明確包含或隱藏思考軌跡。
開始一段對話,把規劃、提示詞和創意方向整理成一條可重用的脈絡。
提示詞起步
不想從空白提示開始時,可使用已映射到 Claude Sonnet 4.6 的模板,讓第一次執行更穩。
模型證明
先使用上方線上試用,再對照這些範例結果判斷完成度、節奏和任務適配度,之後再決定是否在 Studio 消耗更多點數。
讓 Rivya 分析長文件、整合研究、審查程式碼,或產出更強的結構化輸出。
UX 研究訪談腳本提示詞的聊天預覽。
輸出
最適合探索訪談、概念測試與可用性研究規劃。
主要範例
UX 研究訪談腳本提示詞的聊天預覽。
輸入
僅提示詞
觀察重點
UX 研究訪談腳本提示詞的聊天預覽。
每次使用點數
per_million_tokens · input=170 · output=855 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉
為什麼這個模型有效
可靠推理和均衡品質
強大的長文理解和多回合穩定性
Rivya 目前前端中的文字優先 Claude 專案
最適合的任務
模型證明
決策適配
決策適配
Claude Sonnet 4.6 常見問題
Claude Sonnet 4.6 最適合介於便宜聊天和真正旗艦花費之間的任務:長簡報、敏感改寫、研究整合、政策式分析,以及需要穩定性的程式碼審查串。它是嚴肅日常知識工作的主力 Claude,而不是用於隨手聊天或最高風險升級的模型。
在 Rivya 上,Claude Sonnet 4.6 目前以文字優先的聊天專案運行。這讓它聚焦於貼上的長文件、結構化分析、謹慎改寫和較長推理串,而不是試圖成為多模態全包工具。
最重要的是第一份工作簡報的框架:來源材料、決策標準、語氣標準,以及好答案實際需要完成什麼。Claude Sonnet 4.6 通常比起聰明的一句提示詞,更能回報結構清楚的簡報,這也正是它在審查和改寫工作上通常更順的原因。
在目前 Rivya 設定中,它按使用量計費:每百萬 input token 為 170 點數,每百萬 output token 為 855 點數。當一次謹慎處理能取代多次較弱回合時,這筆消耗通常值得,尤其是長文件、敏感編輯和決策密集的整合工作。
當你想要比輕量層級更穩的判斷、更好的長文件處理和更乾淨的改寫紀律,但還不需要最高階旗艦成本時,選 Claude Sonnet 4.6。如果工作主要是低成本快速往返,可以選更輕的模型;如果變成真正高風險分析串,再往更高層級升級。
此頁最適合先正式跑一輪長文件、謹慎改寫、研究整合或審查式推理。這是測試 Claude Sonnet 4.6 是否已達到你需要的判斷水準,再決定是否投入更長已儲存聊天串的好地方。
此頁是公開的 Claude Sonnet 4.6 聊天入口。設定保持輕量,但模型行為仍偏向閱讀、分析、貼上的來源材料和改寫工作,而不是一次性問答選項。
第一回合前,請整理來源材料、決策視角、想要的語氣,以及答案需要達到的標準。對 Claude Sonnet 4.6 而言,第一份工作簡報會承擔很多導向作用,所以清楚通常比提示詞技巧更重要。
此頁可公開瀏覽,但實際送出第一則訊息仍需要登入。用量以每百萬 input token 170 點數和每百萬 output token 855 點數計費,因此值得先整理好簡報,再在準備好為正式分析付費時登入。
當你還在測試第一份簡報、第一個改寫請求或第一次審查時,可以留在這裡。當聊天串需要保存脈絡、附加檔案、重複追問,或你知道這會成為一段持續擴展的工作時,再開啟完整 Studio。
比較替代模型
Anthropic 在 Rivya 上的旗艦 Claude 聊天模型,適合深度推理、謹慎整合、主管寫作和高影響力文字工作。
為什麼考慮它
如果點數說明適合下一次執行,可以考慮它:per_million_tokens · input=285 · output=1430 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉。
Anthropic 在 Rivya 上的均衡型 Claude AI 聊天模型。它擅長細膩寫作、謹慎分析和注重安全的回應,是內容創作和研究中很穩的 Claude 選項。
為什麼考慮它
如果任務適配度接近這個方向,可以考慮它:編輯式改寫和語氣敏感的寫作。
Anthropic 在 Rivya 上的輕量 Claude AI 聊天模型。它針對速度、成本效率和穩定的日常聊天表現調整,適合想要 Claude 語氣但不想使用高階方案成本的高頻專案。
為什麼考慮它
如果點數說明適合下一次執行,可以考慮它:per_million_tokens · input=55 · output=285 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉。
技術文件大綱對話的結構化對話範例。
Rivya 對話提示詞模板技術文件大綱對話的討論串預覽。
讓 Rivya 分析長文件、整合研究、審查程式碼,或產出更強的結構化輸出。
Rivya 對話提示詞模板「品牌語氣指南對話」的對話串預覽。
「品牌語氣指南對話」的結構化對話範例。
Rivya 對話提示詞模板「品牌語氣指南對話」的對話串預覽。
讓 Rivya 分析長文件、整合研究、審查程式碼,或產出更強的結構化輸出。
Rivya 對話提示詞模板「投資人更新草稿對話提示詞」的討論串預覽。
投資人更新草稿對話提示詞的結構化對話範例。
Rivya 對話提示詞模板「投資人更新草稿對話提示詞」的討論串預覽。
最適合的任務
任務接近這些情境時使用
安靜事實
提供方
Anthropic
類別
聊天
能力
對話
點數模式
per_million_tokens · input=170 · output=855 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉
輸入路徑
僅提示詞
提示設定
最多 20,000 個字元
開發者存取
確認模型欄位、參考媒體規則和點數行為後,可透過 Public API v1 呼叫 Claude Sonnet 4.6。