第二百八十五章 喵~ (第2/3页)
。
“效果很好,这个星期可以在全公司内部推广。”韩路一说。
“可惜,想商品化的话,困难重重啊。”苏念念叹了口气。
这个问题,三个人周五开会时就讨论过了。
这种“成长系统”想准确评价用户,就得做全方位画像,接触大量个人信息。
只在源码内部使用,工作相关信息本就归源码所有,没有隐私问题;一旦对外推广,无论面向企业还是个人用户,隐私和数据安全都还有很长的路要走。
“没必要什么都想着商品化。”韩路一说,“只要这件事有趣、有益,就可以继续做。商机有时会在不经意间出现。”
姜亦心听到这儿,觉得时机差不多了,举起手。
“韩总,苏总,其实我还有个关于产品的想法,想和你们聊聊。”
苏念念其实猜到了:三人每周有固定会议,若只是汇报“成长系统”的成绩,完全可以等到那时候。
今天临时约会议,肯定是有决策要做。
“让小姜总这么急,是什么想法啊?”她笑着问。
姜亦心打开刚整理出来的资料。
《使用大模型创建可复用的专家级技能》。
接着,她讲了自己如何受早期用户启发,想到用AI制作领域专家能力,以及在网上调查到的现状。
韩路一和苏念念对视一眼,都看出对方眼里的惊讶。
小姜真是个敏锐的产品经理啊。
“网上很多人已经尝试过了,但我觉得主要受几方面限制,现在的AI还没法提供和真人专家同等级别的能力。”姜亦心说,“首先,大模型设计之初是按通才培养的,可我们需要某个职业能力时,要的是专才,比如编程、法律、设计等等。”
韩路一点点头。
这确实是个问题,也是源智应用方面正面临的挑战——汤圆在国家电网落地,需要的正是电力方面的专才。
“这个方向确实比较前沿,不过学术界和工业界已有一些探索。”韩路一说,“现在比较流行RAG(Retrieval-Augmented Generation,检索增强生成)技术:把模型里没有的相关资料放进数据库,提前做好索引;查询进来时,先在专用数据库里搜出相关内容,再连同问题一起送给大模型,让它据此生成答案。”
通过限定数据来源范围,并在提示词中严格限制只能依据给定来源生成回答,就能以最低成本,在一定程度上把通用大模型变成领域专家。
“但这其实是对模型能力不到位的一种妥协。”韩路一接着说,“用户会问什么没法预测,语义理解不到位就检索不到相关信息,最后答案就不准确。这就像让一个没学过这门课的人开卷考试:你提问时,他得现翻答案;翻到了,答得就好;翻不到,就别指望他能给出什么好答案。”
韩路一讲得清晰到位,姜亦心和苏念念都听懂了。
确实,从这个方向看,问题还是没解决。
姜亦心翻过一页资料:“还有下一个问题。”
屏幕上写着这一节的标题:【长时记忆】。
“现在汤圆很强,但它的工作是响应式的。”姜亦心说,“我问一个问题,它答一个;我追问下一个,它再答下一个。等问题多到超出上下文窗口,整个对话就没法用了,只能开下一个问题,一切从头开始。我们做御风时特意优化过这个问题,做成长助手时又遇到了同样的问题。”
这确实是一线应用开发才会遇到的痛点。
韩路一回头看了看苏念念。她最近做经营管理较多,脱离产品一线有一段时间了。
韩路一怕苏念念听不懂,停下来解释了几句——当然,他是对着姜亦心说的,只让苏总顺便听一下。
“大模型生成时,会把所有上下文放进模型里跑一遍,再得出答案。所以上下文给得越多,占用内存越多;这个量有个极限,就是上下文窗口。”韩路一说,“汤圆现在的上下文窗口是二十万个词元,不算小,日常问答够用,放到工程里就捉襟见肘了。”
“超出上下文窗口后,大模型还能继续工作,但它会默默忘掉用户最开始说的话,给出的答案常常驴唇不对马嘴,用户还不知道哪里出了问题。”
为了说明白,韩路一讲了个网上的段子。
“有人说,和大模型聊天时,可以在最开始加个要求,让它每次回答最后都加一个“喵”。等哪天它突然不带“喵”了,你就知道它已经超出上下文窗口,该换新聊天进程了。”
苏念念确实不知道这些,尤其最后那个段子,她轻轻点了点头。
“所以在汤圆的上下文窗口无限大之前,我们只能让它回答窗口撑得下的内容。”姜亦心总结道。
这总结很到位。
问题分析完,姜亦心终于翻到提案。
AI技能。
“这是什么?”韩路一问。
姜亦心想了想:“可以理解成一种可复用的行动脚本。”
她怕这解释太虚,又换了个说法。
“比如,我想要一个运营复盘技能。模型知道怎么写复盘,但每次都从头思考,像个很聪明却没受过公司培训的新人。AI技能就是把成熟员工的做法沉淀成一套固定动作:什么时候触发、先看哪些数据、怎么判断异常、怎么拉取用户反馈、最后输出什么格式,全都写清楚。”
“类似SOP(Standard Operating Procedure,标准操作步骤)啊。”苏念念说。
乍一看,这个概念和御风很像。
御风也把编程拆解成不同步骤,每一步由大模型规划和判断,再由御风工具在代码库里执行。
但韩路一和苏念念很快意识到,这是同一理
(本章未完,请点击下一页继续阅读)
『加入书签,方便阅读』