什么时候该用结构化表单追问，什么时候一句话就够了

执行型 AI 助理最容易做错的一件事，不是“没追问”，而是追问方式用错了。

先给结论：如果系统缺的是 2 个及以上明确字段，或者用户需要在几个固定选项里做选择，结构化表单通常更快；如果只缺 1 个开放式问题，直接问一句自然语言往往更顺。

GoWork 这类执行型系统和普通聊天机器人不一样。聊天机器人多问几轮，代价通常只是对话变长；执行型系统如果追问方式选错，会直接拖慢任务继续执行。因为它后面还要创建提醒、修改计划、触发工具、推进任务。当缺失信息已经是字段化的，再靠一轮轮聊天去补，就会把简单参数采集做成低效往返；但如果问题本身是开放判断，把它硬做成表单，也会让协作变得机械。

什么时候更适合直接上表单？

缺多个明确字段时

最常见的例子，是提醒、发布、导出报表这种任务。

例如用户说“帮我建个提醒”，系统常常同时缺：

• 日期；
• 时间；
• 一次性还是重复；
• 提醒文案。

如果还是靠聊天逐个问，往往要四五轮来回。可如果直接给结构化表单，用户一次填完，系统就能继续执行。

缺失信息本来就有明确类型时

日期、时间、数字、单选、多选、checkbox，这些都天然适合表单。

用户看到控件就知道系统期待什么输入，不需要再猜“怎么说系统才会理解”。

选项边界本来就固定时

比如：

• recurrence 是 once / daily / weekly；
• 发布模式是 draft / publish；
• 通知范围是当前会话 / 全局 / 静默后台。

这种问题如果继续用自然语言问，用户还得自己猜系统支持哪些值。表单把边界直接亮出来，能显著减少无效答案。

什么时候反而不该上表单？

只缺一个开放式问题时

例如：

• “你是要我继续执行，还是只提醒你一下？”
• “这里说的‘这个平台’是知乎还是掘金？”
• “你更想要简洁版还是详细版？”

这类问题不是多字段采集，而是补一句意图。直接问一句，通常最自然。

系统自己还没把问题建模清楚时

如果系统只知道“信息不够”，却还没判断清楚到底缺哪几个稳定字段，这时就急着上表单，本质上是在把建模压力转嫁给用户。

比如用户说“帮我安排一下下周内容”，系统甚至还没弄清这是提醒、日历、选题还是发布排期，就先让用户填日期、平台、标题、备注。这样不叫高效，叫过早结构化。

用户需要表达偏好、背景或取舍时

例如：

• “这次更看重速度、准确性还是成本？”
• “有哪些平台这次不要发，为什么？”
• “为什么想把时间改到这个点？”

这类回答往往带原因和背景。表单擅长收参数，但不擅长收动机。

为什么“两个及以上字段”是很实用的门槛？

因为从一个字段到多个字段，交互成本会出现明显拐点。

只缺一个字段时，表单会带来固定成本：

• 渲染表单；
• 让用户切换到填写模式；
• 再点一次提交。

但一旦缺的是两个、三个、四个字段，如果还继续聊天，用户就要不断等待、回答、再等待。字段一多，表单的固定成本很快会被减少的往返抵消。

所以“两个及以上字段”不是拍脑袋的产品规则，而是一个很实用的协作断点。

一个简单判断法

如果你想快速判断该用哪种 clarification，可以先问自己两个问题：

1. 现在缺的是几个明确字段？
2. 这些缺失信息能不能被可靠地类型化？

如果答案是“两个及以上，而且能类型化”，表单通常值得；如果答案更像解释、偏好或判断，那就继续像人一样问一句清楚的话。

执行型 AI 为什么更需要把这条边界分清？

因为执行型 AI 不只是回答，它还要继续做事。

追问方式选错，影响的不只是聊天体验，还会直接拖慢后续执行：

• 该用表单时没用，任务会被反复追问拖住；
• 不该用表单时硬上，用户会觉得系统太机械；
• 字段没收准，后续结果甚至会完全不同。

真正专业的 clarification，不是“更正式”，而是更合适：缺字段时用表单，缺意图时用聊天。

常见问题

只有一个字段缺失时，表单一定不该用吗？

不一定，但大多数时候不值得。除非这个字段特别容易误填，或者必须被强约束输入类型。

表单是不是一定比自然语言更专业？

不是。更专业的标准不是更正式，而是更合适。缺字段时表单更专业；缺意图时，一句自然语言反而更专业。

如果既有字段，又有开放式判断怎么办？

通常先用一句开放问题把任务形状问清，再决定是否进入表单。先把开放判断压清楚，再收字段，效果通常更好。

本文首发于 OmniGoAI 官网：https://omnigoai.com/zh/blog/gowork-structured-clarification-forms-vs-chat-questions/ ——OmniPost，把内容一键分发到 30+ 平台。