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
按使用量付費 — 點數依用量計算
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
最適合的任務
任務接近這些情境時使用
Claude Sonnet 4.6 常見問題
比較替代模型
OpenAI 在 Rivya 上的進階 GPT 對話模型,適合在任務簡報需要更多推理空間時處理複雜推理、圖像輔助分析、研究統整和結構化寫作。
為什麼考慮它
如果下一個任務需要 提示詞 + 可選圖片,可以考慮它。
OpenAI 在 Rivya 上更高階的 AI 對話模型,具備更強的結構化輸入處理、推理控制和工具導向對話專案能力,適合更複雜的分析與寫作任務。
為什麼考慮它
如果下一個任務需要 提示詞 + 可選圖片,可以考慮它。
OpenAI 在 Rivya 上更高階的 Codex 模型,為要求較高的 repo 級開發專案提供更強的程式碼能力、結構化推理和工具導向協作。
為什麼考慮它
如果下一個任務需要 提示詞 + 可選圖片,可以考慮它。