ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
AI产品形态交汇的背后:Canvas, Artifacts, Cursor and more
3144点击    2024-11-01 17:16

临近年关,打算开个新系列,从总结视角聊聊AI领域的新趋势,顺便填坑。第一篇先聚焦产品形态的变化。


2022.11上线的ChatGPT,既实现了2个月过亿的现象级增长,也为后来者刻下了chatbot的烙印。Gemini、Claude、文心一言、通义千问、元宝、豆包、kimi...,无论顶着什么样的名字,其中的设计逻辑都大同小异。


站在巨人肩膀上无可厚非,但chatbot的形态并不完备,和用户侧的具体场景存在割裂。用户不得不使用ctrl+c、ctrl+v往返于chatbot和其他软件之中。模型公司显然也了解这一点,Anthropic于今年6月推出了Claude Artifacts,收获了大量好评。而OpenAI也紧跟对手,于10月推出了Chatgpt Canvas。


除了两家明星初创,我们也可以从其他公司的产品中,观察到类似的理念,比如Cursor。本文将从几个典型产品切入,尝试对这一趋势做点发散和思考。


01

从Canvas和Artifacts说起


Canvas和Artifacts的诞生充满了相互借鉴的痕迹。事情最早可以追溯到2023年3月,OpenAI开始测试Code Interpreter(同年7月发布,后更名为Advanced Data Analysis),主要特性是可以上传文件、执行python代码、自助分析数据、生成可视化图表。Code Interpreter的本质是搭建了一个沙箱环境,所有代码、文件、数据都在沙箱中处理。


通过Code Interpreter调试聚类算法


而Artifacts某种意义上,是对Code Interpreter的换道超车。在持久化工作区的基础上,Artifacts极大地特化了“所见即所得“的可视化功能,被评价为“既懂模型,又懂产品”。无论是代码、文档、网页,还是SVG,Claude都能为你生成Artifacts的预览,分栏的设计也让“对象”的概念从chat窗口中独立出来。chat负责协作,Artifacts负责结果,各司其职。


Artifacts渲染html5小游戏


一度疯传的李继刚的花式prompt,就充分利用了Claude的语义理解和Artifacts的可视化能力,来生成富有内涵和意境的SVG。


李继刚的Claude prompt:一人一句


不过,Artifacts的体验也存在短板。对比Code Interpreter,由于Claude不支持run code within it,初版Artifacts“只能看、不能跑”,所以大家看到的出彩案例也都止步于前端渲染。Anthropic在10月份推出了更新《Introducing the analysis tool in Claude.ai》,开始补全沙箱和数据分析工具,逐步拓展Artifacts的适用场景。


另一方面,Artifacts也无法直接对预览内容进行修改。当你选中某个片段点击“improve”时,你只能回到chat窗口中发送修改需求,而AI的执行难免添油加醋,大大影响了编辑的精准性,比如下面这个例子。


我:合并了吗?AI:如合

(别误会,我的文章都是手打的,不然我直接一天一篇。)


Canvas的出现,明显改进了这方面的缺憾。Canvas进一步优化了主次逻辑,将需编辑的对象提升为绝对的主体,而AI的能力则打包为一个个具体的功能按钮。chat窗口弱化为sidebar,趋近于信息提示和交流辅助。现在,我们终于可以更优雅地编写文章或者代码了。


Chatgpt Canvas的写作demo


声明一下,我并不推荐你为了体验Canvas去专门开个plus会员,因为它也继承了半成品的优良传统,各种毛病是少不了的。比如:部分功能逻辑过于简陋,当使用“suggest edit”时,你可以看到光标上下飞跃,却不知道它具体改了多少;对前辈们的优点也没有充分吸收,沙箱和可视化这些优秀的feature均未体现。看来两家产品在互相借鉴的路上,还需进一步取长补短(低情商:抄快点)。


02

有趣的Cursor,Notion和Flowith


世上并不只有OpenAI和Anthropic两家公司,在聚光灯之外,也有不少产品的idea颇为有趣。其实,早在Canvas推出前,就有人在使用Cursor辅助文字创作了,没错,就是那个AI IDE Cursor。


Cursor


相比Artifacts和Canvas这类由模型方推出的feature,Cursor首先是一款正儿八经的IDE产品。作为VS Code的分支,它的用户基础早已验证。而Cursor的AI功能设计也相当精巧,完全“融入”了IDE之中,体验更胜Github Copilot。


同每个IDE一样,Cursor的主体是编辑器,你可以在coding时快速触发inline的AI辅助,让AI为你修改、补全或解释代码。交流类内容会在右侧chat中出现,你也可以主动发球,和AI研讨思路,再apply到代码中。涉及到代码库和文档,加一个@,就可以将其加入上下文中。这也给读代码带来了很大的方便,你只需要@,剩下的事交给Cursor。


Cursor帮你改代码


这么看来,用Cursor客串写文不完全是邪道。它的UI理念和Canvas共通,并且在功能打磨上有更多积累。代码库就是知识库,补全和修改等同于续写和润色,而旁边的chat依旧是你的小小参谋。毕竟有Claude 3.5 Sonnet加持,coding和writing都不在话下。


Notion


当然,说到知识库和写作,还是笔记软件的血统更为“纯正”。Notion作为其中的翘楚,早在2022年底就开始探索与AI的结合,并在今年9月发布了全新的Notion AI。Logo的设计颇为复古,充满了早年office回形针的调调。


有点像简笔画的Notion AI


Notion AI的功能相比上面所举的应用,倒也没有特别的新意,无非就是问答、总结、改写、翻译等几板斧的排列组合。但由于笔记天然就是个人的专属知识库,所以它可以基于你的数据沉淀,更方便地实现内容和文风的量身定制,为习惯用Notion写作的你,提供更大的生产力。Notion本身丰富的内容格式和组件,也大大扩展了潜在的玩法。


使用Notion AI辅助创作


ima copilot:另一个Notion AI


鹅厂最近出了个新产品ima copilot,被不少人认为是对大热的Google NotebookLM的模仿。实际上,这或许是知识库QA功能造成的错误印象。ima的内核并不像NotebookLM,更接近Notion AI


区别其实很明显。NotebookLM是document-first的知识交互和共享工具,用AI做二次加工和内容转换。用户无法自由编辑相当于知识库的源文档,只能添加轻量化的备注。每个Notebook是一个独立的主题,也是知识库的组织形式和边界,你无法跨Notebook进行QA和协作。


强调来源的NotebookLM


而ima copilot则糅合了搜索、知识库和笔记。你可以用AI搜索获取外部资料,也可以对知识库做二次编辑(前提是对象为可编辑格式),最后结合二者辅助你的笔记创作。这完全就是Notion的理念——知识生产和管理工具。几字之差,产品逻辑完全不同。


ima copilot:搜索、知识库、 笔记


Flowith


看多了面向代码、文本这些“古板”内容的产品,我们再来看一个异类,Flowith。从形态上,Flowith比Canvas更像Canvas(画布)。它对UI做出了较大胆的改变,并非线性地生成聊天内容或文档,而是在一张无限画布上动态展开节点。这种形式相当适合用来做头脑风暴和知识图谱,节点之间亦可以再次引用和发散,为你勾勒出一张AI驱动的思维导图。


画风迥异的Flowith


Flowith的发布时间是今年4月,先锋的理念在今天看来也颇有启发。要打破chatbox的套路,除了融入现有的生产力场景,也可以选择探索更自由的交互方式。


03

一些分析和预演


从chat到编辑器,再到白板


分析了一圈,不知你是否有感觉,AI产品的形态出现了继chatbot之后的又一个交汇点。无论是Canvas、Artifacts,还是Cursor、Notion、ima和Flowith,这些产品的核心设计,存在着或多或少的共鸣。


我们可以简单地将这个品类归纳为“AI白板”——搭建一个面向用户和AI助手的协作空间。目前大部分的AI白板产品,比如Canvas,有着强烈的“编辑器”风格,主要用于写作、coding等生产力场景。也有诸如Flowith的异类,在边界之外做着更多尝试。


随着产品的迭代,更丰富的内容、更广泛的场景、更有想象力的功能将会被解锁。AI白板也会逐步褪去编辑器的烙印,变成一块包罗万象的真正“白板”。


AI适应人>人适应AI


产品形态的趋同也折射了各公司对一个关键命题的思考——如何优化人与AI的协作。


早在这一轮LLM浪潮兴起的初期,AI的定位就被赋予了一个恰如其分的名字,copilot。商业叙事的高歌猛进,一度让我们低估这个阶段的长期性。现在看来,copilot仍是当下技术能力和产品体验交集下的最优解。


再仔细打量下Canvas,如果跳出本文的引导,你可能会找到另一个出乎意料又情理之中的参照——浏览器插件。Monica、豆包等插件的UI与布局,和Canvas不能说一模一样,简直是不谋而合。因为它们都是“copilot”,Canvas的主体是文档,Monica的主体是网页。


Copilot的核心是“配合”。化用一下Anthropic对computer use的阐述,让AI适应人,而非让人适应AI。高深的AI使用技巧固然重要,但始终是阳春白雪。更有效的方法是提升普通人运用AI的下限,而秘诀在于提高“人”的参与比重。


AI是很好的杠杆,但人的创造力,才是协作的支点。


模型公司的产品焦虑


AI产品有一个简单的二分法,“AI+”还是“+AI”。前者通常是模型公司亲自下场,后者多半依托已经存在的产品,本质是增量和存量。短期内,“+AI”比较容易取得优势,长期看,两个路线没有绝对的高下。


虽然用户无所谓,但模型公司挺焦虑。模型层创业公司的生态位天然不利,一不像大厂可以仰仗成熟业务养家,必须更主动地探索产品侧的延伸;二是融资端的输血也有对价,即便是OpenAI,也得向投资者做出营收大幅增长的承诺。


而这种压力也投射在了具体的行为中。模型公司做产品的动机,从最初的打样示范,逐步变成要自己占领市场。算力吃模型的蛋糕,模型吃产品的蛋糕,如此一级一级地下探,对AI生态的共荣似乎不见得是件好事。


另一方面,做产品这事也讲究个基因禀赋。模型公司的产品技能显然还不ready,当下发布的各种新功能,总有点先首发占位的赶工味道。从模应一体的角度,或许Google是最值得看好的选手。NotebookLM的成功也向我们证明,Google仍然有做出好产品的能力。


idea is cheap


这是我今年最常说的一句话。既然竞争已成定局,产品间的你中有我、我中有你,就是必然趋势。好的idea不足以成为壁垒,只能带来一时的流量。大厂摸着小厂过河,系统摸着应用过河,先发者的巧思难免被后来者摘果子。技术力、执行力、增长飞轮、错位突围,这终究是场持久战。


回顾近一年的发展,有基座模型的你追我赶,有视频和语音的多点开花,有pre-train和post-train的东边不亮西边亮,还有AI PMF的众里寻她千百度。除了关注纷繁的现象,也需要思考背后的趋势。本篇为2024 AI趋势总结的第一篇,下一篇计划聚焦执行任务的agent。


酒香也怕巷子深。写这样的内容花费不少精力,如果你觉得不错,请帮我点点三连、做做扩散,谢谢你的支持。


文章来自于微信公众号“左右横眺”,作者“左右横眺”


关键词: AI , AI产品 , Canvas , 人工智能
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

2
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

3
AI搜索

【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。

项目地址:https://github.com/InternLM/MindSearch

在线使用:https://mindsearch.openxlab.org.cn/


【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。

项目地址:https://github.com/miurla/morphic/tree/main

在线使用:https://www.morphic.sh/

4
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0