预测个人智能体的赢家

Instinct 的崛起掀起了一波新的消费级 AI 浪潮，而这可能是一个赢家通吃的市场。仅本周，我就试用了十多个新的个人智能体，但没有一个具备脱颖而出的关键要素。

在将消费级应用做到 2.5 亿用户规模、深耕十年之后，以下是我对智能体在这个消费软件新时代要胜出所需条件的预测：

解决智能体的冷启动问题

我试用的每一个智能体都从一张白纸开始。

我在琢磨它能为我做什么。它在琢磨自己是在为谁做事。

悖论在于：智能体需要了解我的背景信息，才能向我展示它的价值。而我需要先看到它的价值，才愿意花时间给它提供背景信息。

双方都需要足够了解对方，才能让下一次互动值得进行。

就像第一次约会，快速扫一眼交友资料就能省去一些功夫，对话也能从一个有意思的地方开始。

个人智能体也需要一种类似的方式。

尽管聊天这种形式大家都很熟悉，但那个空白的输入框仍让人望而生畏，而作为产品设计师，我们的职责依然是在最初 30 秒内交付那个“啊哈”时刻。

如果它不用你说一个字就能直接开始干活呢……

上下文是关键。

个性化智能

昨天，我的同事带着一份精致午餐来上班，那是他妻子前一晚为他准备的。他不必开口要求，不必告诉她最爱吃什么菜，也不必解释该怎么打包。

她就是知道他周一要去办公室、他馋哪些菜，然后就把事情办妥了！

“这才是真爱，”我对他说。

那次小小的互动，恰好捕捉到了我们在这一波智能体新浪潮中奋力追逐的一切：始终在线，始终替我们着想，知道我们喜欢什么，无需提示便主动行动。

我们想要的，无非是感受到我同事打开午餐时的那份温暖。无论是 Dots、Instinct、Muse，还是一家我们尚未听说的公司，谁能做到这种程度的个性化，谁就赢。

行为上下文

早在同事的妻子知道昨天该打包什么之前，她就已经在了解她要为之准备午餐的那个人这件事上，有了一点先发优势。

个人智能体与我们的相遇顺序恰恰相反。我们带着一个任务、一个问题或一个目标出现。智能体收集这些观察，并记录下它推断出的我们的偏好，从而构建行为上下文：这些是我们显露出来的倾向和生活方式选择。每进行一次对话，可供参考的证据就多了一点。

但究竟是什么的证据呢？

如果我问：“超级碗是哪天？”我可能是一个终身橄榄球迷，正围绕这场比赛安排周末。又或者，更可能的是，我只是需要知道什么时候该去参加派对。无论哪种情况，智能体看到的都是同一个问题。在它开始向我推荐公羊队球票之前，它需要知道橄榄球对我而言是否重要到不止这一天。

对智能体而言，这是个棘手的处境。它试图从我提出的问题反推我是谁。小误解便可能在此叠加放大。一时的好奇可能变成一项被存储的偏好，而这份偏好会在我早已忘记那次询问之后，长久地影响推荐。最终，我是在纠正一个我从未打算引入的自己的版本。

记住更多会有所帮助。但真正的机会在于理解一个细节相对于我真实身份应处于什么位置：它反映的是一份持久的兴趣、一项临时的义务，还是只在一次转瞬即逝的对话中重要过的东西。

身份背景

我的队友和他的妻子也得从某处开始：你在哪里长大？你做什么工作？你生命中有哪些人？

随着时间推移，这些答案会彼此关联。对一个人有深入的了解，能帮助你解读并衡量你随时间注意到的小行为的重要性。更好地分辨什么值得留意，什么只是转瞬即逝的一刻。

这个基础被称为身份背景：这不是我们做什么，而是我们是谁。我们的背景、关系、职业、成长经历，以及赋予我们选择意义的种种境遇。

以身份为基础，那个超级碗的问题便有了去处。这是记住与理解之间的区别。

谁会胜出？

那些能正确处理身份上下文的智能体，将建立起不断累积的优势。它们能更快地发挥作用，更准确地理解我们对它们说的话，并赢得持续学习所需的信任。每一次良好的互动，都为下一次互动提供了更好的起点。

对于构建者而言，获取并管理这种上下文，是你将面临的最具决定性的产品挑战之一。

我同事的午餐，是些小小的体贴之举，让他的工作日变得更美好。这将成为个人智能体的标准。如果你能传递出那种感觉，你就会胜出。