用户不知道该怎么说是主要门槛

概念解释

知道自己要一份「能直接发给客户的道歉信」，和知道该在框里写「语气郑重、不认法律责任、两百字内、保留原订单号」不是同一件事。表述门槛（prompt formulation barrier）是：用户卡在把意图编译成模型吃得下的那串词，而不是卡在「不知道这东西存在」。入口即使已经暗示了能力范围，仍可能把人停在光标闪烁处。

图形界面的门槛是找到控件；开放输入的门槛是发明一句尚不存在的话。后者没有菜单可扫，只能在语言里搜索。

机制

Norman 的执行鸿沟在这里具体化为「意图语言」和「提示语言」两套词汇。意图语言是任务词：道歉、改合同、把表头对齐。提示语言是模型真正敏感的维度：角色、约束、格式、反例、输出结构。两套词之间没有用户已经练熟的编译器。人平时对另一个人说话时，缺的槽位由对方追问补上；对模型说话时，缺的槽位被默认填成训练分布里的众数，于是「写封道歉信」变成一篇正确但不可用的范文。

还会叠加社会成本。在别人面前对着空框停住，比在菜单里找一项更像「不会用」。于是有人改去搜「怎么问 AI」，把门槛从产品里搬到了搜索引擎。

怎么研究

给一个具体任务（「把这段会议记录变成三封跟进邮件」），允许问实验者任何关于产品的问题，但不给示例。记录从任务下发到第一句提交的时间、中途改写次数、以及出声思维里出现的元问题（「要不要说语气」「要不要限定字数」）。自变量：任务本身是否已经接近提示语言、是否提供可勾选的约束芯片、用户是否有过提示工程经验。因变量：起步时延、第一稿可用率、元问题的种类。

关键是把「不会说」和「说了但模型不稳」切开。若同一句话交给确定的模板填充就能过关，门槛在表述，不在采样。

边界

用户若来自已经有行话的职业——律师写「请按我方立场改抗辩、不引入新事实」——提示语言与意图语言重合，门槛下降。闲聊、翻译、摘要这类任务的提示语言接近日常说话，起步会快得多。相反，图像生成、代码修复、数据变换把大量约束藏在行话里，门槛最高。这条不解释同义句为何得到不同结果，也不解释失败之后人会怪谁。

怎么落地

• 在光标旁放「还缺的槽」而不是范文：对象、语气、长度、禁止事项。用勾选或短填空降低编译负担，保留那句意图原话。
• 允许先交一句很短的意图，系统用可见的追问补槽，而不是默默用众数填上。
• 不要把「写更好的提示」做成用户作业。产品若依赖用户自学提示工程，等于承认入口没有把编译做完。
• 验证：找不会写提示、但会做该任务的人（能手写那封道歉信的客服）。若他们盯着空框超过半分钟仍交不出第一句，或第一句缺了他们手写时一定会出现的约束，门槛就在表述这一层。

延伸

• 同组：L2.01.1 开放输入不提示能力范围 · L2.01.3 表述差异会导致结果差异 · L2.01.4 空白输入框不传达任何能力边界，用户的第一句话本质上是猜测 · L2.01.5 开放输入把失败的归因引向用户自己说得不好 · L2.01.6 同义表述得到不同结果，用户会误以为存在需要背诵的固定说法 · L2.01.7 开放性使功能无法被枚举，产品的能力清单不再可完整展示 · L2.01.8 开放输入的错误提示难以具体，因为系统并不知道用户原本想做什么
• 相邻：L2.03 示例与模板引导 · L2.15 指令的歧义与澄清追问 · L2.02 可说什么的可发现性
• 站内检索：prompt formulation barrier · gulf of execution · intent-to-prompt compilation