00:00 大型语言模型在虚幻引擎5中的应用探索本期播客探讨了人工智能，尤其是大型语言模型如何在虚幻引擎5中应用，特别是在游戏开发中帮助编写代码。 通过对一个具体的YouTube视频内容的讨论，揭示了这一技术仍处于早期阶段，虽有基础局限，但其未来潜力巨大。节目旨在通过这次技术探险，为听众带来对未来游戏开发的启发和展望。 01:40 AI模型在虚幻引擎5中的应用及未来潜力本次讨论聚焦于一个通用AI模型在虚幻引擎5（UE5）中的应用，该模型未经过专门针对UE5的训练或优化，主要通过在外部编辑器（如VS code）生成C++代码来间接控制引擎。 这种方式限制了AI的直接操作能力，但未来有望出现专门针对UE5训练和优化的AI模型，甚至可能作为原生插件集成到引擎内部，从而获得近乎完全的访问权限，直接操作编辑器、理解和调整材质，其潜力将大幅增长，远超目前仅通过代码间接控制的局限。 03:59 AI生成虚幻引擎关卡的巧妙方法对话深入探讨了如何利用AI生成虚幻引擎(U15)中的全新关卡，尽管AI无法直接操作编辑器。 通过生成C++类，AI能够创建关卡生成的蓝图，而虚幻引擎的反射系统则能识别并将其转换为编辑器中的可交互元素。这种方式展示了AI与现有开发流程整合的潜力，即使AI无法直接操作所有工具，也能通过生成底层逻辑代码实现目标。 08:56 AI生成可配置游戏关卡代码的实践通过使用AI生成C++代码，实现了一个可配置的游戏关卡生成系统。该系统允许用户在编辑器的细节面板中设置房间的宽度、长度、高度以及是否需要天花板等参数，然后通过点击生成按钮，即可在场景中创建符合设定参数的房间。这一过程展示了从需求提出到代码生成、编译、UI生成和用户交互的完整工作流程，验证了利用AI生成代码的可行性，为游戏开发带来了新的想象空间和便捷性。 13:02 AI辅助程序化内容生成的潜力与实践对话讨论了利用AI生成和修改C++代码以创建迷宫生成器的可行性，以及如何结合虚幻商城的高质量资源，生成复杂且实用的程序化内容。进一步探讨了如何在不重启引擎的情况下导入和使用外部资产，如材质和模型，并通过C++代码处理和引用这些资产，实现AI生成逻辑与现有资源的整合。 16:42 AI辅助开发：从房间生成到迷宫创建的迭代过程通过对话内容了解到，AI在资源的整合和迷宫生成器的开发中扮演了关键角色。AI从原有的房间生成器升级到能创建程序化迷宫的生成器，展示了其迭代开发的能力，包括在现有代码基础上进行修改和扩展。虽然具体代码实现细节未在来源视频中展示，但推测可能采用了经典的迷宫生成算法或随机组合的固定尺寸房间和通道来实现。AI还展示了对材质应用、几何体接缝修复、添加天花板和灯光等功能的迭代优化能力。 这一过程显示了AI在软件开发中作为助手的角色，能够根据指令快速调整代码，但仍然需要人类的指导和监督。最终，通过几次迭代，AI协助开发出了一个功能相对完整、可调整参数并能够一键生成的迷宫原型。 25:35 AI辅助UE5开发的可行性与局限性对话详细总结了通过AI生成C++代码并间接控制UE5创建功能性的房间生成器和迷宫生成器的两个案例，证明了AI融入UE5开发工作流的可行性。尽管AI展示了迭代和处理复杂任务的能力，但其局限性也明显：非原生集成效率和功能覆盖不足，通用模型对UE5内部机制理解有限，高度依赖人类指导，以及能力范围目前主要集中在基础操作上。这表明AI辅助UE5开发虽有潜力，但仍需克服多重要素才能实现更全面的自动化。 29:10 虚幻引擎AI技术的未来潜力与发展未来AI技术在虚幻引擎中的潜力巨大，主要体现在原生U1插件、专用AI模型和蓝图AI编辑器三个关键方向。原生插件使AI完全访问引擎功能，能直接操作编辑器内部，显著提升交互带宽和能力范围。专用AI模型针对虚幻引擎进行深度学习，理解其设计理念和工作流程，生成更高效、准确的代码。 蓝图AI编辑器则降低了非程序员开发者的AI辅助开发门槛，允许他们以自然语言进行蓝图逻辑的创建和修改。此外，随着AI能力的提升，其应用范围将扩展至实时学习指导、内容生成、代码优化等多个领域，极大地提升生产力和拓展创意边界，为游戏开发带来更丰富、更智能的内容创作。 33:29 AI技术对游戏开发的影响与展望对话探讨了AI技术在游戏开发领域可能引发的深刻变革，包括降低技术门槛、提升生产力、催生新的游戏类型和开发方式。AI有望成为强大的学习助手，自动化重复性编码任务，使开发者更专注于创新设计。同时，AI驱动的NPC和程序化内容生成将带来前所未有的游戏体验。开发者需拥抱变化，持续学习，掌握AI工具的使用，以适应这一新趋势。对话还提到利用AI生成迷宫并手动添加功能的例子，展示了AI赋能社区创造的潜力。 37:14 AI在游戏开发中的现状与未来展望本期播客详细探讨了AI在游戏开发中的应用，从基础房间生成到程序化迷宫原型的创建，分析了AI生成C++类、反射系统、材质资源应用及迭代修改等关键技术。 讨论了当前AI的局限性，如非原生级通用模型的限制和对人类指导的依赖，并展望了未来AI在游戏开发中的潜力，如原生插件、专用AI模型、蓝图AI编辑器等。 提出思考：随着AI能力的提升，人类开发者的核心价值和角色将如何定义，如何更好地利用AI工具放大创意而非感到威胁。

Notion 的 AI 负责人 Sarah Sachs，她将分享 Notion 是如何构建其备受赞誉的 Notion AI 的见解。 Carlos Esteban 是 Braintrust 的解决方案工程师。此前，他在 HashiCorp 帮助企业安全地扩展基础设施。他还是前网球运动员，现在是一名瑜伽爱好者，仍在寻找下一项全职运动。 00:00 深入解析Notion AI的构建与评估策略本期播客探讨了Notion AI的构建过程及其背后的挑战，特别是如何利用Brain Trust等工具确保AI产品的质量和可靠性。Notion AI的负责人和其他专家分享了他们在迭代过程中的思考，强调了可观测性和良好评估的重要性，指出这两点是构建优秀AI产品的核心。通过深入分析，揭示了Notion AI在实际运行中如何评估表现，以及如何利用工具提高产品质量。 01:57 AI系统的可观测性与评估的重要性对话强调了在AI系统开发中，可观测性和评估的重要性远超于单纯的提示工程。可观测性指的是系统能够记录并分析AI运行过程中的各项指标，如资源消耗、响应速度和用户反馈等，以确保系统在各种场景下的稳定性和可靠性。评估则通过系统化的方法衡量AI输出的质量、准确性和可靠性，并将其融入到持续迭代的循环中。Sara的团队在提示工程上仅投入10%的时间，而90%的时间用于评估和迭代，这表明AI产品的成功更多依赖于持续的评估和健壮性，而非一次性的惊艳效果。 04:49 Notion AI的发展历程与技术演进Notion AI的探索始于早期的AI Rider功能，早于ChatGPT的兴起。其发展过程逐步演进，从简单的文本补全到数据库层面的AI代理，如自动翻译和填充信息。随着模型能力的提升，他们实现了基于RAG检索增强生成的问答功能，处理用户空间内容的复杂问题，包括多语言和非英语用户的挑战。此后，Notion AI进一步深度集成了诸如Brain Trust工具，推出了通用搜索、文件附件搜索以及AI工作套件等，包括AI会议纪要、企业级搜索和深度研究工具。这一系列功能的升级展示了从简单生成到智能体的转变，体现了务实的工程智慧和逐步推进的发展策略。 08:00 Notion团队面临的AI评估挑战与解决方案随着功能复杂度增加和用户量增大，Notion团队在AI评估中遇到了数据量激增、人工评估效率低下、评估标准不统一以及高质量反馈稀缺等挑战。早期使用Google Sheet处理数据的方法效率低下，人工评估的主观性强且难以规模化。研究显示，少量高质量的人工标注或用户反馈比大量低质量数据更有效。因此，团队迫切需要一个强大的、系统化且可扩展的解决方案来管理评估数据和追踪用户反馈，从而提高评估效率和质量，这促使了类似Bring Trust这样的工具的出现。 10:03 Notion如何通过迭代循环将评估融入日常工作Notion通过确定改进点、策划目标数据集、设计评分函数、运行评估和检查结果的迭代循环，将评估深入融入其产品开发的各个环节和角色中。这一流程不仅包括工程师的参与，产品管理和设计师也深入其中，通过查看评估结果来理解和调整用户需求，确保模型的真实表现与用户期望一致。此方法有效地避免了大量伪序数据的创建，同时保证了代码变更对产品质量的影响得到频繁和自动化的检查。 15:52 LLM作为评委：评估AI输出的两种方法对话讨论了使用大语言模型（LLM）作为评委来自动评估AI输出的两种方法：通用评委和定制评委。通用评委使用一个通用的prompt对所有样本进行评估，而定制评委则为每个样本编写特定的评判prompt，以精确捕捉对输出的细微期望和规则。定制评委尤其适用于格式、语言和内容要求严格的场景，以及评估搜索或RAG应用，因其能更好地理解复杂的规则并适应不断变化的知识库。 19:45 LLM定制评委系统在Notion的AI质量保障与迭代效率提升对话讨论了通过定制评委系统在Notion中评估和更新AI模型的核心价值。这套系统允许快速切换和评估不同模型，确保模型性能的稳定和提升，同时支持灵活选择最适合特定场景的模型。这种方法不仅加速了AI产品的迭代和优化，还帮助Notion保持了行业领先地位，最终使用户受益于更快、更可靠的AI功能。 22:04 Notion的AI迭代流程与显著成果通过应用Brain Trust和评估哲学，Notion在AI产品迭代流程中取得了显著成果，这套评估体系已成为不可或缺的基础设施。AI产品的质量相比早期有了飞跃性提升，从手工作坊进化到了现代化的工厂。此外，有效解决了多语言知识挑战，通过严谨的评估指标和流程，即使工程师不懂特定语言，也能理解和衡量AI在多语言环境下的表现，从而确保产品对不同语言用户同样友好。 24:22 深入探讨Notion LLM评委系统及其评估策略对话深入探讨了Notion在使用LLM评委系统时的策略和方法，解释了如何利用多个评委进行评估，既可能针对单个样本进行详细分析，也可能处理整个数据集。讨论了自动化prompt优化的效果及其在不同场景下的应用。此外，还详细讨论了用户反馈（赞和踩）在评估过程中的作用及其与内部评分函数的关系，强调了用户反馈的复杂性和如何利用这些反馈来持续优化当前的模型和系统。 28:50 LLM评委评分方式及其工程实践LLM评委的评分方式通常采用连续分数，如0到100分，而非简单的二元判断。在Notion的实践中，虽然分数不一定精细校准，但设定阈值（如低于0.7视为失败案例）并结合人工审查，确保了评分的有效性。面对大量失败案例时，会利用另一个LLM进行聚类分析，总结主要问题主题，提高审查效率。尽管学术界关注LLM评分的精确校准，Notion采用的是更实用的移植加人工抽查加LLM总结的方式。此外，成对比较（AB测试）在需要精细对比和控制风险时使用，而在开发早期阶段或更注重探索新方向时，更倾向于直接查看每个方案的绝对得分。 31:25 评估AI功能的挑战与策略讨论了在评估AI特定功能时面临的挑战，特别是过度依赖特定评估标准可能导致忽略其他重要方面的问题。提出了两种应对策略：创建任务特定的评估集和保留核心评估指标并承诺人工审查失败案例。此外，针对RAG（检索增强生成）评估中的动态性难题，介绍了几种处理方式，包括冻结索引和拆分评估检索与生成环节，以更准确地定位问题所在。通过拆分评估，可以更务实地解决技术难度和数据隐私等复杂问题。Notion内部大量使用其产品，为RAG评估提供了丰富的应用场景和数据，展示了doc fooding的优势。 35:25 Notion如何管理和切换大规模AI模型在管理大量AI模型和prompt时，Notion通过明确每个prompt的负责人和依赖关系，以及建立邮件列表和代码所有权等方式来确保管理和维护的有序进行。面对主要模型提供商服务出现故障的情况，Notion面临的挑战在于如何快速切换到备选模型。切换并不简单，因为不同的模型可能有成本、能力和特性的差异，需要预先配置好备选方案，并有相应的工具或流程以支持紧急情况下的快速切换。这要求公司内部进行充分的协调和投入，以确保AI功能的稳定性和可靠性。 38:09 Brain Trust平台在AI开发中的评估核心作用对话深入探讨了Brain Trust平台在AI开发中的核心作用，特别是其评估和监控机制。该平台通过离线测试和线上监控，帮助开发团队主动和被动地发现并解决问题，如AI幻觉、性能衰退和成本失控等。评估的重要性在于提升开发速度、降低成本、以及促进跨部门协作，使非技术成员也能基于数据参与AI应用的构建和评估，从而显著提高商业价值。 40:44 Brain Trust平台的核心设计理念与功能解析Brain Trust平台的核心理念包括三个关键要素： 一是提供工具让开发者便捷地创建、测试、比较和版本化管理prompt； 二是自动化评估，允许用户定义评估标准并自动运行评估以量化分数，指示版本改进或退步及需要改进的方面； 三是可观测性，平台需接入生产环境流量，记录AI系统实际运行情况，收集用户反馈并反哺评估数据集和迭代流程，形成闭环。这三者相辅相成，构成一个完整的开发和运营ML ops循环。 42:22 构建AI系统评估的核心要素讨论了评估AI系统表现的三个核心组件：任务（task）、数据集（dataset）和分数（score）。 任务指要测试的内容，可以是简单的语言模型调用或复杂的智能体工作流。 数据集由输入、预期输出和元数据组成，用于检验任务在不同场景下的表现。 分数通过评分函数量化任务的表现，支持主观的LLM评委和客观的代码或规则评分，建议结合使用以获得更全面的评估结果。 47:07 Brain Trust平台的评估模式与功能详解离线评估在开发阶段进行，通过固定数据集迭代prompt和调整模型参数，而在线评估则实时监控生产环境中的用户交互和AI响应，利用预定义的评分函数持续评估线上服务质量，形成反馈闭环以优化AI应用。 在线评估还可用于AB测试，比较不同版本的prompt性能。面对机器评分与主观判断不一致的情况，需深入理解业务场景以优化评估标准。 Brain Trust平台提供多种任务类型支持，包括基本的prompt定义、支持多轮对话的extra messages、自定义工具的工具库，以及可连接多个prompt形成复杂逻辑流程的智能体agents，以满足从简单到复杂的AI应用场景评估需求。 52:01 LLM模型评估的最佳实践与工具使用指南对话详细讨论了使用更强的模型评估较弱模型的实践，强调了具体可操作的评判标准的重要性，以及定期对比机器和人类专家判断一致性以评估评判标准的必要性。 此外，解释了breaches界面中playground和experiments的区别，前者用于快速实验和调试，后者则用于正式评估和版本比较。 最后，介绍了开发者如何通过SDK与brain trust平台进行交互，使用bring trust push和branched eve命令进行资源推送和评估任务的自动化执行，实现MLOPS或LLOPS自动化流程的关键步骤。 56:54 Brain Trust平台的AI产品生产环境监控能力对话详细介绍了Brain Trust平台在AI产品部署到生产环境后，如何通过可观察性和日志功能进行实时监控、性能下降警报设置、快速问题排查及反馈回路闭合。 平台提供了多种灵活的日志记录方法，从自动追踪到自定义日志记录，以及通过在线评分功能实时评估AI模型的表现，从而实现对生产环境AI交互数据的高效管理和优化。此外，平台还提供了视图功能，便于用户根据特定条件筛选和管理日志数据，提升数据分析效率。 01:04:00 Brain Trust在AI开发中的人在环支持对话讨论了在AI开发和评估中，Brain Trust如何通过人类审核和终端用户反馈两种方式有效整合人类智慧。 人类审核主要由专业标注员或领域专家在平台上手动标记、评分或审核数据集样本和生产日志，以建立高质量的预期输出并评估AI模型的表现。 用户反馈则通过记录用户在AI产品使用过程中的反馈信号，如点赞、点踩、评论等，以及特定行为，来收集真实用户的具体反馈，用以改进模型和prompt。 Brain Trust的SDK提供函数，便于记录这些反馈并将其集成到开发和迭代流程中，从而构建更可靠的AI系统。 01:08:45 深入探讨Brain Trust高级功能与AI产品构建对话深入讨论了Brain Trust的高级功能——远程评估，解释了其如何解决Playground在处理复杂AI应用逻辑时的局限性。 远程评估允许将本地机器或远程服务器上的复杂评估任务逻辑与Brain Trust的Playground界面整合，从而实现对复杂任务的快速调试和迭代。 此外，对话还探讨了该功能在实际场景中的应用，如处理自定义内部工具、复杂代码逻辑和快速变化的开发环境。 最后，讨论了远程评估对于提高AI产品构建和迭代效率的潜在价值，以及它如何降低非技术人员参与迭代的门槛。 通过这些讨论，强调了评估和可靠性在构建高质量AI产品中的重要性。

Theo 是 Anthropic 的产品经理，专注于将知识传授给模型。 她在 Anthropic 的工作中涉及 Anthropic API 以及 MCP。 在加入 Anthropic 之前，她大部分职业生涯都在自己的初创公司以及 Stripe 公司打造从无到有的产品。 今天，她代表 Anthropic 首次揭露 MCP 的诞生过程！ 00:00 深入解析人工智能领域中的上下文协议（MCP）本次播客深入探讨了人工智能领域日益重要的概念模型——上下文协议（MCP）。 通过比喻，解释了MCP如何使AI模型像人类一样跳出数字世界的限制，获取实时信息并执行任务。 讨论基于anthropic公司产品经理的分享，追溯MCP的诞生背景、发展过程，以及为何谷歌、微软和OpenAI等大厂开始关注并拥抱MCP。 最后，分析了MCP对AI构建者和使用者的意义以及新兴生态系统中隐藏的机会。 02:48 MCP的起源及其核心理念： 让模型爬出盒子MCP的共同创始人David和Justin在去年年中发现了开发者们在使用大语言模型进行代码调试时面临的一个普遍痛点，即需要频繁在不同系统间手动复制粘贴信息，这不仅繁琐且效率低下，还容易出错。 为了解决这一问题，他们萌生了让模型自动完成信息收集和操作执行的想法，即“让模型能够爬出盒子”。 这一核心理念意味着模型不再被动地接收信息，而是能够主动与外部世界交互，包括自行查找日志、翻阅会议纪要、从数据库中提取数据，甚至执行操作如创建bug ticket或发送邮件报告，从而显著提高工作效率和准确性。 06:44 大语言模型的能动性与MCP协议的开放生态对话深入探讨了模型能动性（model agency）的概念及其对大语言模型（LLM）下一阶段发展的关键作用。 能动性使模型不仅能够执行指令，还能自主判断和规划，从而实现更高级的交互和任务执行能力。 通过类比一个能主动管理日程和执行复杂任务的智能管家，突出了能动性带来的价值飞跃。 进一步讨论了实现大规模能动性所需的标准化协议——MCP（Model Communication Protocol），强调了其开源和标准化的重要性。 开源标准化能够打破信息和能力的孤岛，降低协作门槛，促进整个生态系统的快速发展和创新，最终让所有参与者受益。 12:14 MCP产品的市场推广及内部验证在将想法推向市场时，团队首先在内部组建了一支精锐的老虎队，快速将想法原型化。MCP的首个引爆点发生在内部的hack week活动上，工程师们通过试用发现MCP能有效解决日常工作中繁琐的问题，如自动化工作流、自动拉取数据生成周报、自动检查代码部署中的依赖项状态等，从而在内部迅速传播并得到广泛认可。 这种自下而上的热情和采纳为团队带来了极大的信心，并成为MCP价值的重要早期验证。 14:09 MCP协议发布后的常见问题与解答在MCP协议正式发布后，尽管内部对其价值高度认可，外界反应却较为冷淡，充满了困惑和质疑。 这些问题包括对MCP概念的不熟悉、与现有API技术的对比、协议开源的必要性以及MCP与传统工具调用的本质区别。 MCP作为一种专门为模型与外部世界交互设计的标准化协议，旨在提升模型的自主性和与环境的深度交互能力，而非简单地替代现有的API或工具调用。 随着时间的推移和实际应用的增多，开发者逐渐理解和接受了MCP的价值，实践证明了其在模型交互领域的独特优势。 19:54 MCP通过Cursor采纳打破冷遇，引领开发者工具集成热潮MCP在遭遇冷遇后，通过Cursor代码编辑器的采纳实现了关键转折。 Cursor作为核心用户为开发者的工具，通过集成MCP，允许模型在编码过程中实时访问项目文档、内部代码规范和相关技术讨论，显著提高了编码效率和体验。 Cursor的成功案例激发了其他开发者工具，如代码搜索工具Source Craft等，开始支持或集成MCP，证明了MCP在开发者工具集成中的价值和可行性。 22:04 MCP协议在开发者工具领域迈向行业标准MCP在开发者工具领域的影响力逐渐增强，近期谷歌、微软、OpenAI等巨头开始支持MCP，标志着其可能从有潜力的技术向行业标准迈进。 当主要模型提供商和服务平台支持同一协议时，加速了生态系统的整体发展。对于工具开发者而言，遵循MCP标准变得至关重要，因为接入一个标准可被多个模型使用。 技术标准的形成需经过实际应用验证，MCP的最终成功取决于它能为开发者带来多大的实际价值。 社区参与和反馈，如通过GitHub提issue或贡献代码，对于开源协议的发展至关重要。MCP的发展历程体现了技术扩散和标准形成的过程，其中开源和社区参与发挥了重要作用。 24:28 MCP设计哲学与智能体的未来MCP的发展遵循核心原则，尤其在协议设计层面，强调智能体（agents）作为未来AI发展方向的关键。 业界普遍认为，基于模型的智能体能够智能选择和执行行动，是AI的未来。这种观点基于人类对话的类比，即在对话中依赖对方的智能和判断力来理解意图并给出恰当回应。 同样，未来的AI模型应具备理解复杂意图、自主规划并调用工具执行任务的能力，从而从信息检索器或文本生成器进化为能解决问题的智能伙伴。为了支撑这种智能体交互，MCP在技术选择上做出了一些超前决定，如引入stream able HTTP，以服务于长远目标。 26:52 MCP协议设计哲学：智能体未来与生态繁荣MCP协议的设计哲学聚焦于支持未来智能体间的高效双向通信，引入了stream able HTTP等技术以实现持续的双向数据流。这一设计假设服务器数量将远超客户端，因此优化了服务器端的简洁性，将复杂性更多地推向客户端，以鼓励更多人构建服务器，促进生态系统的繁荣。这一策略旨在支撑智能体之间复杂多轮的协作，适应未来智能体像开会讨论一样的交流需求。 31:58 MCP近期更新与未来规划探讨对话详细讨论了MCP（一种未明确说明的协议或系统）的近期更新和未来规划。 近期的更新包括对OOS（网络认证和授权标准）支持的完善，强调了其在安全性和合规性方面的重要性，以及社区参与在改进中的作用。 此外，还提到了一个名为Inspector的调试工具，旨在帮助开发者更有效地理解和调试MCP通信过程。 未来的规划重点之一是illicitly信息征求功能，即elicit ation，旨在解决用户意图不明确或信息不足的情况，通过实现更自然、有效的多轮对话来提高任务成功率和交互体验。 36:11 MCP协议的关键组件与未来发展讨论了MCP协议的几个关键组成部分和未来发展方向，包括Registry API注册中心接口的作用，即帮助模型动态发现并使用未预先配置的MCP服务器，从而增强模型的能动性； 开发者体验（DevX）和开源示例库的建设，旨在降低学习曲线，提供最佳实践，促进MCP技术的推广和成熟； 以及治理（Governance）的重要性，强调确保MCP协议持续开放、中立，并通过健康、透明的社区驱动机制进行演进，建立社区信任，避免被少数方控制，保证协议长期健康发展。 39:05 构建高质量MCP服务器：从模型视角出发对话深入探讨了未来智能体架构的前瞻构想，特别是MCP（Model-Client-Protocol）生态中，如何构建高质量的MCP服务器成为关键议题。 当前，构建更高质量的MCP服务器占据了80%的权重，强调了不仅要从最终用户和客户端开发者的角度出发，更要从模型本身的角度思考，确保模型能清晰理解和高效使用提供的工具或数据。 通过以用户需求和承诺为驱动的设计方法，倒推出模型所需的具体能力，从而设计出意图明确、参数具体、易于模型解析和处理的MCP工具，以实现更准确、高效的模型交互。 44:01 高质量MCP服务器在各垂直领域的应用及未来发展方向对话探讨了高质量MCP服务器在销售、金融、法律和教育等垂直领域的巨大应用潜力，这些领域通过模型与特定系统连接，能提供更高效、精准的服务。此外，讨论了简化服务器构建过程的重要性，包括开发工具、自动化测试框架和易于部署的平台等。 最后，提出了一个前瞻性的方向，即完全自动化生成MCP服务器，利用未来大模型的自然语言理解、代码编写和外部世界交互能力，实现自动构建高质量服务接口的目标。 48:35 MCP模型能动性与AI安全可观测性探索对话深入探讨了模型上下文协议（MCP）在增强AI能动性方面的作用及其面临的挑战。 重点讨论了构建高质量MCP服务器、简化server构建工具、自动生成server以及AI安全可观测性工具的重要性。 随着模型能动性的增加，安全、隐私和可控性成为关键议题。 在AI应用领域，特别是在开发者工具、金融和医疗等高风险领域，如何平衡MCP的潜力与风险，以实现突破性应用。

在快速发展的代理系统景观中，内存管理已成为构建智能、情境感知 AI 代理的关键支柱。 受到人类记忆系统（如情景记忆、工作记忆、语义记忆和程序记忆）复杂性的启发。 本次演讲来自 MongoDB 的专家 Richmond Alake将探讨 AI 代理如何通过保留和推理过往经验来实现可信度、可靠性和能力。 00:00 深入探讨AI智能体的记忆核心本次播客深入探索人工智能领域中的智能体记忆(agent memory)这一核心话题，强调记忆对于AI未来形态的重要性，使AI不仅能够执行命令，还能理解和记住用户，建立持久的关系，并从经验中学习和成长。 主要内容基于MongoDB工程师RICO ONA LAKE在AI engineer活动上的前瞻性分享，探讨了构建可信、能干、可靠的AI智能体的核心秘诀，并强调记忆是这一切的基石。此外，还讨论了AI如何从简单的聊天机器人演进到复杂的智能体系统，以及如何借鉴人类大脑机制设计更强大的AI记忆系统。 02:54 从聊天机器人到智能体：AI发展路径对话详细阐述了人工智能（AI）从基础聊天机器人到智能体的发展过程。最初，聊天机器人如ChatGPT解决了人机基础对话问题，但其缺乏对上下文和历史记忆的能力限制了长对话的连贯性和个性化。 为解决这一问题，引入了检索增强生成（RAG）技术，通过连接外部知识库，使AI的回答更具体、个性化和准确。进一步发展，AI智能体（agents）和智能整体系统（agency systems）的出现标志着AI能力边界的不断拓展。 智能体根据其能力等级分为不同级别，从简单的LLM到能自主感知环境、做出复杂决策的高级智能体。 一个典型的AI智能体需具备感知、认知处理和行动的能力，而记忆作为这些能力的粘合剂和染料，成为智能体有效运作的核心要素。 07:43 记忆在人工智能中的核心作用对话强调了记忆对于构建高级智能系统，包括人工智能（AI）和通用人工智能（AGI）的重要性。演讲者指出，记忆是让AI变得可信、believable、能干和可靠的关键，因为它使AI能够学习、积累知识并做出决策，从而实现持续的学习和个性化交互。 此外，拥有记忆的AI能够跨越单次交互，实现对用户偏好的个性化处理，持续优化推荐，以及执行复杂的多步骤任务。这些功能使得AI从简单的问答集转变为能够理解上下文、持续学习并完成复杂任务的智能伙伴。 11:54 AI记忆系统与人脑记忆的对比及应用对话探讨了人工智能（AI）的记忆系统与人脑记忆的相似性和区别，特别分析了短期记忆、长期记忆、语义记忆、情景记忆和程序记忆在AI中的对应形式和实现方法。提到了AI如何利用数据库、知识图谱等技术实现长期记忆，以及在个性化服务、知识检索和技能学习等方面的应用。 18:19 构建AI智能体的多层次记忆系统对话探讨了为AI智能体构建结构化多层次记忆系统的目标和挑战，以及如何通过不同类型的记忆模块（如角色记忆、工具箱记忆等）实现高效的信息处理和应用。特别强调了MongoDB在存储和管理这些记忆数据中的作用，以及如何利用这些记忆驱动AI的个性化行为和决策，提升用户体验和智能体的实用性。同时，讨论了当前大型语言模型（LLM）的上下文窗口限制问题及其解决方案。 23:27 利用数据库优化AI工具动态检索对话讨论了通过将AI工具的名称、描述和JSON schema存储在数据库（如MongoDB）中，以解决工具箱记忆的问题。这种方法避免了在有限的prompt中硬塞所有工具信息的限制，提高了工具选择的智能性和可扩展性。 通过关键词搜索、向量搜索和元数据过滤，可以更精准地根据任务需求找到合适的工具，并将这些工具的详细schema动态地加入到prompt中，供智能体判断和调用。具体实现上，可以通过将工具schema作为JSON文档存储，并利用MongoDB的全文搜索和向量搜索等功能进行灵活高效的工具检索。 25:30 智能对话系统中的记忆管理与遗忘机制讨论了智能对话系统中记忆价值的重要性，特别是对话记忆（conversation memory）的实现，包括基础的存储功能和更深层次的记忆信号（memory signals）概念。 这些信号如回忆次数、新进度、关联对话ID等，不仅有助于判断记忆的价值，还能支持更智能的上下文检索策略。此外，还探讨了遗忘机制的必要性，以避免信息过载，提出了基于信号的自然遗忘策略，以及实现这一机制的复杂性和挑战。 28:59 AI工作流记忆与实体记忆的重要性及实现对话讨论了AI工作流记忆和实体记忆的核心价值。工作流记忆记录AI执行任务时的步骤、中间状态及结果，尤其是失败的经验，帮助AI从失败中学习，避免重复错误，提升解决问题的能力。 实体记忆则存储对话或任务中涉及的具体实体及其关键信息，如人名、地名、专业术语等，便于AI在后续对话中运用这些知识，提升理解和推理能力。实现方面，可通过设计数据模型记录工作流的每个步骤，并利用数据库定义实体的类型、属性及关系，实现与知识图谱类似的功能。MongoDB因其灵活性，被推荐作为储存这些宝贵经验的工具。 32:43 智能体系统记忆管理与梦谷DB的角色对话深入探讨了智能体系统中记忆管理的重要性，以及梦谷DB作为理想记忆提供者的核心优势。 智能体的记忆需求多样，包括结构化数据、对话序列、工作流步骤等，梦谷DB凭借其灵活的数据模型和全面的检索能力，能够有效适应并管理这些不同类型的记忆数据。 此外，对话还引出了记忆管理的概念，强调它是一个系统化的过程，而不仅仅局限于数据存储。梦谷DB不仅是一个数据库，更是构建复杂有状态AI应用，尤其是智能体系统的核心技术支持平台。 35:43 AI记忆管理：检索与遗忘机制的核心作用对话深入探讨了AI记忆管理中的关键环节，包括记忆的生成、存储、检索、整合、更新和遗忘。特别强调了检索在面对海量信息时的重要性，指出即使LLM的上下文窗口足够大，高效精准的检索仍是决定生成质量的关键。 同时，遗忘机制被重视，因为它能防止信息过载，维持记忆系统的效率和可管理性，而不仅仅是简单的删除。 讨论还提到了一些现成的记忆管理工具如mam GPT、mam zero和zap，以及定制化设计记忆管理系统的必要性，以适应不同AI应用场景的具体需求。 39:35 MongoDB在现代AI架构中的核心角色与价值在现代AI架构中，MongoDB扮演了核心角色，不仅作为强大的数据库，还提供了多样化检索能力，包括向量搜索、全文搜索、结构化查询等。 在传统的RAG（Retrieve, Augmented Generation）流程中，MongoDB作为高效知识源和检索系统支持信息检索。 而在更高级的agented RAG架构下，MongoDB成为了智能体记忆系统的核心基础建设，能够存储和提供智能体运行所需的各种记忆，如对话历史、领域知识、用户信息等，使智能体能够自主决策并灵活访问这些记忆，以处理更复杂的任务。 44:25 利用Mongo DB构建智能旅游规划Agent在一个为期三天、预算1000欧元、以巴黎博物馆和美食为重点的旅游规划任务中，智能Agent通过分析任务需求、选择检索策略、执行检索、整合信息、规划生成以及存储新记忆的流程，展示了如何利用Mongo DB作为核心技术提供者，构建出一个能干、可靠的AI智能体。在这个过程中，Mongo DB不仅储存各种记忆，提供检索能力，还接收新记忆，以支持智能体的决策和学习。 47:16 MongoDB收购Voyage AI及神经科学在AI发展中的作用MongoDB通过收购Voyage AI，旨在将高质量的嵌入模型和重排气能力深度整合到其平台中，降低AI应用开发门槛并提升效率。嵌入模型将文本或其他数据转换为数字向量，用于语义搜索等AI功能，而重排气则优化检索结果的排序，提高检索精度。 此外，通过借鉴神经科学的研究，特别是大脑的处理信息和记忆机制，MongoDB希望在AI设计上实现突破，进一步优化其AI系统的性能和复杂性处理能力。 52:52 跨界合作推动AI记忆系统发展对话强调了跨界协作在推动神经科学与AI应用开发之间的重要性，展示了通过融合神经科学对大脑的深刻理解和AI工程经验，共同探索更先进、符合生物原理的智能体记忆架构的目标。 讨论涵盖了AI的演进历程，从简单的聊天机器人到复杂的智能体系统，以及记忆对于构建真正智能的AI的重要性。 此外，还探讨了从神经科学中汲取灵感，推动跨界合作的潜力，以及如何利用这些合作加速通向通用人工智能的道路。 最后，提出了一个开放性思考题，即构建人工智能记忆系统的过程是否也能帮助我们更深入地理解大脑的记忆机制。

来自 MongoDB 的专家Apoorva Joshi将分享构建一个能够处理混合媒体内容的多模态 AI Agent 的完整过程，从分析图表和图形到从包含视觉元素的文档中提取见解。 使用 MongoDB 作为向量数据库和内存存储，并利用 Google 的 Gemini 进行多模态推理，你将通过直接实现核心组件，使用老式的 Python 语言，获得多模态数据处理管道和代理编排模式的实战经验。 00:00 从零开始构建多模态AI代理的核心概念解析本次播客深入探讨了如何从零开始构建一个多模态的AI代理，重点解析了AI代理的核心概念、工作原理及其重要性。 AI代理被定义为一个利用大语言模型（LLM）作为核心思考和推理系统的智能系统。 它通过LLM的强大推理能力分析问题、理解用户意图，并将大任务拆解成小步骤。 随后，代理基于这个推理制定解决问题的计划，如果遇到问题或错误，会反馈给LLM进行重新思考和调整，这一过程构成了代理工作的核心模式。 此外，代理还需借助工具（如API接口、数据库接口等）来与外部世界互动，执行具体的操作。 04:35 LLM、REG与AI代理的核心区别与优势讨论了简单提问、减式增强生成（REG）与AI代理在处理问题时的区别。简单提问依赖于LLM的参数化知识，但受限于训练数据的时效性和缺乏外部信息处理能力。REG通过挂载外部知识库来提供更准确、个性化的回答，但仍难以执行复杂任务和与外部系统交互。 AI代理则具有自主规划和行动能力，能够通过调用工具、API等与现实世界交互，处理复杂动态任务，并具备反思和自我修正的能力。 08:25 AI代理在复杂任务中的应用与限制讨论深入分析了AI代理在处理复杂任务中的优势及其适用场景，包括个性化旅行规划、模拟科学实验设计、后台数据分析、创意性工作以及需要长期个性化服务的任务。 同时，对话强调了AI代理的使用需考虑成本、延迟及非确定性输出等现实问题，指出在任务具有高度复杂性、对延迟容忍度高、能接受非确定性结果，或需要长期个性化服务的情况下，优先考虑使用AI代理是较为合适的选择。 14:48 AI代理的核心组件及其感知功能AI代理的核心组件包括感知、规划与推理、工具和记忆，它们共同构成了AI代理的工作流程。 首先，感知是代理理解外部世界的入口，它不仅接收来自用户的直接输入，如文本、语音或图像，还能响应系统事件触发，如收到新邮件或物联网设备的新数据。 随着技术的发展，输入模态变得越来越丰富，代理需要处理包括文本、图像、语音甚至视频在内的多模态输入。 感知阶段还包括对信息的初步处理，如将语音转换为文本或识别复杂的指令意图，这是代理工作的第一步。 17:07 构建AI代理的核心组件：感知、规划与推理讨论深入到AI代理的构建中，特别是其核心组件：感知、规划与推理。 通过详细解释大语言模型（LLM）在规划与推理中的角色以及如何通过精心设计的提示语（prompt）来引导LLM进行有效的规划和推理，阐述了两种主要的规划模式： 无反馈规划（COT）和有反馈规划（REACT）。 特别强调了REACT框架如何通过动态调整策略，使代理能够根据实际情况推进任务执行。此外，还提到了构建AI代理的下一个关键组件——工具（tools）的重要性。 24:26 LLM与工具交互机制详解对话讨论了代理（LLM）如何通过各种工具与外部世界交互，强调了工具的广泛性和重要性，包括数据库查询、代码执行、图像识别、情感分析等。指出了LLM的角色是决策者，识别何时调用哪个工具及提供所需参数，而执行者是代理的APPK型代码。 为确保LLM正确使用工具，需提供工具清单和清晰的工具模式（schema），以JSON格式定义，包括工具名称、功能描述和所需参数，确保LLM能准确判断和调用工具，减少错误率。 27:28 AI代理中的记忆组件：短期与长期记忆对话深入探讨了AI代理中的记忆组件，阐明了记忆如何使代理能够存储和回忆过去的交互信息，以及其在个性化服务和理解上下文中的关键作用。记忆被分为短期记忆和长期记忆两大类，前者负责维持当前对话的连贯性，后者则负责长期储存和更新信息，实现个性化的关键。 长期记忆的实现更具挑战，涉及有效的信息筛选、储存、更新及遗忘机制。分享中还提到，如果对记忆话题感兴趣，可以进一步探索相关专家和资源。 29:36 AI代理工作流程解析：以旧金山天气查询为例对话详细阐述了AI代理处理用户查询旧金山天气的过程，从感知用户输入、通过LLM进行规划与推理、调用天气API获取数据，到生成自然语言回复。此外，讨论了天气API调用失败时的处理策略，以及短期记忆如何帮助理解上下文和实现连贯对话。通过这一例子，清晰展示了AI代理的核心机制和工作流程。 34:40 多模态AI模型：理解和生成跨模态信息的能力多模态AI模型旨在处理和理解不同类型的输入数据，如文本、图像、音频和视频，从而生成跨模态的输出。 这些模型包括多模态潜入模型和多模态大语言模型（MLM），其中潜入模型将不同模态的数据映射到同一高维向量空间，以便实现跨模态检索； 而MLM则能直接理解和处理多模态输入，不仅能生成文本，还能根据文本描述生成图片或用语音回答问题，这在理解和处理现实世界中多模态信息方面具有重要意义。 39:37 构建多模态AI代理：挑战与解决方案讨论了如何利用多模态大语言模型和相关工具构建一个多模态AI代理，使其能理解和处理混合模态的任务。特别强调了处理包含文本、图像和图表的大型文档语料库的挑战，以及传统处理方法中存在的问题，如信息丢失和模型集成难度大。 还探讨了使用视觉模型识别和提取页面元素，然后进行摘要和文本嵌入等复杂步骤，以准备和检索这种混合模态文档的策略。 46:19 对象识别plus多模态嵌入在处理混合模态文档中的局限性对话讨论了对象识别plus多模态嵌入方法在处理混合模态文档时的改进与局限。 首先，通过使用多模态嵌入模型直接处理文本块、图像和表格，避免了摘要带来的信息损失。 然而，这种方法依然依赖于复杂的元素提取过程，并可能面临模态鸿沟问题，特别是在使用基于clip架构的模型时，导致相关但不同模态的数据在向量空间中距离过远，严重影响检索效果。此外，前处理步骤的复杂性和方块本身带来的上下文丢失问题也增加了处理难度。 这些局限性突显了寻找更有效解决方案的必要性。 50:03 基于VLM架构的多模态文档处理与检索近年来，基于视觉语言模型（VLM）的架构在处理和检索包含图文混排的文档时展现出巨大优势。 VLM使用同一个编码器同时处理文本和视觉特征，从而弥合了模态鸿沟，确保文本和视觉信息在向量空间中真正靠近。这种架构简化了处理混合模态文档的工作流程，只需将文档页面截图，输入到VLM模型，生成统一的嵌入向量，然后存储到向量数据库中，用于后续检索。 这种方法不仅节省了预处理时间和计算资源，还保留了原始图文空间布局和上下文关系，显著提升了检索质量。 在实际应用中，截图文件被存储在云存储服务中，而向量数据库仅存储嵌入向量和指向截图文件的路径，实现了高效的数据管理和检索。 56:34 暗夜截图技术与多模态嵌入模型在文档处理中的应用对话探讨了暗夜截图技术在处理文档时可能切断跨页上下文联系的问题，并讨论了通过截图重叠、存储复杂结构信息和检索策略来缓解此问题的方法。 对比了将整个PDF文件输入给LLM与基于检索的方法，后者通过精确定位最相关页面提高效率和效果。 此外，提到了Voyage AI模型作为VLM架构的多模态嵌入模型的例子，以及这种方法在处理图文混合文档上的优势。最后，讨论了VLM嵌入模型对硬件的要求和实际运行流程，包括如何利用已存储的数据回答用户问题。 01:01:31 多模态代理的工作流与短期记忆机制对话详细阐述了一个多模态代理如何处理需要结合文档图文信息的问题。 流程包括用户提出问题、代理转发查询给多模态LLM、LLM根据问题调用向量搜索工具获取相关截图、代理执行向量搜索、从存储加载截图、将所有信息提交给LLM进行推理和生成答案，最终返回答案并更新短期记忆。此外，讨论了短期记忆的实现，包括如何利用会话ID组织和存储对话历史，以及如何确保多轮对话的连贯性。 01:08:58 多模态AI代理的深度解析与未来展望对话深入探讨了多模态AI代理的核心技术与流程，从LLM推理和工具使用，到代理的四大核心组件，再到多模态处理的挑战与VLM架构的解决方案。 通过具体案例分析，揭示了多模态嵌入模型和LLM的重要性，以及它们如何简化图文混合文档的处理。 最后，提出了对未来AI技术突破点的思考，以及AI代理在科研、金融、医疗等领域的潜在革命性应用，鼓励听众深入思考并加入社群交流。

Denny Zhou 主讲嘉宾，Google DeepMind 首席科学家及研究总监，在 Naik 教授的课程 CIS 7000：大型语言模型（2024 秋季） 00:00 揭秘：大型语言模型的推理与思考机制本次深度解读探讨了人工智能，尤其是大型语言模型（如GPT）如何进行思考和推理的问题。基于Google DeepMind科学家Danny Joe及其团队的研究，讨论了这些模型处理复杂问题的关键方法，以及它们在推理能力上的局限性。研究强调了思维链和自洽性概念的重要性，并分析了如何使模型的推理结果更可靠和可信。同时，也提醒用户在使用和理解AI时需注意的局限性和潜在问题。 02:19 从传统机器学习到基于大型模型的推理能力转变对话探讨了从传统机器学习到基于大型模型的推理能力的转变，强调了传统机器学习依赖大量标注数据的局限性，尤其是在处理需要少量样本或依赖逻辑和规则的任务时。通过姓氏首字母拼接的例子，展示了传统机器学习在理解和应用抽象规则方面的挑战，凸显了引入推理能力的必要性。 05:45 大型语言模型的思维链方法提升推理能力对话讨论了使用大型语言模型（LLM）在推理任务上的挑战与突破。 最初，通过少样本提示（few shot prompting）方法，即给模型提供几个示例以期望其能推理出新的答案，但在某些需要精确步骤推理的任务上，这种方法几乎无效。 这促使研究者寻找新方法来激发模型的推理能力，从而引入了思维链（chain of thought，COT）的概念。COT的核心是引导模型在给出最终答案之前，先详细写出中间的思考步骤和推理过程。通过在提示中包含完整的带有思考过程的例子，可以显著提升模型在推理任务上的表现，无需重新训练模型。 这种方法是对早期尝试让模型输出中间计算步骤的工作的重要发展和应用，显示了在不改变模型结构的情况下，通过提示策略提升模型推理能力的潜力。 09:29 大型语言模型的推理能力激发对话讨论了如何通过添加思考步骤的提示（即扣T提示）来显著提升大型语言模型（LLM）在推理任务中的表现。即使在顶会拒绝后，一篇开创性的论文证明了这种方法的有效性，展示了从接近零的准确率飙升至88%以上的惊人效果。 进一步的研究发现了更简便的方法，如零样本QT，仅需一句简单的指令如“让我们一步步思考”，就能引导模型自动生成推理步骤，这标志着与LLM沟通推理任务的新途径，无需为每个任务精心设计例子。 11:45 类比推理在LLM中的应用利用数学家波利亚的类比推理思想，研究者们在LLM（大型语言模型）上尝试先解决一个相关的或类似的问题，再利用这个类比来辅助解决当前问题。这种方法更灵活，更接近人类解决陌生问题的思考方式，在某些任务上效果优于提供固定示例的少样本课题。 12:48 通过解读策略提升语言模型推理能力对话探讨了如何通过调整语言模型的解读策略来引导其生成推理步骤，而不是直接给出答案。这种方法，如QOT解读，无需特殊提示，而是利用模型自身对生成内容的自信度，鼓励先生成推理步骤再给出最终答案，从而在生成层面融入逐步思考的倾向。 然而，这引发了另一个关键问题：如何确保生成的推理步骤和最终答案的可靠性，避免模型生成看似合理但实际错误的推理路径。 语言模型在训练时主要优化预测下一个词的准确性，而非最终答案的正确性，因此需要进一步的研究和方法来确保其推理的可靠性。 15:32 自洽性方法提升大型语言模型推理能力对话深入探讨了自洽性方法在提升大型语言模型（LLM）推理能力方面的重要贡献。该方法基于第一性原理，通过让模型对同一问题生成多个不同的推理路径和答案，然后统计出现频率最高的答案作为最终结果。 这种方法类似于集思广益，利用了条条大路通罗马的思想，认为正确的答案更可能被多次通过不同路径达到。在实践中，自洽性方法在多个推理任务上显著提高了准确率，但其有效性依赖于模型能生成有意义的中间推理步骤。 此外，尽管自洽性方法与链式思考（COO t）结合使用能显著提升推理能力，当前的LLM推理问题仍未完全解决，存在不容忽视的局限性。 19:49 大型语言模型推理能力的三大局限性对话讨论了大型语言模型（LLM）在推理能力上的三个主要局限性： 易受无关信息干扰、自我修正能力弱以及对信息呈现顺序高度敏感。 即使模型被提示忽略无关信息，仍可能因干扰而给出错误答案，显示出其信息筛选和聚焦能力的不足。 自我修正尝试虽好，但模型往往把正确的答案修正为错误，缺乏客观标准或外部反馈指导其修正过程。 此外，模型在处理多步逻辑推理问题时，对信息顺序有高度依赖，当条件信息顺序被打乱时，其推理能力显著下降，表明其在处理无序信息进行复杂推理时较为脆弱。这些局限性提醒我们，尽管有强大的技术如cot和自洽性，但仍需谨慎对待AI的推理结果。 24:21 大型语言模型的推理潜力与局限性讨论集中于通过引导大型语言模型生成思考过程（思维链COT）以解锁其推理潜力，并通过自洽性原理提升推理结果的可靠性。 研究者提出，通过多次采样生成不同的推理路径并投票选择最一致的答案，可以显著提高正确率。 然而，当前的大型语言模型仍存在易受无关信息干扰、难以自我纠错以及对信息组织方式敏感等局限性。 这些发现为普通用户提供了一个分析AI行为的框架，帮助用户更理性、有效地使用AI工具，理解其在特定情境下的可靠性和局限性。 26:27 未来AI推理： 从复杂到简单的探索对话深入探讨了未来AI推理的发展方向，特别是如何让模型自主学习推理技巧，而不是仅仅通过提示工程来教模型如何推理。 讨论指出，AI研究的终极目标是开发能够自主发现新推理方法、克服现有局限性的模型，从而朝着通用人工智能迈进。 同时，引用物理学家理查德费曼的话，提出真理往往在简单中找到，引发了对于AI推理未来是走向复杂还是回归简单的思考。 演讲文稿地址： https://llm-class.github.io/slides/Denny_Zhou.pdf

在深入探讨Roy Lee的AI创业历程后，我们看到了一个非同寻常的成功案例。这位21岁的创始人通过其AI助手Cluey，在短短两个月内实现了月营收50万美元的惊人成就，预计年化收入将达到600万美元。Cluey是一款高度创新的AI助手，它能够实时感知用户的屏幕内容和音频输入（“所见所闻”），无需主动提示即可提供即时帮助，且在屏幕共享时保持隐形，旨在提供比传统聊天机器人更具上下文感知能力的智能辅助。 Roy的创业之路充满了争议。他的人生转折始于高中时期因违规行为被哈佛大学撤回录取。随后，他又因开发并公开宣传一款用于技术面试作弊的工具“Interview Coder”而被哥伦比亚大学停学。 然而，正是这些大胆且非常规的举动，反而吸引了硅谷投资者的注意，最终帮助他筹集到500万美元的启动资金，为Cluey的诞生奠定了基础。 Cluey之所以能实现如此爆炸性的增长，其核心在于Roy独到的“心智份额”（Mind Share）营销策略。他将Cluey定位为一家“分发优先”的公司，敏锐地捕捉到当前短视频内容消费与创作之间存在的巨大市场缺口，并利用其高效获取用户关注。 Roy擅长制造争议性情境，而非仅仅依赖产品自身的病毒性，通过诸如“50名实习生”视频或与舞者相关的推文等一系列“疯狂”操作，引发了广泛的社会讨论，从而将Cluey的品牌名称深度植入用户心智。 Roy坚定地认为，创始人应该真实且大胆地表达自己，公司的品牌声音也应与创始人的真实个性保持一致，因为市场对刻板的企业形象已感厌倦，渴望看到真诚和人性的展现。他坚信，在创业的早期阶段，敢于承担巨大风险并全力以赴地吸引市场注意力，是通往成功的关键路径。 此外，Roy的团队构成也反映了他的营销理念：平均年龄仅21.5岁的营销团队成员，大部分都是他从短视频平台“为你推荐”页面中挖掘出的具有高算法权重和内容制作潜力的年轻人。他们通过按视频付费加观看量奖励的方式与创作者合作，鼓励大量用户生成内容（UGC），从而实现高效且病毒式的传播。Roy本人也积极在X（原Twitter）上制造争议话题，以利用平台算法偏好引发讨论。这种对文化脉搏的精准把握和敢于颠覆传统营销规则的勇气，使得Cluey在极短时间内获得了惊人的市场关注度。 00:00 21岁创始人Roy Lee的逆境崛起一个21岁的年轻人Roy Lee创立的AI初创公司Clue在短短两个月内实现月收入50万美元，年化收入高达6000万美元。Roy的起点并不顺利，他曾因违反哈佛大学规定而被撤销录取资格，导致其经历了一年的精神折磨。在闭关期间，他全身心投入编程，积蓄力量，最终萌生出建立一家伟大公司的强烈动机。Clue的核心理念是能实时感知用户的需求，并在需要帮助时主动提供支持，应用场景包括线上会议、销售电话和技术面试等。 04:20 从社区大学到哥大，用争议项目逆袭的创业故事一位从湾区社区大学转学到哥伦比亚大学的学生，凭借极强的目标感和行动力，首日便开始寻找合伙人，最终与一位同意合作的人共同启动了一个争议性项目——Interview Coder。该项目起初只是副业，但一个演示视频在LinkedIn上获得了50万次浏览，激发了他继续发展的决心。尽管面临法律和声誉风险，以及来自联合创始人和朋友的反对，他仍坚持推进。通过公开自己使用该工具拿到Amazon技术岗offer的视频，他引爆了舆论，虽然因此被哥伦比亚大学开除，但这一举动反而吸引了硅谷投资人的兴趣，最终成功获得融资。这一过程展示了其敢于挑战规则和不按常理出牌的特质，成为融资的关键。 09:45 Interview Coder工具的技术原理与作弊争议对话探讨了Interview Coder工具如何通过技术手段在技术面试中作弊，主要依靠后台截取题目并调用AI模型解答。此外，还讨论了该工具如何在屏幕共享时隐身，以避免被面试官发现。进一步地，对话提到Interview Coder的成功引发了对更广泛AI助手应用的思考，展示了其技术的潜在价值和应用范围，以及创始人如何成功向投资人推销这一宏大愿景。 12:52 多模态AI Chloe与传统聊天机器人的核心差异及优势Chloe是一款基于多模态技术的AI，它不仅能处理文本信息，还能理解视觉和听觉信息，相较于如ChatGPT等传统的聊天机器人，具有更广泛的上下文感知能力。Chloe的核心差异化优势在于其主动性预测和无提示辅助功能，它能在用户未明确提出需求前，根据实时上下文主动提供信息。此外，Chloe还支持个性化设置，允许用户添加自己的知识库，以提供更精准和符合个人需求的服务。这种基于实时上下文的主动辅助和个性化服务是传统聊天机器人所不具备的。 16:44 Ri lee的营销哲学：分销优先与流量为王Ri lee的营销哲学强调分销优先，认为在信息爆炸时代，快速获取大量用户注意力比产品本身更为关键。他指出内容供需的巨大差距，即用户消费内容的速度远超优质内容创作者的增长速度，形成套利空间。通过雇佣或激励短视频创作者，以较低成本获取海量注意力，利用UGC策略和大规模短视频营销，实现惊人效果。具体操作中，通过付费激励机制鼓励创作者制作并发布视频，平台根据观看量自动支付报酬，形成正向循环，实现高效低成本的营销效果。 21:07 通过争议性内容抢占心智份额的营销策略对话围绕Clue通过争议性内容抢占心智份额的营销策略展开讨论。心智份额是指品牌在消费者心中的影响力和话题性，与传统品牌认知度的区别在于，心智份额强调的是引发讨论和情感共鸣。以Chloe为例，其通过具有争议性的视频内容如AI在约会上作弊等，不仅获得了高流量，还成功引发了公众的深入讨论和思考，从而提高了品牌在人们心智中的位置。具体策略包括利用争议性事件进行病毒式营销，以及选择能引发广泛讨论的场景和技术，如AI辅助约会，通过模糊性和争议性制造话题，使品牌成为人们谈论的焦点。 24:59 Chloe公司通过创意营销策略成功吸引关注Chloe公司通过发布招聘50名实习生的消息和创意短视频内容，成功引发公众关注和讨论，展示了其精心策划的营销策略。尽管实习生招聘可能是一个噱头，但通过这个话题吸引了大量关注，并从中筛选真正需要的人才，包括短视频创作者和项目经理。此外，公司通过在不同社交媒体平台采取差异化策略，如在X（原推特）上发布更具争议性和冲击性的内容，在Instagram上制作并分享精彩片段，以及在LinkedIn上采用更专业的方式，进一步强化了其品牌形象并占领了心智份额。内部管理上，通过直接联系具有潜力的创作者并组建内容创作团队，确保了持续的内容产出。 29:57 通过真实和争议性吸引忠实用户群体的创业策略讨论了一种基于真实性和争议性来吸引用户群体的创业策略。通过给创作者基础稿费和根据视频观看量提供额外绩效奖金的模式，激励他们创作更有传播力的内容。这种策略反映了创始人反对传统企业化叙事的态度，倡导公司声音应是创始人真实的声音，并鼓励创始人表达真实甚至有争议的观点，以吸引与公司价值观契合的忠实用户。同时，创始人认为争议无法杀死一家公司，强调早期公司应专注于生存和增长，通过持续行动和产品改进来超越争议。对于网络上的仇恨言论，采取区分网络与现实的策略，培养出能够过滤网络噪音的心态，保持内心稳定。 33:42 AI技术未来与品牌竞争策略讨论了AI技术路线的选择，强调了当前阶段聚焦软件开发的重要性，因为软件能更快迭代并抓住市场机会，而硬件研发周期长且风险大。对于与OpenAI等巨头的竞争，认为它们的目标是实现通用人工智能，而自己的定位是在应用层，拥抱基础模型的进步，通过调用更强大的AI模型提升产品力。当AI技术变得普遍且易获得时，真正的竞争壁垒不再是技术本身，而是分销能力和品牌形象。通过分销和品牌建设，旨在成为用户获取贾维斯级AI能力的首选品牌。此外，还强调了冒险精神在创业中的重要性，认为大风险带来大回报，真正的成功需要勇于采取大胆行动并成功实践极致冒险。 37:49 创业、AI与两性关系的深度探讨对话深入探讨了创业者在高强度工作下对稳定伴侣关系的需求，批判了牺牲个人生活的奋斗文化，并讨论了AI时代技能价值的变化。指出在AI普及下，拥有强大分销能力的内容创作者可能比顶尖技术工程师更有价值，因为AI降低了技术实现门槛，使得分销能力更加稀缺。此外，讨论了AI对工程师成长的影响，认为AI能帮助工程师聚焦于更高层次的问题解决，而不是低层次细节。最后，提出了AI技术在实时监测用户屏幕和音频时应考虑的伦理风险和社会影响。

Google首席执行官桑达尔·皮查伊深刻阐释了AI正引领计算平台的“新阶段”转型，其核心在于AI自身创造和自我改进的能力，这将以前所未有的“乘数效应”释放人类创造力。他强调Google作为“深度计算机科学公司”的优势，能将AI前沿“研究变为现实”。 当前，我们正处于“AI应用创建”阶段，如VEO 3和“vibe coding”等新范式，显著降低了产品开发门槛，赋能更广泛人群，在编程IDE、NotebookLM及医疗转录等领域已见成效。皮查伊将AI视为贯穿Google所有业务的“横向技术”（包括搜索、YouTube、云等），正如Gmail的演进，AI助手亦将创造巨大新价值。 增强现实（AR）眼镜被视为“完整平台转型”的具象化，有望承载常驻AI助手，形成堪比智能手机的庞大市场。皮查伊认为AI的颠覆性将超越互联网，催生前所未见的新公司和产品类别。 面对内容出版商的担忧，Google重申致力于将流量引向网络，并指出AI概览将明确来源，提升引荐质量。他预测企业级市场将更快接受AI代理人模式。Google坚持搜索算法的独立性，不受政治压力影响。皮查伊展望，AI平台转型的最终阶段将是AI与“物理世界”通过“机器人技术”深度融合，实现现实世界的互动与创造，这将是下一个重大事件。Google将持续投资和创新，赢得用户信任。 00:00 深入解析Alphabet和Google CEO对AI变革的专访本次专访发生在Google IO大会后，CEO详细讨论了AI作为平台级变革的重要性，以及其在新产品商业化、增强现实、互联网生态、AI代理等方面的深远影响。 CEO强调，AI的变革深刻程度将超越电力和移动互联网，这一判断基于几个关键理由，值得深入探讨。访谈中，CEO不仅展现了对AI技术的自信，还触及了面临的监管压力，以及这些变革对普通人和整个行业可能带来的影响。 02:10 AI技术的革命性影响与未来展望对话深入探讨了AI技术对交互方式的根本性改变，以及其自我进化能力和对创造力的极大释放。通过具体例子，如通过AR眼镜实现无缝多语言交流和AI辅助编程，展示了AI在改变人机交互、持续学习和自我优化以及降低创造门槛方面的重要作用。 同时，也指出了AI技术在舒适度、隐私、易用性和社会接受度等方面面临的挑战，以及实现人人都是创造者愿景所需克服的障碍。 07:19 AI技术对生产力的涡轮增压效应及谷歌的战略布局对话讨论了AI技术对生产力的显著提升，将其比喻为AGX技术对Web应用的革新，不仅加速现有流程，还创造出全新的可能性。特别提到了氛围编程等创新方式，以及谷歌作为深度计算科学公司，在将基础科学研究快速转化为实际产品和服务方面的优势。 谷歌的AI战略强调基础研究的深厚积累和快速产品化的能力，这被认为是其在AI领域竞争中的重要优势。 09:39 谷歌CEO谈AI：长期主义、横向赋能与商业化策略谷歌CEO在访谈中强调了AI的深远影响，将其视为超越电力和移动互联网的平台级变革，基于交互方式革命、平台自我净化能力、创造力释放和研究成果转化等关键点。 面对AI的巨大投入和商业化挑战，他采用了长期主义视角，以Gmail的发展历程和Waymo自动驾驶项目为例，阐述了对AI技术长期价值的信心。同时，他指出AI的横向赋能特性，即通过提升搜索、YouTube、云服务、Android等核心业务的效率和体验，实现整体价值提升。 此外，谷歌也在探索直接的订阅收费模式，如AI Premium计划，旨在让用户为AI功能付费，这可能预示着谷歌商业模式的转变。整体而言，谷歌的AI商业化策略是一个务实且充满信心的组合拳，强调耐心和现有业务的全面价值提升。 16:27 谷歌对AR眼镜未来及市场竞争的务实布局对话深入讨论了谷歌在AI驱动的AR眼镜或XR设备领域的布局和未来展望，包括与三星等公司的合作。谷歌对市场的成熟度和AR眼镜的普及持务实和谨慎态度，预计2025年会有数百万人尝试这类设备，但并不认为这类设备能立即达到智能手机的主流普及程度。 主要技术和社会接受度上的障碍包括佩戴舒适度、视力矫正需求以及无缝体验的实现。 同时，谷歌对竞争保持开放态度，认为新玩家的加入能激发更多创新，而现有平台如手机和笔记本电脑将与新兴设备共存，服务于不同的场景和需求，而非简单的替代关系。最终，谷歌对AR/XR的未来既保持布局也持谨慎态度，同时对现有平台的演变持开放态度。 22:00 谷歌AI概述对互联网内容创作者的影响及佩奇的回应在谷歌IO上推出的AI概述引发了内容创作者对流量被截断的担忧和愤怒，特别是担心AI在搜索结果顶部生成的答案摘要会减少导向外部网站的流量。谷歌方面回应称，虽然AI摘要可能改变信息消费习惯，但整个web信息库的规模仍在快速膨胀，这意味着即使单个网站的流量比例下降，整体流量未必减少。 此外，谷歌还提到了AI打破内容格式界限的能力，如将文档自动转换成播客音频，为内容创作和分发开辟了新可能性。 关于web平台价值的辩论，谷歌不认同web作为媒体和信息平台已经没落的观点，认为未来的web开发工具将因AI的发展而变得更易用、成本更低，让建网站变得更加容易。面对出版商的指控，谷歌并未直接回应，但强调了web平台整体流量的持续增长和其作为信息平台的持续活力。 25:58 谷歌AI搜索对Web流量影响的争议核心论点集中在谷歌是否仍然致力于为外部生态系统导流。尽管AI概述提供了直接答案，理论上应激发用户探索更广泛的信息，但争议在于用户点击外部链接的动力是否减少。劈柴声称谷歌比其他公司更注重为Web导流，内部数据显示AI概述实际上导向的来源范围更广泛，质量可能更高，然而许多新闻媒体和网站感知到流量明显下滑。解释这一认知差距的可能包括流量被分散到小网站和谷歌数据统计口径与出版商感受的差异。 访谈中，虽然强调了谷歌的承诺和整体搜索查询量的增长，但并未提供具体公开数据证明AI概述未减少外部流量，也回避了直接比较流量分配问题。用户查询行为的变化被提及，但其与整体流量导出的关系未完全澄清。AI搜索对搜索和Web生态的影响，回应主要是承认变化、强调导流和承诺整体增长，但对于流量分配问题，缺乏让批评者信服的直接证据，显示了明显的矛盾和张力，这可能是谷歌与内容创作者未来博弈的焦点。 28:55 AI代理的兴起及其对市场服务的影响讨论了AI代理在企业端和消费端的潜在应用，特别是谷歌DeepMind负责人提到的“agent first的web”概念。这种模式下，AI代理无需通过人类可读的网页来处理信息，而是直接与底层数据库或API交互，提高了数据处理效率。 企业端可能比消费端更快采用AI代理，因为企业有强烈的动机推动系统互操作性并提高效率。消费端的挑战包括用户对AI代理的信任和使用，以及现有平台担心的去中介化风险。未来的商业模式可能包括AI代理向用户收取订阅费，并与服务提供方分成，或者类似于信用卡支付平台的模式，服务方为接入代理生态支付费用。AI代理的发展充满了博弈和不确定性，企业端可能率先应用，而消费端则依赖于价值体现和平台方的态度。 33:35 谷歌应对监管压力与AI内容公正性的策略对话围绕谷歌面临的监管压力和AI内容公正性问题展开。 一方面，讨论了谷歌对于反垄断诉讼及可能出售Chrome浏览器的回应，强调了Chrome对Web生态的贡献及其在安全方面的投入。 尽管避开了关于法院判决的具体应对策略，谷歌承诺将持续在Web领域创新。 另一方面，谷歌坚决否认人工干预搜索排名，尤其是针对政治人物或事件的搜索结果，强调其算法和AI的调整基于用户反馈和数据，旨在提升结果质量和相关性，遵循中立原则。 对于AI内容的准确性，谷歌表示其排名系统依赖于外部信号而非实时内容判断，即使权威来源信息有误，谷歌也不会立即重新评估其权威性。为了确保AI结果的准确性，谷歌设定严格质量标准，AI答案会提供具体来源链接，供用户查证，强调用户判断的重要性以及持续改进以赢得用户信任。 38:34 从数字智能到物理智能：AI发展的下一个里程碑对话讨论了AI发展的前瞻性话题，特别是当前阶段之后的标志性节点。劈柴认为，AI的自我改进能力是其最根本和强大的特性，而AI的下一个重大转变将是通过机器人技术大规模进入物理世界。这种通用机器人技术的突破将带来平台级的变化，对生产力和生活方式产生巨大影响，从而标志着AI发展的下一个关键里程碑。从处理信息到直接作用于现实世界，AI的这一转变预示着从数字智能到物理智能的飞跃，开启了一个激动人心且充满挑战的终极远景。 42:10 深入探讨AI技术浪潮及其对科技巨头的影响本次对话深入探讨了AI技术作为平台变革的重要意义，分析了科技巨头如谷歌在拥抱AI技术过程中面临的挑战、机遇及不确定性。讨论涵盖了产品落地、商业模式、AI眼镜和代理的未来、对搜索和web生态的影响，以及机器人技术的潜在发展。 通过劈柴的视角，揭示了技术发展，尤其是AI，对工作和生活的全方位影响，强调了理解、思考并为即将到来的变化做好准备的重要性。最后，提出了一个关于AI机器人接管日常物理任务的思考问题，旨在引发对技术进步可能带来的新机会和挑战的深入思考。

本次讨论深入探讨了国内AI Agent 平台的最新进展、商业化面临的挑战，以及AI在内容创业和项目研发中的机遇。 强调了AI技术在产品创新和商业机会中的核心地位，指出其生产完整性已达到甚至超越国外水平。 针对A类平台的商业化难题，讨论了通过付费服务和模板大赛等方式探索解决策略，旨在应对流量获取与盈利难题。 此外，分析了AI智能体平台的现状，聚焦同质化问题和标准化需求，探讨通过定制化与标准化解决方案满足企业需求的可能性。 讨论亦触及AI内容创作者的挑战与机遇，强调利用平台服务费实现降本增效的重要性，并表达了对AI内容市场的持续关注与期待。 整体而言，对话凸显了AI行业发展趋势、挑战及对未来解决方案的深度思考。 00:00 国内 Agent平台的商业化探索与挑战 在谈及Coze平台的技术成熟度时，表达了其与国际水平相当甚至更高，但在商业应用上存在挑战。 特别讨论了平台如何通过付费内容和模板大赛等方式尝试商业化，但担忧这些方法可能因筛选用户和无法充分展示平台价值而效果有限。 此外，还提及了对于模板的付费和使用的模式可能不足以激发用户的付费欲望，以及如何在这样的环境下探索更有效的商业模式。 03:53 对AI商业化应用的审慎态度 讨论了AI工具在提高工作效率方面的局限性，以及其在创造高质量内容时的不足。 尽管AI能够快速生成内容，但缺乏灵魂和个性，导致实际效果并不理想。 因此，对于通过AI工具追求商业利益持谨慎态度，因为其可能无法满足创造价值的本质需求。 09:02 商业变现和内容平台的策略思考 讨论了流量变现、内容平台的运营策略，以及与头部主播的合作方式。 提出做广告商业化的观点，强调平台内容的商业化私货可以增加用户粘性，同时指出智能体的价值在于独特的编排或强大的信息源。 对于企业版产品，讨论了与已有平台（如豆包）的关系和合作可能性，强调了私密性部署的价值。 最终探讨了提供服务型采购，即根据企业需求开发特定组件的可能性。 14:14 大模型在企业内部应用与隐私保护讨论 讨论集中在大模型在企业环境中的应用潜力与面临的挑战，包括数据隐私问题和企业对定制化解决方案的需求。同时，探讨了社区内对人工智能技术的认知差异，以及大模型技术的进步和实际应用潜力。 18:38 大模型能力认知差距及企业应用探 讨讨论了人们对大模型能力的认知差距，以及大模型在企业中的应用可能性和挑战。部分人对大模型的潜在应用感到惊讶，认为超出预期。 讨论了企业如何利用大模型技术，包括外包、私有化部署和自定义解决方案。 同时，提到了企业对成本和IT资源的考虑，以及大模型技术对企业流程改进的潜在影响。 22:16 智能体平台面临的挑战与机遇 讨论中指出，智能体平台行业面临的主要挑战包括同质化严重，导致竞争激烈和高投入； 对C端业务模式难以实现盈利，更多地作为流量入口；工作流的标准化程度低，导致互通性和兼容性差。 尽管如此，也提出了一些积极的应对策略，如针对B端的定制化服务，提供特定业务场景解决方案，以满足不同企业需求，从而实现盈利。 27:05 探讨技术平台标准化与开发者机遇 讨论了技术平台特别是B端市场的开发机遇，强调了与大厂合作、利用其流量和生态优势的重要性。 讨论了百度、腾讯、字节跳动等平台的开发机会，以及围绕这些平台构建业务生态的策略。 同时，指出了技术标准化的挑战与机遇，特别是在agent市场中实现标准化可以解决同质化和割裂问题，但当前面临实施难度，需要大厂合作推进。 强调了定义agent及其交互协议标准化的必要性和潜在好处，如提高平台间互通性和复用性。 31:26 探讨建立Aent交易平台的必要性与挑战 提出了建立一个集中的市场平台的想法，目的是解决现有AI代理人开发中遇到的标准化问题。 除了标准化，还讨论了平台可能面临的商业痛点和机会，比如提高平台的吸引力、增加开发者和客户粘性。 强调了商业模式的重要性，以及如何通过平台抽成、广告等方式实现盈利。 同时，指出了建立平台时面临的挑战，包括技术与商业模型的融合，以及如何在线上化方面取得突破。 最终，讨论转向了对理想状态下的AI代理人检测平台的构想，希望实现从需求提出到完成的自动化过程。 37:35 大语言模型在需求结构化与敏捷交付中的应用 讨论集中在大语言模型如何改善需求结构化过程，降低沟通成本，并加速敏捷交付流程。 通过使用大语言模型对复杂需求文档进行结构化处理，可以快速生成演示原型，提高双方沟通效率。 强调了标准化和线上化对于建立平台壁垒、提高用户体验的重要性，认为这将促使用户愿意支付平台服务费。 讨论了AI工具在需求理解、原型制作等领域的应用，以及如何利用这些工具促进交易双方的高效合作。

深入探讨了人工智能（AI）和智能体（agent）的发展趋势。讨论从智能体平台DEFI和Code的介绍开始， 强调了智能体基于大型语言模型规划和执行任务的潜力， 同时也指出了该技术目前面临的挑战和未来的发展可能性。 此外，对话还触及了AI领域的伦理和社会影响问题，包括智能体带来的隐私和道德问题，以及它们在娱乐和教育等领域的应用潜力。 还提到了AI技术在不同国家和地区的发展差异，特别是中国和海外市场的特点和挑战。 整个对话涵盖了AI技术的多个方面，强调了团队对于推动AI领域深入发展的承诺，为听众提供了深入了解AI及其潜在影响的平台。 欢迎加入听友群交流，听友群中会分享交流更多优质高质量 AI 内容，赶紧加入吧！ 加入方式在播客公告中可以找到。 本期 Shownotes: 00:00 探讨智能体平台及其发展 讨论了智能体平台的兴起、特性及其面临的困境，特别关注了基于大模型的智能体平台，包括它们的商业模式和发展前景。 同时，还简要回顾了智能体的定义，从最早的概念到现代的理解，并指出当前讨论的智能体平台多基于生成式AI的浪潮。 07:19 开源平台Define及GPT的发展与未来展望 讨论了Dify作为一个早起开源平台，其在开发者社区中的影响力以及在日本的流行程度。 同时，讨论了GPT平台的发展历程，包括其最初吸引开发者参与的方式、当前面临的挑战以及可能的未来发展方向。 指出尽管GPT有其独特的策略和潜力，但目前看来，其生态发展和市场关注度已有所下降， 可能与平台对于模型技术和生态构建的专注度以及对开发者生态的培育不足有关。 15:04 大语言模型对工作流的影响与未来展望 讨论集中在大语言模型如GPT系列如何革新工作流的概念，以及它们如何被集成到现有系统中，提高任务执行的效率和智能化。 讨论强调了工作流的成熟度和其在互联网行业中的悠久历史，同时指出了在AI时代，尤其是大模型的引入，为工作流和低代码平台的发展注入了新的活力。 特别提到了几个平台，如IFTTT、 Zapier、极简云和腾讯企点，在集成工具和工作流自动化方面的创新。 整体上，对话展示了大语言模型如何促进工作流的智能化，同时也提出了未来在此领域的发展潜力和方向。 20:39 扣子平台的发展与特点 讨论了扣子平台自2月1号在国内上线后的发展与特点。 首先，强调了扣子作为国内领先平台的地位，不仅在技术能力、生态和影响力上处于头部，而且对于加速产品原型开发有着显著的价值。 然而，也指出尽管如此，使用扣子平台在体验和功能实现上存在限制，特别是在用户体验和一些工作流及UI设计上的局限。 此外，讨论触及了扣子平台的发展阶段，从启蒙阶段到快速发展期，期间快速迭代和满足开发者需求成为其成功的关键因素。 24:26 大模型应用及社区大赛的发展观察 讨论了大模型在实际应用中的速度和效率，以及社区大赛对推动技术进步的作用。 提到某些大模型在基础应用上可能表现不足，但通过加入特定功能和工作流能够提升效果。 同时也讨论了大模型在特定行业应用上的潜力和局限性，以及付费专业模板和大赛对行业发展的促进作用。 31:58 海外智能体编排平台MyShell介绍与对比 本平台面向C端用户，侧重娱乐和图像流，不追求效率工具。 与另一平台对比，未提供效率和资讯工具，技术组件能力较弱，但拥有开发者模式和可视化工具，能通过JS代码实现复杂编排。 最大的特点是其文化为英语文化，且国际化。 36:19 游戏AI和虚拟人吸引用户策略 讨论了游戏AI和虚拟人在吸引用户方面的策略。一是通过虚拟人和游戏AI提供娱乐内容，尤其是在内容的多样性和交互性上，如通过交互式故事和游戏机制吸引用户。 二是利用AI技术开发出轻量级游戏和虚拟人物，满足不同用户群体的需求。 讨论还涉及了通过游戏内的经济系统和虚拟货币交易来增强用户参与度和变现的可能性。 41:13 探讨虚拟人平台流量与盈利状况 讨论了某个虚拟人平台的流量和盈利情况，对比了国内外AI环境差异，指出国内团队出海寻求更大发展空间的趋势。 同时，分析了比特币市场的波动性，提醒投资者需谨慎。另外，探讨了工具类应用与虚拟交互应用在用户召回和活跃度上的区别。 47:17 探讨虚拟内容合规与市场接受度 讨论了关于虚拟内容发展的一些问题，包括成人内容的合规性处理、以及虚拟女友项目在国内面临的挑战。 指出男性消费者对虚拟内容的付费意愿不高，原因可能涉及道德观念、内容合规限制以及对真实社交的偏好。 讨论了虚拟内容提供商可能采取的策略，如合规的方向和利用硬件解决方案，来尝试解决这些难题。

好久不见，朋友们！ 这集播客由我，皮皮和Samu录制完成。 也欢迎加入我们的群聊，加入一支烟花的大家庭！ 本期shownotes: 00:00 NotebookLLM使用体验分享 07:52 Cursor使用体验分享与讨论 15:36 302.ai使用体验分享与讨论 21:27 关于ComputerUse,AIRPA的讨论 30:44 对于AGI的看法 36:19 AI产品创新与商业化探索 50:35 国内AI产品面临的挑战 01:05:17 产品与社群运营和创始人模式 01:12:56 墨问便签产品及社区运营 01:19:04 AI产品付费习惯与使用情况 01:25:04 对于未来期待出现的AI产品

商业化案例分享与AI工具应用探索 00:00 包括使用me journey和stable diffusion工具。嘉宾主要研究了stable diffusion，并尝试将其应用于汽车产品。 为了展示产品，使用了图片，让美女与车互动，增加产品的吸引力。 图像控制与提示词的使用技巧 15:42 主要讨论了如何控制生图的生成，包括提示词、背景、参数提示等。在背景方面，建议使用灰白或灰色的背景，以增强控制力。在提示词方面，可以分为图片提示、文字提示和参数提示。 车模制作与融合过程详解 21:48 主要讲述了如何通过AI工具将美女和车融合在一起。首先，将原图中的美女和车抠下来，然后通过Open pose生成人物骨骼图，控制人物的姿势。 车窗光影问题与CUI CUI工具的使用 27:24 这段内容主要讲述了车窗光线问题和技术限制。车窗没有反映出蓝天，这是平台方比较在意的问题。虽然技术上无法完全解决，但可以通过使用PS工具进行处理。 在产品图的制作过程中，需要提前设计好拍摄角度和姿势，以便后期能够更好地抠图和贴图。这个过程对于小白来说可能有些门槛，但对于设计师来说可以解决很多问题。 影视行业一致性问题的探讨与实践 33:07 这段内容主要讲述了一个案例，该案例并没有真正应用到商业合作中，因为对方认为车辆还有小问题，与场景融合度不高。 对于品牌方来说，要求较高，但对于普通商品是完全没问题的。 在影视行业中，一致性非常重要，他们会更加看重这一点。最近一部名为《山海经》的片子使用了AI制作，成为了一个标杆。在为品牌方设计产品时，讲者花费了很长时间研究如何做到一致性，并发现可以解决人物的一致性问题。