钥匙孔效应：为何聊天界面在数据分析中失效

聊天界面已成为AI辅助数据分析的默认交互方式，但对于多步骤、状态依赖的分析任务而言，这是一种错误选择。本文基于Woods（1984）提出的“钥匙孔效应”——即通过狭窄视口观察大型信息空间所引发的认知代价——指出聊天界面通过五种机制系统性地损害分析表现：(1)持续内容替换干扰海马体空间记忆；(2)隐藏状态变量超出工作记忆容量（负载下约4个组块）；(3)强制语言化引发言语遮蔽，削弱视觉模式识别；(4)线性文本流阻碍认知外化与探索性操作；(5)序列化惩罚随数据维度增加而加剧。作者形式化认知超载为O = max(0, m - v - W)，并提出八种混合设计模式以缓解上述问题。