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智能工作臺產(chǎn)品ima.copilot，把個人知識庫和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，一個在原有的賽道中提升和擴展，一個是根據(jù)用戶的不同使用場景全新搭建。

而智能工作臺的出現(xiàn)，正是從用戶的工作場景出發(fā)，構(gòu)建的一個結(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，還引入了個人的知識庫。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，因為它建立在大模型技術(shù)最主流的路徑上。

過去一年，大模型在落地技術(shù)路線上幾乎達成了共識。

通過大模型+搜索增強+向量數(shù)據(jù)庫，這三種技術(shù)聯(lián)合推動，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，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。

左手場景，右手技術(shù)，AI原生產(chǎn)品的落地不再遙不可及。

搭建知識庫，嘗試“第二大腦”

到底什么是智能工作臺？

看到ima第一眼，簡潔的讓我無從下手，以為是個搜索工具。

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；它還支持智能寫作功能，無論是寫論文、寫作文還是發(fā)個小紅書、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——個人知識庫。

在過往體驗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：時常容易犯些常識性錯誤，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。在大模型拿到一個問題的情況下，RAG會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庫這個“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知識庫中，其中，一些本地文檔也可以上傳到只屬于你的知識庫，交給AI完成理解歸納。

將來源于不同渠道的內(nèi)容整合進知識庫中

當(dāng)AI搜索調(diào)用知識庫的時候，既可以避免錯誤信源混入，提升生成內(nèi)容的準確性，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間。

大模型+RAG+私人知識庫的組合，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小時在線的私人助手，隨時幫用戶從個人圖書館中按照分類隨時按照需求調(diào)閱資料。

將這個個人知識庫應(yīng)用在搜索、閱讀和寫作中，用戶的工作效率有了大幅提升：

在光錐智能實機測試中，筆者在知識庫中上傳和收藏某家公司近一年財報、產(chǎn)品信息等資料之后，ima根據(jù)收集到的知識庫信息，得出該公司2023年全年營收和凈利潤同比下降、面臨用戶增長放緩的壓力，同時該公司正在積極發(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臺階，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。通過利用自家平臺的內(nèi)容生態(tài)優(yōu)勢，ima能夠基于騰訊沉淀下的獨家優(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，方便用戶進一步了解信息。

 

有了AI知識庫的加持，每個人就像建立了一個“第二大腦”，隨時可以從知識庫里調(diào)用一些更有價值、更精準的信息，而不用每次再從茫?；ヂ?lián)網(wǎng)上去尋找，減少搜索信息時的回頭路。

之后誰再說我上班沒帶腦子，我就跟誰急。

搜讀寫一體，智能工作臺再進化

除了給AI搭建一個“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，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)往往會把搜索和寫作拆分為兩個獨立產(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。

面對實際需求，無論是AI+搜索，還是AI+寫作，又再度割離了兩個本就相輔相成的場景，打工人只能開著無數(shù)個界面“反復(fù)橫跳”，在切換中損耗精力。

智能工作臺類產(chǎn)品的出現(xiàn)，開始將上述兩步驟整合到一個產(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，只是這個要求正因為AI的到來，變得更高了。

放眼國內(nèi)，人們對智能工作臺類產(chǎn)品的需求正在被看見。

以ima為例，作為智能工作臺產(chǎn)品，它把AI搜索和智能寫作兩個重要的功能整合在一個界面中。此外，ima還把“邊搜邊看、邊問邊記”的亮點加粗強調(diào)。

比如，當(dāng)你在智能工作臺界面瀏覽文章時，讀到一個晦澀難懂的名詞。現(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)詞條進行“AI解讀”，AI助理就會再度幫你查詢意義，幫你詳細解讀，比直接搜索更省力。

除了按需整合“搜讀寫”，這一代智能工作臺產(chǎn)品也同樣著眼于細節(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)案報告等等。在實際使用中，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讀寫功能進化后，智能工作臺開始做減法，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），還允許用戶指定字數(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上的細節(jié)功能有所提升。比如，ima能夠更好地對AI生成內(nèi)容進行修改。它支持針對其中的部分內(nèi)容進行“縮寫”或是“擴寫”，或者干脆給出更詳細的指令，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縮短字數(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，免費的插圖直接無限量生成。

ima按照指令生成了一張配圖

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。