体验Flowith:一个颠覆传统聊天对话式的AI效率工具
周六日两天体验,让我觉得画布式的交互方式有效解决了,在传统多轮对话中难以追溯历史记录的问题。
将碎片化的对话整理成有组织结构的脑图形式,不仅让知识点更加清晰,也极大地提升了学习和记忆的效率。
写了篇体验心得👇
mp.weixin.qq.comFlowith官网:🔗
flowith.io(邀请好友可无限使用T2模型)
💡核心能力
(一)颠覆主流ChatUI的画布式交互(图2)
不同于传统Chatbot的对话式交互,Flowith可以在一个无限大的画布中进行交互,AI生成的内容都会以脑图的形式进行呈现,更加有利于内容生产如反复生成文案、生成代码等的场景。
(二)丰富强大的模型能力(图3)
Flowith集成了主流模型中最强大的几个模型,覆盖了文本生成、图片生成、音频生成三个使用场景。
支持了当前T1阵营的GPT4-Turbo 和 Claude3-Opus,T2阵营则有GPT3.5、Mixtral-8*7B和Gemma-7b 三种模型。
(三)联网超级搜索(图4)
Flowith还有个非常牛的功能,那就是支持联网搜索的基础上,还能根据搜索结果整理生成一个知识图谱,具体效果如下图。
最终搜索的所有结果都会整理成一段分析总结、关键点和知识图谱,这对于从0开始搜索和学习新知识的人来说,将会带来非常大的指导帮助。
🎈亮点小功能
【优秀的交互体验】
在使用过程中,能明显感受到Flowith有着非常多交互体验上的思考,很多细节明显是经过仔细雕琢和优化的。
【支持丰富的插件能力】(图5)
Flowith将很多衍生的功能通过插件的方式集成在画布中,这就意味着你可以在一张大的画布中完成多种类型的需求工作,并且同时查看结果。
🧠一些思考
体验完后让我愈发觉得,目前主流的聊天对话交互方式,仅仅是人机交互发展过程中的一个过渡状态,Flowith的出现就很好的佐证了这一点,创新画布交互方式能让用户更深入地探索主题,和更便捷地创建个人知识体系,这种方式能够让用户更加沉浸地参与到交互中去。
此外,Flowith的出现也启示了我,目前大家对AI大模型的期待可能存在一定的误区。当前AI大模型的能力从来都不是从 0-100,一步到位地完全解决问题。更多的是辅助我们从 0 开始,为需求问题提供解释和初步的解决方案。
真正令用户操心的是,如何引导AI完成剩下从 1-100 的解决方案,这其中必然会涉及多次甚至上百次的人机交互,如何优化这其中的交互操作还有着非常大的挖掘空间。
Flowith给出了一种新的解决方案,它可能并不完美,但确实提供了一个值得肯定的方向。作为用户,我们自然希望未来能有更多的厂商进入这一领域,不断探索和改进,最终实现从 1-100 的无缝人机交互,真正达到高效、便捷和有趣的交互体验。