用豆包搭一个写稿工作流

作为AI原生APP,豆包在中国的用户量没有疑问地占据第一。有第三方调研机构说,到6月,其月活量达到3.82亿,比老二老三加起来的总和还要多。日活则是在春节一波推广后越过了两亿门槛。确实算遥遥领先。
我年过八旬的老父亲老母亲,都是豆包的日活用户。是,他们天天用豆包。
豆包最一开始就是个聊天机器人(bot)—— 你问它答,和市面上所有AI对话产品没有本质区别。但字节后来不断地往bot里堆功能。除了日常聊天(2c)以外,它也在努力成为一款能够接受任务、调用工具并交付结果的生产力产品(2b)。
时至今日,它能做ppt和execl,能操作本地电脑的文件和文件夹,能调用浏览器完成网页操作,能设置定时任务自动跑,能手机远程接管电脑,能完成语音通话和同声传译,能生产视频生产音乐,功能清单已经长到很难再用一个词概括它是干什么的:bot这个概念,显然不够用。
产品边界正在快速模糊,它到底是一个AI助手?一个办公套件?还是一个轻量级的操作入口?
大厂之间路线不同的产业分析先放放,本文只是探讨这样一个事:我怎么用豆包。作为一个豆包付费会员,由于它已经接入了一整套豆包工作的功能,所以得以更深入的体验。
这次我的角色不再是一个大学里的人民教师,而是一个科技行业的写作者——以评论分析为主。

摆在一个科技行业评论分析者面前的第一个问题是:新闻线索是什么,也就是我该就哪件事发表一次评论。早年我作为纸媒专栏作者的时候,每天都会去看一眼三大门户的科技频道所有文章的标题(说是看一眼,其实巨花时间),找一个可以写作的话题。
当然,到了今天,你不大可能去跑几个网站上做“看一眼今天科技新闻都有啥”的事了,海量爆炸,没人应付得过来。但我依然可以用几个定时任务器来做一些信息提醒。豆包的新版本终于加入了这个机制,我第一时间做了一些定时任务器:
在上面几个任务追踪器里,第一类是我比较信得过的媒体日报,但只和AI产业有关。无论是财新还是一财,它们不少报道其实和AI产业没什么关系,我就不浪费时间了。
我另外做了一个AI行业的周报,这个周报的我人肉输入的提示词是这样的:

我想创建一个国内ai大厂周报,也就是国内这些搞ai的公司,包括bat这种巨头,也包括deepseek minmax这种一线模型公司。它们的动向。另外还有行业重点人物的表态发言。每周一十点给我,做一个上周的review。这些信息要有链接附注供我溯源。

豆包改成了如下指令:
这个指令其实是可以再编辑的,但我懒得编了,就先这样,过几天视情况要不要进行增减编辑——说实话,我觉得豆包确实还没搞清bat到底是哪三家:) 和token概率有关吧。
AI基础设施的财务预警周度监控,是一个很金融的任务追踪器,它涉及到的不仅是媒体报道,还有各家公司发的财报数据。我要求追踪的变量不一定科学,先跑几天看看,就不展开了。
然后我比较关心韩红基金会最近的争议,就做了一个任务追踪器,今天就触发了一个新情况给我——类似的社会事件都可以这么做,相当于用AI吃瓜。
接下来来聊聊宇树这个公司我是怎么盯着它的二级市场表现的。

其实作为一个科技评论者,其实与其盯着一个新闻,不如盯着一个事件的变化。
宇树上市首日大涨,股价表现出一个惊人的数字,但我认为贵得离谱。它的市盈率在首日到了六七百倍,市销率两百多倍,但它的流通盘极小,三千万股而已。首日的市场表现,用“疯狂”二字形容一点不过分。这不是一个理性的资本态度,第一天不能说明什么。
这里面存在一种可能性:Proxy Unwind。这是一个投资行业黑话(其实连金融术语都算不上),大致意思就是:当真正的核心标的终于上市落地,资金不再需要炒作 “替代概念股”,大规模把之前押注主题的代理替身仓位集体平仓抛售,引发板块集体杀估值的现象。
宇树首日的夸张表现,搭配的则是机器人板块普跌现象,所以存在Proxy Unwind的可能性。
我设置了关于大盘指数、板块表现和宇树单个股票的股价结合起来的追踪器,准备连续跟踪,来判断这三种可能性哪个更强:1)全板块风险偏好下降;2)宇树上市导致Proxy Unwind,资金从影子股/泛概念股向宇树和核心供应链集中;3)机器人主题整体估值见顶。特别关注大盘企稳后是否出现“宇树强、核心供应链强、泛概念股持续弱”的结构。如果出现足以支持或推翻上述判断的显著新证据,通知我并给出简洁结论、关键数据和来源——以上,就是我的大致提示词。
到目前为止,可以这么说,Proxy Unwind应该是被排除了,第三项的可能性在飞速上升,不过依然需要跟踪观察。
还没到可以写所谓人形机器人赛道的时候。

任务追踪器是写作评论的重要帮手,它实际上并不是看新闻,而是盯变化。看新闻是一个静态的动作,盯变化才是动态的。
真正有价值的线索往往不在热搜上,而在持续关注的几个特定对象身上:一家公司的股价异动、一个产品的版本更新、一位高管的公开表态、一份监管文件的措辞变化。这些东西不会每天都上头条,但它们是判断行业走向的基础数据源。
问题是,手动盯这些东西的成本极高。我不大可能每天打开n个信源,逐家去查有没有新动态。设几个日程提醒、加几个邮件组订阅是不够的,因为它只负责“通知你该去看了”,看不看、怎么看、看完怎么整理,仍然是我的事。
我所需要的新闻线索的获取,应该要从“人工巡检”变成“自动化监控”。只需要告诉它关心什么、以什么频率关注、输出什么格式,剩下的事它自己跑。对一个写作者来说,这意味着不再需要再把注意力消耗在“有没有新消息”这件事上 ,而改为需要在有新消息的时候做出判断。

素材有了,线索也盯到了,接下来可能会出现的问题是:不知道从哪下笔。
还是以宇树科技为例,虽然我预先想到了三个观察分析的点,但Proxy Unwind已经排除,如果另外两个点经过一段时间跟踪后,依然不成立,我该从何角度切入分析宇树?
我过去的经历告诉我,和一些行内人士聊天会激发灵感。找人聊天,大致上会有这三类好处:捋顺既有思路,找到新的观察点,以及获得过去没有纳入视野的未知的信息增量。
但找人聊天这件事,其实门槛很高。很多时候,属于可遇不可求。这年头大家都卷,不是时时刻刻就可以找到人有事没事和你扯两三个小时的。
AI就属于随时待命的,不能说它全知全能,但说它具有一定质量,是一个聊天的对象,大差不差。和AI聊天的目的是这样一句话:一个能接住模糊感觉、然后通过追问将之逼成清晰判断的。。。人?
比如用工作任务模式和豆包聊天。没有必要指令式地“给我十个角度”,而应该从这样表述开始:“我觉得宇树这事不能只写股价涨跌,但我说不清更本质的东西是什么。”
然后它会追问:你觉得不能只写股价,是因为你认为价格波动背后反映的是行业估值体系的问题,还是因为你觉得市场对人形机器人的商业化预期存在系统性偏差,还是因为你注意到了某个被忽略的细节?
多来回几轮,那个最初模糊的直觉会逐渐收敛。它可能不是直接给你一个答案,而是在追问的过程中,自己意识到 “对,我想说的其实是这个”。破题不是它递给你的,是它帮着从自己的模糊判断里逼出来的。
事实上,这种让AI逼问自己,逼出一个破题,其实是可以做成一个skill的:让AI问,而不是我问。
如果轮次足够多,看上去信息繁杂,那么开写之前,也可以考虑让豆包就此写作任务,根据上下文,列一个提纲。这样写起来会更顺遂。

最后还有一步:成稿后交付豆包做两件事:事实核查(尤其不要搞错数字)和逻辑推演漏洞寻找(不要出现逻辑谬误或过于跳跃)。
如果愿意,倒也是可以让它想五个标题候选的。
当一个聊天机器人开始帮着盯信息流、逼问自己的角度、核查事实和逻辑的时候,它到底还是不是bot,就让ai业界的人去争论好了,对使用者,压根不重要。
重要的是,不要把它当成一台写稿机器,而应该视为一个从起手找材料到最后出稿这一系列环节的工作流。
—— 首发 扯氮集 ——

AI领域的这个iPhone时刻,大概已经成了垃圾时刻

23年11月7日,OpenAI在其首届开发者大会上宣布推出GPTs,让用户通过自然语言对话即可快速创建专用版本的ChatGPT。发布会上,奥特曼同时宣布了GPT Store即将上线,也就是汇聚了大量第三方创建的GPTs的分发平台(当然也可以成为变现平台)。

在当时,被誉为AI的iPhone时刻。

我一直认为,iPhone时刻这个词是不大精准的,因为iPhone本身并没有什么特别出彩的地方,真正让iPhone成为移动互联网风口的关键是AppStore时刻:这是一个:1、任何一个第三方都能开发提交app;2、app通过它分发;3、app如果想收钱,得通过它变现(即著名的苹果税);4、从此手机成为万用设备。AppStore才让iPhone形成了越多用户越多开发者越多开发者越多用户的良性生态,且,封闭。

OpenAI的GPT store看上去是有GPT生态的影子的。在自身大模型的基础上,形成越多用户越多开发者越多开发者越多用户,且分发/变现两大核心能力掌握在OpenAI手中。从这个角度而言,说成iPhone时刻,似乎也成立。

GPTs问世时相当火爆,三个月后,当GPTs store上线,GPTs数量已经跨过了300万大门,看上去大家热情很高。OpenAI也很看重它的生态带动,表示将在2024年Q1启动一项名为“GPT开发者收入计划”的补贴,即根据用户对其GPT的参与度向美国开发者支付报酬。

但这个iPhone时刻其实并没有真正到来。

国内大厂迅速跟进,并称之为“智能体”。

但这个智能体并不是我们今天很多人提到的智能体(agent)的意思。如果要做区分的话,那么它们可以被称为“轻智能体”,而现在科技圈里喜欢说的agent,才是真·智能体。

虽然,这波轻智能体的原点是GPTs,但后续的演进略有不同。GPTs的定位是轻量AI应用开发平台,其本质是是封装好的提示词+简易 RAG。国产智能体则以角色扮演、情感陪伴、星座娱乐、本土化轻工具为主,传播性强、门槛极低:

正因为门槛极低,国产轻智能体的受众并不小。部分用户还因为早期接触了这类轻智能体,慢慢养成了使用习惯。

国内大厂基于LLM的bot服务(聊天机器人)用户动辄亿起,这类轻智能体同样需要消耗海量token,商业上却又很难产生令人满意的回报。豆包、千问的海量轻智能体,你稍微浏览一下就知道,说一句没有一个所谓智能体会让你产生掏钱的可能,不能算很夸张。

道理就在于,生成这样一种轻智能体,实在太简单了。

上周,豆包千问均宣布,将于7.15下架所有UGC轻智能体。具体做法略有不同,但在未来,各自的app里“智能体”这一入口,应该是看不到UGC的轻智能体了。可能再过一阵子,这个入口都很难找到。

一般都理解为是响应4月有关部门发布的《人工智能拟人化互动服务管理暂行办法》。因为明确提出将于7.15起正式实施该法规。

但这个法规显然只聚焦于拟人化互动,而不是覆盖所有。但大厂们的应对则是:UGC全部下架。

所以我一直解读为:借助新规实施,就坡下驴,体面撤退。

道理除了实在是找不到商业化可能却徒背巨大消耗外,还有一点很重要:bot正在把这类轻智能体全部“吃掉”:即覆盖了轻智能体的功能。

在bot中,你还有什么必要调用一个叫“拍照识物”的轻智能体呢?又有什么必要调动一个叫“小学数学作业批改”的轻智能体呢?

这些年AI的发展,基本形成了两个路数,bot(聊天机器人)和agent(真智能体)。bot的覆盖范围越来越广,这和其自身能力越来越强有关。比如ai搜索这个路径,我一度也是perplexity的付费用户,但确实也感觉,似乎没有什么必要专门搞一个ai搜索的app了。

有四个前赴后继的所谓“工程”概念:prompt engineering、context engineering、harness engineering和loop engineering。至少第一个提示词工程,第二个上下文工程,当下的热议度和当初刚冒出来时完全不能相提并论(当然我并不是说它们已经完全过气没有价值)。

我依稀记得,当初甚至有人提出过一个新工种:提示词工程师。这个职业主要就是想出更好的指令,以便于ai给予更好的反馈结果。但随着大模型的意图识别能力的加强,人类这一侧,指令变得越来越傻瓜化。恐怕,提示词工程师作为一个“职业”真的也就是过眼云烟了。

国内的第三方轻智能体已在被清退的路上,国外GPTs也在被OpenAI边缘化。

GPTs 刚推出时的核心卖点有三:预设提示词与人设、挂载私有知识库和调用专属工具。当下,这三项能力都已经被原生bot内化,几乎没有什么必要调用专门的GPTs。

而这三个核心卖点,其实在国内大厂的bot里,也已经完成了内化:

看看这些bot的发消息框的一堆配置就知道了。

最后稍微说一下这个拟人化的垂类AI。

在国外,最著名的就是Character.AI。这个全球最大的AI角色陪伴平台大概有2000万月活用户,目前已经放弃自研基础大模型(当然也就估值腰斩),转向为产品体验与安全合规。

24年年营收仅为3220 万美元,今年预计约6010万美元,未盈利。部署广告服务引发免费用户剧烈不满,因为情感陪伴需要沉浸感,广告入侵显然极度破坏用户体验。

这个最大的平台24年谷歌以27亿美元“人才收购 + 技术授权”模式接盘,极有可能最终无疾而终。

另外一个则是Replika,被视为长期记忆能力做得最好的服务之一,走“单一人设、深度情感联结”路线。注册用户过千万,但付费率远超character.ai,年入3000万美元左右,但由于其团队很小,算力成本被压得很低(有报道说单次30轮长对话的算力成本25年降低至0.0003美元),已持续盈利。跨会话长期记忆是它的核心优势 ,故而Replika可以持续积累用户的生活细节、偏好、过往经历,形成真正的 “长期关系感”。

规模而言,Replika并不大,这两年也未听说其高速增长,大概可以归为“小而美”的垂直产品。

Pi属于维护型产品。

韩国的Zeta是一匹黑马,AI小说式陪伴产品,走叙事型路数,今年在日本市场有爆发,月流水近200万美元,Q1的收入增速为全球第一。

总得看来,大平台character难以为继,小平台replika美但不大,Pi和死亡没什么区别,Zeta可能走不出东亚区域。

中国嘛,本赛道大概是over。

—— 首发 扯氮集 ——