即刻App年轻人的同好社区
下载
最近在「Personal Agent 研讨群」里，聊到一些很有意思的话题。
聊完我有个感觉，我们对 Agent 的期待，已经超过了“把明确的任务执行好”。很多时候，我们连该做什么，都还没有想清楚。
1）Chat 和 Work 的划分，默认了用户已经知道自己要什么
群里有朋友，早上问 Instinct，JEV 是什么。聊着聊着，发现要申请，就顺手让它去填表了。
他最初并没有“帮我申请 JEV”的需求。先好奇，了解之后觉得值得试，才产生了行动意图。Chat 就这样自然地变成了 Work。
如果产品一开始就让他选 Chat 还是 Work，它实际上在要求用户预测这段对话会走到哪里。但用户自己也不知道。
我们做产品时，经常默认需求已经存在，接下来只要把它分配给正确的工具。这个例子里，需求是在交互过程中形成的。Agent 参与了用户理解信息的过程，也就有机会接住随后产生的行动意图。
这让我觉得，入口切换的成本不能只按多点了几次来算。一个刚冒出来的念头，可能还不足以让用户专门打开另一个工具。顺手就能做的事，一旦需要重新组织背景，重新交代一遍，也就算了。
Grok bot 这类按职责组织 bot 的形态，又把这个问题往前推了一步。
长期负责招聘的 bot，我能理解。岗位要求会复用，筛选标准会积累，花时间配置有回报。临时想安排一次周末出游，还要先想交通归谁，餐厅归谁，预算归谁，就把调度工作留给了用户。
工作和生活未必是最准确的分界。一次性的工作也不值得配置一套 bot，长期照顾家人的事情反而很需要稳定的分工。
我愿意维护的是长期职责和边界。具体一次任务怎么拆，需要调用哪些能力，产品应该多承担一点。
一个入口也不等于一条无限长的聊天记录。任务可以随着意图明确而形成，结构可以随着事情展开而出现。用户仍然能整理和调整，只是不用在第一句话之前，就替系统安排好工作。
2）Proactive 要理解我的取舍，光知道我的事情还不够
群里有人分享，上午忙着别的事情，WhatsApp 突然收到 Instinct 的消息。它发现两场会议撞了半小时，问要不要提前离开上一场。
这种体验会让人觉得，它开始参与自己的生活了。你连任务都没下，它已经把一个需要决定的事情送到了面前。
前一个例子里，任务从聊天中产生。到了这里，用户甚至不用先发起聊天。
但这也让 Agent 开始面对一个更难的问题。它凭什么判断，这件事现在值得我关注？
知道两场会冲突，和知道应该提醒我，中间还隔着很多东西。我可能早就知道，也可能只准备听其中一场。日历里有空档，同样不代表我希望它再塞一件事。
我们总说 Agent 缺上下文。但更多上下文，首先会让它看到更多事情。哪些值得处理，哪些可以放着，哪些虽然能优化但我根本不想花精力，还需要理解我的取舍。
如果它负责发现所有问题，再把每个决定都交回给我，我可能会更忙。以前没注意到的事情，现在全部变成了待办。
这也是 Personal Agent 很有意思的一个难点。它要逐渐知道，我愿意为什么花时间，又愿意接受哪些不完美。我的优先级还会变，它也得允许我随时纠正。
我希望交出去的，包括“我要一直记着这件事”的负担。会提醒我，和能让我放心暂时忘掉一些事，是差别很大的两种体验。
3）让用户用自然语言表达，不代表系统内部也要一直用自然语言工作
去年听 Pokee 创始人 Bill 的播客，有个观点我一直记着。LLM 可以被看作人与机器沟通的界面，底下的决策和执行，可以有不同的实现方式。
这次聊到 JEV，又把这个问题翻了出来。它让开发者定义问题和答案类型，返回能直接被程序使用的结构化判断。
我感兴趣的地方，在于它把面向人的表达，和供程序使用的判断分开考虑了。
人需要通过交流弄清楚自己想做什么。程序接着往下执行，可能只需要知道某个条件是否满足，应该走哪条分支。让每个环节都生成一大段话，再由下一个环节重新理解一遍，未必总有必要。
当然，答案只有 yes 或 no，不代表问题就简单了。问题有没有定义对，依据够不够，判断错了怎么办，这些工作不会因为输出变短而消失。
这里刚好能接回最开始的分类问题。
用户问“JEV 是什么”时，意图还很开放。聊到“帮我申请”时，事情已经具体了。系统接下来应该逐渐明确要填哪些信息，还缺什么，做到哪一步需要用户确认。
自然语言的价值，是允许用户从一个没整理好的念头开始。随着事情往前走，系统应该逐步把它变成明确的条件和动作。
我觉得要小心把这个顺序弄反。用户还没想清楚时，先要求他选模式，配 bot，写完整的任务说明。等任务已经明确，系统内部却还在反复解释和猜测。
从模糊的想法走到可以执行的任务，中间这段整理和判断，也应该是 Agent 承担的工作。
这些讨论让我很想继续看大家的实际使用。哪些事情因为有了 Agent，你才第一次尝试去做？又有哪些事情，交给它以后，自己反而变成了项目经理？
如果你也在用或者在做 Personal Agent，欢迎私信我进群。
聊完我有个感觉，我们对 Agent 的期待，已经超过了“把明确的任务执行好”。很多时候，我们连该做什么，都还没有想清楚。
1）Chat 和 Work 的划分，默认了用户已经知道自己要什么
群里有朋友，早上问 Instinct，JEV 是什么。聊着聊着，发现要申请，就顺手让它去填表了。
他最初并没有“帮我申请 JEV”的需求。先好奇，了解之后觉得值得试，才产生了行动意图。Chat 就这样自然地变成了 Work。
如果产品一开始就让他选 Chat 还是 Work，它实际上在要求用户预测这段对话会走到哪里。但用户自己也不知道。
我们做产品时，经常默认需求已经存在，接下来只要把它分配给正确的工具。这个例子里，需求是在交互过程中形成的。Agent 参与了用户理解信息的过程，也就有机会接住随后产生的行动意图。
这让我觉得，入口切换的成本不能只按多点了几次来算。一个刚冒出来的念头，可能还不足以让用户专门打开另一个工具。顺手就能做的事，一旦需要重新组织背景，重新交代一遍，也就算了。
Grok bot 这类按职责组织 bot 的形态，又把这个问题往前推了一步。
长期负责招聘的 bot，我能理解。岗位要求会复用，筛选标准会积累，花时间配置有回报。临时想安排一次周末出游，还要先想交通归谁，餐厅归谁，预算归谁，就把调度工作留给了用户。
工作和生活未必是最准确的分界。一次性的工作也不值得配置一套 bot，长期照顾家人的事情反而很需要稳定的分工。
我愿意维护的是长期职责和边界。具体一次任务怎么拆，需要调用哪些能力，产品应该多承担一点。
一个入口也不等于一条无限长的聊天记录。任务可以随着意图明确而形成，结构可以随着事情展开而出现。用户仍然能整理和调整，只是不用在第一句话之前，就替系统安排好工作。
2）Proactive 要理解我的取舍，光知道我的事情还不够
群里有人分享，上午忙着别的事情，WhatsApp 突然收到 Instinct 的消息。它发现两场会议撞了半小时，问要不要提前离开上一场。
这种体验会让人觉得，它开始参与自己的生活了。你连任务都没下，它已经把一个需要决定的事情送到了面前。
前一个例子里，任务从聊天中产生。到了这里，用户甚至不用先发起聊天。
但这也让 Agent 开始面对一个更难的问题。它凭什么判断，这件事现在值得我关注？
知道两场会冲突，和知道应该提醒我，中间还隔着很多东西。我可能早就知道，也可能只准备听其中一场。日历里有空档，同样不代表我希望它再塞一件事。
我们总说 Agent 缺上下文。但更多上下文，首先会让它看到更多事情。哪些值得处理，哪些可以放着，哪些虽然能优化但我根本不想花精力，还需要理解我的取舍。
如果它负责发现所有问题，再把每个决定都交回给我，我可能会更忙。以前没注意到的事情，现在全部变成了待办。
这也是 Personal Agent 很有意思的一个难点。它要逐渐知道，我愿意为什么花时间，又愿意接受哪些不完美。我的优先级还会变，它也得允许我随时纠正。
我希望交出去的，包括“我要一直记着这件事”的负担。会提醒我，和能让我放心暂时忘掉一些事，是差别很大的两种体验。
3）让用户用自然语言表达，不代表系统内部也要一直用自然语言工作
去年听 Pokee 创始人 Bill 的播客，有个观点我一直记着。LLM 可以被看作人与机器沟通的界面，底下的决策和执行，可以有不同的实现方式。
这次聊到 JEV，又把这个问题翻了出来。它让开发者定义问题和答案类型，返回能直接被程序使用的结构化判断。
我感兴趣的地方，在于它把面向人的表达，和供程序使用的判断分开考虑了。
人需要通过交流弄清楚自己想做什么。程序接着往下执行，可能只需要知道某个条件是否满足，应该走哪条分支。让每个环节都生成一大段话，再由下一个环节重新理解一遍，未必总有必要。
当然，答案只有 yes 或 no，不代表问题就简单了。问题有没有定义对，依据够不够，判断错了怎么办，这些工作不会因为输出变短而消失。
这里刚好能接回最开始的分类问题。
用户问“JEV 是什么”时，意图还很开放。聊到“帮我申请”时，事情已经具体了。系统接下来应该逐渐明确要填哪些信息，还缺什么，做到哪一步需要用户确认。
自然语言的价值，是允许用户从一个没整理好的念头开始。随着事情往前走，系统应该逐步把它变成明确的条件和动作。
我觉得要小心把这个顺序弄反。用户还没想清楚时，先要求他选模式，配 bot，写完整的任务说明。等任务已经明确，系统内部却还在反复解释和猜测。
从模糊的想法走到可以执行的任务，中间这段整理和判断，也应该是 Agent 承担的工作。
这些讨论让我很想继续看大家的实际使用。哪些事情因为有了 Agent，你才第一次尝试去做？又有哪些事情，交给它以后，自己反而变成了项目经理？
如果你也在用或者在做 Personal Agent，欢迎私信我进群。
14 48
来自圈子
产品经理的日常
207202人已经加入