Slider Image 1 Content
多歧为贵 不取苟同
本文讨论一下一个 ai 用例。
作为一位大学老师的我,目前正在暑假中。暑假就我而言,通常还是有一个活要干的:为下学年的课程做一些准备工作,包括且不限于课纲制定、课件制作和材料准备。
我是一个以实务教学为主的老师,实务教学的特点就在于和现实世界捆绑很紧。科技发展这些年势头很猛,甚至到了有让人目不暇接的感觉。这使得我年年都需要做一些调整,有时候还面临重大模块增减:比如我刚到交大教书时,世上是没有短视频平台、算法推荐这种事的。当然,作为大学授课还是需要有一定稳定性,不可能今年什么事火立刻就进行模块级别的调整,看个一两三年还是有必要的。
今年暑假,基于 AI 的大发展,我深感需要对我这门《互联网与新媒体实务》做一次重大的模块更新。这个领域前两年上课不是没提及,而是感觉还是缺少浓墨重彩的有体系梳理。
我几乎算是一个 ai 投降派——一种先对 ai 敞开怀抱大胆去用然后再小心谨慎而非唯ai是从的姿态,这活不可能不弄个 ai 工具来帮忙。
这次我选用的是TRAE Work,字节出品的一个搭载ai agent的工作平台。我较早时听说过 TRAE CN的TRAE IDE,但因为是以编码为主,和我这个文科教师关系有点远。但这次的TRAE Work 我应该能用得上。
作为一门紧贴互联网真实商业世界的实务课程,大致上有以下几个特点:
其一,缺少成型的教材——我自己从未使用过教材,完全靠 PPT。尤其是这些年才发生的事。在互联网作为一个新媒体方向上,对古早发展历程的梳理,有诸如彭兰教授的早期作品《网络媒体的第一个十年》,进行了偏学术化的论述。但之后确实非常罕见。而即便彭教授这本大作,也很难真当教材使用,更多意义上是一个教辅读物。
其二,虽然缺少教材,但相关资料却又是汗牛充栋。市场上有大量关于互联网商业史的书籍,比如我的朋友林军就有两部大作:《沸腾十五年》、《沸腾新十年》。我个人也很推崇吴军的《浪潮之巅》,当然还有更多的类似书籍,不乏佳作。有一说一,我人力上也不可能都看得过来,即便看得过来,也未必都能记住。更重要的是,这些资料其实依然是需要互相印证的,不能偏听偏信。
其三,有一些专有技术概念,本身也会成为一本书籍的厚度。比如推荐算法,这四个字就有大量的书籍。基于推荐算法,还有广告方向上的实务操作。我看过刘鹏王超合著的《计算广告》,是一个相当不错的教辅书籍。
其四,当然还有大量的媒体报道,如果仅看公认为主流科技媒体的重磅报道,基本上一周冒出来一篇的频次也许夸张,一个月冒出来一篇却又有些保守。这意味着其实存在不断在更新的所谓热点事件和热点分析。
其五,中国互联网的发展,事实上受大洋彼岸的美国互联网影响很深,无论是资本角度,还是商业模式角度,甚至包括组织架构体系构建。中国网络商业,有着长期的所谓c2c(copy to china)模式。虽然这门课主讲中国互联网新媒体的发展,但不可能不涉及美国的情况。比如行业里一个很常见的概念长尾理论,就来自于美国连线杂志主编安德森的著作,这是不可能绕过的。
最后,虽然不是主讲互联网法律法规的课程(这种课程,学校另有设立),但也不可能不涉及一些最基本的法律法规。
这些特点总结下来,就是授课教师其实需要一个偏向知识库且能进行推理、提炼乃至具体执行的 ai 产品。
而TRAE Work,很好地完成了我的任务,我确信这个产品,会正式上岗,成为我的小助教。
第一步就是建立本地授权文件夹,将我能想到的所有资料全部置放进去,当然后续也可以不断补充添加。然后置放我过往的课件,这是给 ai 确定一个大致的框架,光凭一个课程名字就让 ai 去工作,未免过于放飞。我的主线是基础导论、基于单向大众传播为主的门户、用户拉取信息的搜索、UGC用户贡献内容的兴盛、算法推荐与社交分发对传播基础模式的重构,最后需要新增ai对内容行业的影响。这是最为底盘的模块建构,只能人力去干。
然后就下达指令:作为一名新闻传播系的专业课教师,在这门本科课程上,以本人过往课件为主框架,配置文件夹里的各种文档资料,该制定怎样一份课程纲要。
TRAE Work 一顿操作,出具了第一份课纲。我猛然意识到学校对课纲的要求还有”需配置思政点”的要求。于是追加了指令,大致呈现了如下结果(这里展示第四部分具体课程安排的第一个模块):

尤其是配置思政点这件事,我个人表示很叹服,就它了!
第二件需要做的事,就是在几轮课纲讨论完善后,制作课件。我是出了名的PPT极度简约(或者叫简陋也可以),这件事我从来不在意。当然,AI能做就做一个我瞅瞅吧

(左侧我手搓版,右侧为机搓版,审美这个东西见仁见智,你们自行判断就好。我反正就三个字:无所谓)
另外还有件事也很重要,我这门课是闭卷考试课,每学期期中期末两份各ab两套卷,且学校对历年考卷的题目重叠度有要求,AI能不能帮我出卷?

要单独把多端同步这件事拿出来说一说。这里的重点不仅仅是一个信息同步,而是一个”工作流同步”
TRAE Work不仅有桌面端,还有移动端,经过一定的权限设置,两端是可以同步的,且移动端可以给桌面端下达指令。这意味着你在地铁里忽然想起某个地方需要调整、需要制作,完全可以摸出手机来下达指令,让TRAE Work执行。
如果只是这样,也没啥特别了不起的。
但对于我这个时刻需要跟进热点趋势的教师来说,很重要。利用手机端看到一些信息,尤其是重点报道、热点新闻。我历来认为,”时效性”是一个文科实务教师非常需要用心的地方——用三五年前的案例来解释理论规律,不仅学生可能一脸茫然导致沉浸感太差,也和今天多变的社会结合欠紧密。
我自己在另外一个大学还有门叫《社会化媒体与社交网络》的研究生课程,有学生发给我小红书上学生对我这门课的评价,老实讲,我还是有些自豪的(作业形式在ai盛行的今天,确实要考虑调整一下,:)

由于我使用的是苹果系列(mac和iPhone),所以基本依靠iCloud。在iCloud中设定一个名为《素材库》的文件夹,于是就可以做到看到什么文件就往里扔什么文件,成为TRAE Work备课的资料。当然也可以直接发送链接,让其抓取页面,提炼关键信息,写成一个 素材记录_YYYYMMDD.md 文件存进《素材库》(当然,并不是所有的页面都可以抓取,比如建立收费墙的媒体报道页面)。
然后就可以直接在手机上下达指令:将刚才的素材植入下节课我要讲的第四讲ppt中,作为MiniMax上市这一页的补充信息。至于自己,继续去刷想刷的东西吧。
这就是我说的”工作流同步”。
我只是挑选了几个我正在用的TRAE Work功能,还正在学习它的官方知识库去更好地使用这个工作平台。
形成一些结果后,发给了我交大媒体学院的同事,对方是这么回答我的:

我大笑,免费的,赶紧去下载一个摆弄摆弄吧。
有几个看法,我还是要说一说。
第一个我经常碰到,所谓国产大模型不行。这个事是一个很大的刻板印象,或者这么说,国产大模型并没有不行到需要凡事都祭出这一句话的地步。bot和LLM是有区别的,今天很多人的这个刻板印象大概是在bot上。至于啥区别,基于可见的原因,我就不展开了。
如果你实在要用别家的,TRAE Work是可以调用第三方模型的,当然也就要烧你自己的token,花点。
第二个也是我经常遇到的,ai有幻觉,不可信。老实讲,我觉得很多人高估了自己,总体而言,ai的算力和存储一定强于你。承认对方比你优秀,和你并不百分百唯ai是从,并不矛盾。敞开怀抱大胆先用,然后小心求证,这个道理很难懂么?更何况,这种偏知识库的产品,都是你指定文件夹指定文件基础上进行工作的,而不是整个互联网满世界去找有可能纯属扯淡的信息。
第三个是我对教师这份职业的认知。我将之粗糙地分为事务性工作和表演性工作。前者有大量的案牍劳神,包括且不限于课纲课件作业考卷——事实上,有些学术大拿这种事都会让自己的研究生助教去干。后者才是教师的核心能力。课堂教授,根据实际情况临时调整,与学生互动。我之所以称之为”表演性工作”,无非就是”台上一分钟,台下十年功”的另外一种表述。在这个主业上,依然是人类教师的范畴,至少当下如此。
我真心觉得,TRAE Work这个产品,很值得文科教师用上一用。甚至充点值成为速通PRO会员(首月59块)也没啥不可以。
这价还挺值。
一
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。
二
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。
三
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?
四
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。
五
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 ——