24年底，用Cursor被惊喜到，在内部分享预测时了一把类manus产品，比较巧过完年就出现了

25年中，尝试了Browser Use，判断国庆后一定会出Mobile Use，这是大未来，算是agent元年的标志性事件，“冲突”有时候能说明很多事！

说明判断还算OK，那再盲目预测下26年～

手机ai会继续发酵，大家会像卷thinking一样卷设备的操作，手机操作只是一个起点，是另一种“具身智能”。

但这不重要，重要的是！

明年我们或许能看到真的 Agent 2 Agent（不是说技术那个，是商业上）。我的GUI agent访问美团的Agent来下单

其次，也是平台向Agent收费的起点，小米Ai、豆包Ai无所谓，按Pv向平台交费就行了

留痕暴论下

豆包这类产品未来一年有机会接近接近百度DAU，但会在两年内快速回退

不是豆包做的不好，而是AI渗入操作系统后会对当前没有用户资产沉淀（账号粉丝、社交关系、知识沉淀…）的APP带来巨大冲击

拉着小团队肝产品 结果被智谱一波抢了高地 尬住了 文案要重写

好歹思路验证的没错 接下来就拼场景吧

如何降低与AI对话的成本？
问了周边一圈普通用户（没有任何互联网背景），普遍懒得打字，恨不得能用两个字搜索到的内容绝对不会问一句完整的…而且对话下来好像“提问”本身也有很高的门槛，就大家根本懒得组织一个问题…

Open AI RAG效果显著提升 的 个人仿照测试

不是1:1仿照，只是思路，具体如下：
1. 用coze海外，但注意coze有点bug（复杂workflow 会无中生有），所以最好分开测试RAG召回和推理
2. 先用GPT做问题转写（prompt大致思路是按照所需的角色推理用户问题的context），转写尽量和准备好的知识库数据格式一致
3. 拿到转写后的生成内容（约束下字数）
4. 把转写后的内容用workflow单测试召回，可以选择sementic knowledge逻辑（semantic在我测试的领域比hybrid好）
5. 这时你可以开始和原问题直接做检索的结果和阈值进行对比了

测试结论（20个领域疑难问题测试，5万字知识库）：
1. 碾压Hyde hybrid和reranking（用的Bge倒排）
2. 知识库越大效果和reranking比越强烈
3. 阈值0.7，建议可以舍弃了，会召回很多无效不相关内容，懒得算了，有效召回粗算不超过30%，和bge reranking差不多了…
4. 阈值0.8，原本只有3个能召回，现在可以做到20个全部召回且合理，有效召回100%（乐观评价）
5. 阈值0.9，有效召回还能做到90%左右，但是如果会丢失一些弱关联的召回（取决于你的场景需求）

所以，结构化转写+ 背景补充，用semantic，然后阈值卡在0.8-0.9区间，对大型知识库来说有显著提升

如果！在线的大模型全都免费了，那在个人手机或电脑上部署的意义还有多大？

这不是和之前“上云”“在线”的互联网思路反其道了…嗐浪费手机性能，没想明白图啥

垂直AI工具产品的痛苦，获客过来，草草体验，然后诟病准确不行，深度不行，而忽略了本身的效率优势

换个思路，或者还需要大厂教育市场吧，我们慢慢打磨产品和技术。等待用户心智。

【整理些杂绪，也刷下存在】

搞大模型产品的“妥协式”演进[裂开]：
1. 设想交付完美结果…
2. 不行就交付部分结果…
3. 再不行就交付多个参考性结果…

外围手段弥补模型问题[晕]：
1. 为了让模型稳定输出，陷入不断“pipeline雕花”来增强一点效果；

2. 然后通过改变交互做用户的预期管理…

用户的信心被消磨（用户也包括老板）[委屈]：
1. 短期surprise的效果很快就会被输出不稳定给消耗掉…

2. 效果不行的时候，效率是个伪命题…

行业别只炫技，照顾下真的用户吧[可怜]：
1. 希望模型厂商能够在达到GPT4后卷卷性能，快点再快点，便宜再便宜点，这样可以搞更复杂的pipeline或者输入更多来保证输出效果…

2. 大厂继续砸钱教育用户认知，“更靠谱的知识参考”，而不是去PR参数和牛逼的Agent…让大家先习惯新一代的“智能”的感受…毕竟Agent这事儿目前教育起来太消耗用户耐心了（感受到的是一个傻不拉几的Agent）

AI+垂直行业+销售，帮助专业技能服务者做主动touch，不知道能不能带来额外转化

大佬们，xdm! 帮帮孩子吧

RAG检索到的结果关联度看起来可以，但实际却和问题不是一回事儿（检索阈值0.7），给到LLM后，LLM会基于检索到的内容对“问题”强答，导致“一定程度”的答非所问...

求教了～