文|魏琳華
編|王一粟
AI原生應(yīng)用,到底該怎么做?
在備受關(guān)注的工作場景上,大模型能力和打工人需求的結(jié)合正在變得更加緊密,科技公司正在把產(chǎn)品做成更符合用戶需求的模樣:
6月,Anthropic發(fā)布了智能工作臺(tái)Artifacts,不僅能用來AI寫作、AI敲代碼,還能讓用戶提前預(yù)覽代碼運(yùn)行的效果;10月,OpenAI發(fā)布了Canvas(畫布),在GPT系列模型的基礎(chǔ)上支撐用戶寫文檔。10月23日,騰訊發(fā)布了AI智能工作臺(tái)產(chǎn)品ima.copilot,把個(gè)人知識(shí)庫和AI搜讀寫的能力合為一體。
大家為了讓打工人干活兒更高效,也是拼了。
過去兩年,無論是AI寫作、PPT、搜索,多數(shù)產(chǎn)品都還是+AI的狀態(tài),而不是真正的AI原生。
這兩者的區(qū)別在于,一個(gè)在原有的賽道中提升和擴(kuò)展,一個(gè)是根據(jù)用戶的不同使用場景全新搭建。
而智能工作臺(tái)的出現(xiàn),正是從用戶的工作場景出發(fā),構(gòu)建的一個(gè)結(jié)合AI搜索、AI閱讀、AI寫作等多種功能的產(chǎn)品,最重要的是除了全網(wǎng)的信源,還引入了個(gè)人的知識(shí)庫。我們愿意稱之為,一款集大成者的AI原生應(yīng)用。
此類產(chǎn)品的出現(xiàn),并不是偶然,因?yàn)樗⒃诖竽P图夹g(shù)最主流的路徑上。
過去一年,大模型在落地技術(shù)路線上幾乎達(dá)成了共識(shí)。
通過大模型+搜索增強(qiáng)+向量數(shù)據(jù)庫,這三種技術(shù)聯(lián)合推動(dòng),讓生成式AI的最終效果減少了令人頭疼的幻覺問題。
而以騰訊ima.copilot為代表的智能工作臺(tái),正是利用了大模型最主流的這條技術(shù)路線,讓AI在工作上的輔佐能力得以突飛猛進(jìn)。
左手場景,右手技術(shù),AI原生產(chǎn)品的落地不再遙不可及。
搭建知識(shí)庫,嘗試“第二大腦”
到底什么是智能工作臺(tái)?
看到ima第一眼,簡潔的讓我無從下手,以為是個(gè)搜索工具。
上手測試之后才發(fā)現(xiàn),這是一款集合了AI搜索、知識(shí)庫、AI閱讀、AI寫作等多種功能的產(chǎn)品。既能在搜索框中向ima提問,讓它幫你從全網(wǎng)搜索并自動(dòng)生成答案;也能上傳本地文件,讓ima幫你一口氣解讀幾百頁文獻(xiàn);它還支持智能寫作功能,無論是寫論文、寫作文還是發(fā)個(gè)小紅書、朋友圈文案,ima都能信手拈來。
而其中最重要的關(guān)鍵能力支撐,就是——個(gè)人知識(shí)庫。
在過往體驗(yàn)AI搜索、AI寫作類產(chǎn)品中,往往生成的內(nèi)容都不能令人滿意:時(shí)常容易犯些常識(shí)性錯(cuò)誤,比如告訴你:《原神》是巨人網(wǎng)絡(luò)的產(chǎn)品;即使寫出了長篇大論的內(nèi)容,仔細(xì)讀起來卻空洞無物,輸出了一些“說了好像沒說”的廢話。
為了減輕生成式AI產(chǎn)生幻覺的情況,RAG+大模型的組合出現(xiàn)了。在大模型拿到一個(gè)問題的情況下,RAG會(huì)先在外部信息中檢索出大量相關(guān)內(nèi)容,再交給大模型生成。
然而,在內(nèi)容質(zhì)量良莠不齊的互聯(lián)網(wǎng),大模型抓取的內(nèi)容雖然準(zhǔn)確度提升,但它也無法代替人來辨別內(nèi)容的優(yōu)劣。
對此,ima的選擇是,給AI搜讀寫的過程連接上知識(shí)庫這個(gè)“第二大腦”——也就是允許用戶將自行在互聯(lián)網(wǎng)中搜集到的內(nèi)容整理起來,根據(jù)工作需求,將日常瀏覽、使用的優(yōu)質(zhì)信息分門別類地整理在多個(gè)知識(shí)庫中,其中,一些本地文檔也可以上傳到只屬于你的知識(shí)庫,交給AI完成理解歸納。
當(dāng)AI搜索調(diào)用知識(shí)庫的時(shí)候,既可以避免錯(cuò)誤信源混入,提升生成內(nèi)容的準(zhǔn)確性,也能讓打工人在幾分鐘內(nèi)快速了解一件事的來龍去脈,節(jié)省了一頭扎入資料堆閱讀的時(shí)間。
大模型+RAG+私人知識(shí)庫的組合,讓ima在搜讀寫的過程中,更能理解用戶發(fā)出的指令。就像由AI扮演24小時(shí)在線的私人助手,隨時(shí)幫用戶從個(gè)人圖書館中按照分類隨時(shí)按照需求調(diào)閱資料。
將這個(gè)個(gè)人知識(shí)庫應(yīng)用在搜索、閱讀和寫作中,用戶的工作效率有了大幅提升:
在光錐智能實(shí)機(jī)測試中,筆者在知識(shí)庫中上傳和收藏某家公司近一年財(cái)報(bào)、產(chǎn)品信息等資料之后,ima根據(jù)收集到的知識(shí)庫信息,得出該公司2023年全年?duì)I收和凈利潤同比下降、面臨用戶增長放緩的壓力,同時(shí)該公司正在積極發(fā)展海外市場的結(jié)論。過往需要多次搜索并梳理的內(nèi)容,交給AI,它把辦事效率提升了一個(gè)臺(tái)階,在短短數(shù)秒內(nèi)幫助用戶梳理了一家公司的業(yè)務(wù)。
此外,在搜索過程中,ima引用了包括福布斯、新浪財(cái)經(jīng)等官方媒體信息源,并引用了大量來自微信公眾號和騰訊新聞的內(nèi)容。通過利用自家平臺(tái)的內(nèi)容生態(tài)優(yōu)勢,ima能夠基于騰訊沉淀下的獨(dú)家優(yōu)質(zhì)內(nèi)容完成回答。
比如,拿最近全網(wǎng)流行的綜藝《再見愛人》中的“油炸方便面”梗詢問ima,它整合了多篇資料,把來龍去脈講得清清楚楚。下方還順帶鏈接了多篇相關(guān)公眾號內(nèi)容,方便用戶進(jìn)一步了解信息。
之后誰再說我上班沒帶腦子,我就跟誰急。
搜讀寫一體,智能工作臺(tái)再進(jìn)化
除了給AI搭建一個(gè)“第二大腦”,在使用中,相比于以往功能單調(diào)的碼字文檔,作為智能工作臺(tái),ima的使用含金量還在大幅提升。
分析市面上的工作應(yīng)用,企業(yè)往往會(huì)把搜索和寫作拆分為兩個(gè)獨(dú)立產(chǎn)品,前者服務(wù)于搜索、查詢信息的場景,后者則應(yīng)用于寫作、資料整理等場景。但從工作場景上出發(fā),用戶完成一篇文檔通常需要先在搜索中深入學(xué)習(xí)并查找對應(yīng)資料,再在文檔中基于搜索到的內(nèi)容完成寫作。
面對實(shí)際需求,無論是AI+搜索,還是AI+寫作,又再度割離了兩個(gè)本就相輔相成的場景,打工人只能開著無數(shù)個(gè)界面“反復(fù)橫跳”,在切換中損耗精力。
智能工作臺(tái)類產(chǎn)品的出現(xiàn),開始將上述兩步驟整合到一個(gè)產(chǎn)品中,解決用戶來回切換界面的問題。
用戶對于一款好工具的純粹需求沒有變,只是這個(gè)要求正因?yàn)锳I的到來,變得更高了。
放眼國內(nèi),人們對智能工作臺(tái)類產(chǎn)品的需求正在被看見。
以ima為例,作為智能工作臺(tái)產(chǎn)品,它把AI搜索和智能寫作兩個(gè)重要的功能整合在一個(gè)界面中。此外,ima還把“邊搜邊看、邊問邊記”的亮點(diǎn)加粗強(qiáng)調(diào)。
比如,當(dāng)你在智能工作臺(tái)界面瀏覽文章時(shí),讀到一個(gè)晦澀難懂的名詞?,F(xiàn)在不需要再跳出搜索界面專門查詢學(xué)習(xí)概念,只需要選中相應(yīng)詞條進(jìn)行“AI解讀”,AI助理就會(huì)再度幫你查詢意義,幫你詳細(xì)解讀,比直接搜索更省力。
除了按需整合“搜讀寫”,這一代智能工作臺(tái)產(chǎn)品也同樣著眼于細(xì)節(jié)優(yōu)化。
和一般的文檔寫作相比,靠AI加持的智能寫作開始更懂用戶的需求。此前,智能體的開發(fā)多被用戶應(yīng)用于完成用戶不同的寫作需求,比如生成小紅書文案、寫短視頻腳本、完成營銷結(jié)案報(bào)告等等。在實(shí)際使用中,人們往往需要在大量的智能體產(chǎn)品中尋找并測試使用效果,最終篩選出滿意的產(chǎn)品。
而在AI讀寫功能進(jìn)化后,智能工作臺(tái)開始做減法,即聚焦于工作和學(xué)習(xí)場景的文案創(chuàng)作,并不斷打磨效果。
比如ima,它聚焦于工作、學(xué)習(xí)兩類場景,在“智能寫作”功能中給出了論文、作文和文案三種內(nèi)容風(fēng)格,又在不同內(nèi)容種類下做了更加詳細(xì)的分類。以作文寫作來說,它區(qū)分了不同年級、文體(記敘文/議論文),還允許用戶指定字?jǐn)?shù)。
如果生成的內(nèi)容有一部分覺得不滿意,但又覺得只需要修改局部內(nèi)容,保留其中有用的部分,只靠指令讓AI助理完成,很容易出現(xiàn)多次返工“抽卡”的情況。
相比之下,智能體助手在寫作體驗(yàn)上的細(xì)節(jié)功能有所提升。比如,ima能夠更好地對AI生成內(nèi)容進(jìn)行修改。它支持針對其中的部分內(nèi)容進(jìn)行“縮寫”或是“擴(kuò)寫”,或者干脆給出更詳細(xì)的指令,方便用戶按照想法自由完成編輯。
比如,光錐智能在測試中,要求ima縮短字?jǐn)?shù)并替換議論文中的案例,只需要一句話的功夫,就能讓AI按照心意重新完成輸出。
寫作過程中的一些細(xì)微需求,ima也沒有忽略,結(jié)合AI能力,ima的AI筆記功能更加絲滑好用:需要翻譯內(nèi)容,選中對應(yīng)段落就能交給AI一鍵生成;利用指令功能,用戶還能要求ima幫忙調(diào)用文生圖能力,免費(fèi)的插圖直接無限量生成。
把搜、讀、寫融為一體,不僅減輕了工作量,還能讓AI真正擔(dān)任起私人助理的角色,按照需求“指哪改哪,要啥給啥”。
24小時(shí)碼(字)農(nóng),在“第二大腦”的加持下,終于被AI從Word的苦海中解放出來了。
本文來自投稿,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/cgo/127101.html