Rivya Journal

什麼時候該用 Rivya Tools,而不是 Plain Chat

在 Rivya 的 AI Calculator、AI Solver 和 plain chat 之間做選擇,並了解 tool sessions 如何重新接回 saved chat。
產品工具
發布於 2026/03/28作者:Rivya 產品團隊
Rivya tools 封面,展示 AI Calculator、AI Solver、plain chat、saved sessions 和 tool handoff decisions。

理解 Rivya tools 最有用的方式,不是問「我該開哪個 mini app?」

更好的問題是:

這項任務是否已經清楚到,我希望第一輪由系統替我 framing?

這就是 tools 真正有幫助的地方。

這是一篇 decision-layer guide。如果你想看更嚴格的 tools scope page,了解今天 tools 中實際 live 的內容,請閱讀 Rivya Tools

最快的判斷表

如果任務是...更好的第一步原因
仍然模糊或可能分岔plain Chat你仍需要 exploration,而不是固定 frame
quantitative 且已經有答案形狀AI Calculator任務本來就需要乾淨的 calculation structure
explanation-heavy 且有 logic shapeAI Solver任務需要 worked path,而不只是 conclusion

這才是真正的分界。頁面版面沒有「第一個答案是否已有可辨識形狀」重要。

Tools 最適合已經有形狀的任務

當任務已經夠窄時,tool 會替你省下從零建立第一輪的時間。

這是因為 Rivya 中的 live tools 會先做幾件事:

  • 選擇 default model
  • 載入 task-focused instruction layer
  • 提供 starter prompts
  • 收窄 expected answer format

當工作已經有可辨識形狀時,這會比 blank chat 更適合起步。

目前 live tool set 仍然是:

  • AI Calculator
  • AI Solver

如果你想看最可靠的實際 live 圖像,請閱讀 Rivya ToolsRivya 目前上線功能

任務仍然開放時,Plain Chat 更好

下列情況請直接進入 plain chat:

  • request 仍然模糊
  • 你還在釐清真正問題是什麼
  • 任務可能分岔到幾個不同方向
  • 你想在鎖定 frame 前做 open-ended exploration

這種情況下,更好的路徑通常是 public pages 上的 /chat,或在你需要 saved context 時使用 /studio/chat/[modelSlug]

起手 Prompt 範例

這些 prompts 是 starting shape 的範例,不是 benchmark tests。

Plain chat example

I have three messy ideas for a product launch. Help me decide whether the first task should be a calculator, a solver-style explanation, or a normal chat workflow.

AI Calculator example

Compare three pricing scenarios for a subscription product at 2%, 4%, and 6% monthly churn, assuming CAC is $42 and ARPU is $18.

AI Solver example

Solve this step by step and explain why each step is valid: If 3x + 5 = 20, what is x, and how would you check the answer?

差異會立刻看出來:一個 prompt 仍在探索,一個需要 quantitative structure,一個需要 worked explanation。

AI Calculator 適合 Quantitative Work

當任務主要涉及下列內容時,使用 AI Calculator

  • formulas
  • conversions
  • percentages
  • scenario math
  • rough business math

重點不是它像 keypad 一樣運作。

重點是它會把 response framed 成 quantitative workspace:

  • answer first
  • visible working
  • clearer substitutions
  • 更少 irrelevant detour

如果你真正困擾的是「我一直收到 chatty answers,而不是乾淨數學」,Calculator 通常是更好的第一步。

AI Solver 適合 Worked Explanations

當任務需要下列內容時,使用 AI Solver

  • worked solution
  • structured explanation
  • step-by-step reasoning path
  • 教學式答案,而不只是結論

當使用者同時想要 conclusion 和背後 logic 時,Solver 更合適。

如果任務不主要是 quantitative,但仍需要 explanation 和 structure,Solver 通常是更好的 public start。

Tools 從 Public 開始,但工作仍然住在 Chat

這是最需要記住的重點。

Tools 不會建立分離的 project universe。

它們仍然屬於產品中更廣的 chat side,代表它們共用:

  • account context
  • wallet logic
  • chat history
  • 之後在 Studio 中 continuation

所以 tool session 可以從 public task page 開始,之後繼續在 saved chat 裡成長。

實用版本很簡單:

  • tools 幫你乾淨開始
  • work 不再適合第一個 frame 後,由 chat 幫你繼續

最常見錯誤

常見錯誤是:

  • 任務還沒真正成形就打開 tool
  • 工作明顯已經是 math-shaped 或 explanation-shaped,卻仍長時間停在 plain chat
  • 把「coming soon」當成「already available」

更寬的 catalog structure 很有用,但它不等於 shipped capability。

乾淨的 Tool Flow

如果工作已經很窄,最乾淨的路徑通常是:

  1. 打開 Tools,或直接前往你需要的 tool page
  2. 選擇 AI CalculatorAI Solver
  3. 當你準備真正執行並保留工作時登入
  4. 如果任務超出第一個 frame,就在對應 chat flow 中繼續

這就是 tools layer 最好的狀態:不把自己說得比實際更大,但比從空白 chat box 開始乾淨很多。

如果你下一步需要 Live Tool Boundary

準備 Tool-Sized Question

當問題已經足夠成形,可以得到 focused answer 時,Rivya tools 效果最好。

打開 AI Calculator 或 AI Solver 前,請寫下:

  • exact problem
  • known values 或 givens
  • 你需要回傳的 unit、format 或 explanation level
  • 你要 answer first、worked explanation,還是兩者都要
  • 檢查 result 後你會拿它做什麼

如果你還寫不出這些細節,plain chat 可能仍然是更好的起點,因為工作還不夠 tool-shaped。

知道何時回到 Chat

Tool result 有用,是因為它讓下一步更清楚。它不應該把整個 project 困在狹窄 form 中。

下列情況請回到 Chat:

  • answer 引出更大的 planning question
  • math result 需要變成 business decision
  • solved problem 需要 explanation、rewriting 或 follow-up context
  • work 不再是 single calculation 或 single worked solution

實際分工就是:tools 為狹窄工作提供更乾淨的第一個答案,而 Chat 在工作變大後承接周邊 context。

繼續探索

更多文章

繼續閱讀 Rivya 團隊整理的相關指南、產品筆記和工作流拆解。

保持同步

下一篇工作流、模型筆記或產品更新,直接送到你的收件匣

給創作者看的精簡 newsletter,提供實用想法、更精準的判斷,少一點一次性噪音。

新模型上線與功能發布可以快速套用的短工作流想法

不寄垃圾郵件,可隨時取消訂閱。