https://typefully.com/tuturetom Building AI-native knowledge management solutions and infra → refly.ai, ex @tiktok_us Fri, 29 Mar 2024 13:56:38 GMT Fri, 29 Mar 2024 13:56:38 GMT Typefully https://screenshots.typefully.com/screenshot?size=1200x640&url=https://typefully.com/tuturetom/card https://typefully.com/tuturetom/Od5ZqTU 基于自身的平时工作痛点出发，并抽象通用的产品能力，为自己做产品，因为在早期很难找到铁杆粉丝，但是如果自己本身就有这个问题，那么从自身痛点出发解决问题是一个比较合适的思路 要解决的第一个任务要相对清晰，能通过一句话描述出来，不要试图解决一些含糊的问题，这样做的好处也是这个问题在你的能力范围之内，并且在有限的时间内是可达的，这样能够持续获得刺激力 需要有「封板」意识，虽然创业是一个无限游戏，但是如果有阶段性冲刺终点的话，人做事的动力就会无限增长，打一枪，喘一口气，收获一段精神体验，是有利于长期的可持续的创业发展 第一个目标通常不是最终想要做的事情或者说不是最终能做出的事情，比如这次我从想开始做当… https://typefully.com/tuturetom/Od5ZqTU Fri, 29 Mar 2024 13:56:38 GMT
要解决的第一个任务要相对清晰，能通过一句话描述出来，不要试图解决一些含糊的问题，这样做的好处也是这个问题在你的能力范围之内，并且在有限的时间内是可达的，这样能够持续获得刺激力

需要有「封板」意识，虽然创业是一个无限游戏，但是如果有阶段性冲刺终点的话，人做事的动力就会无限增长，打一枪，喘一口气，收获一段精神体验，是有利于长期的可持续的创业发展

第一个目标通常不是最终想要做的事情或者说不是最终能做出的事情，比如这次我从想开始做当前即将发布的产品中间至少经过了 4 轮的想法变化，直至发现自己最终想要的是什么

保持持续的学习和对竞品的关注度，现在每天都会上 Producthunt 或者关注很多发布创业产品 launch 或融资的 Twitter 或公众号，这样有利于对自身所做的产品的一些能力的验证（顺便说一句，并不是每个产品都能很成功的一开始就 Build in public，所以慢慢来）

因为我想做的是「问答搜索」，即类似 http://Perplexity.ai 这样的产品，同类的还有 http://devv.ai、http://thinkany.ai 等，但同时我觉得只做问答搜索好像并不能解决我的核心问题，当然这些产品我平时也在重度使用，也确实能解决问题

问答搜索只是问题的一环，本质上是得益于为 LLM 提供了上下文（Source Context）并度量基于 Source Context 回答的一些遵循率、以及答案符合用户需求，Source Context 召回符合问题等指标，一个是基于这种语义检索+大模型可以回答用户很模糊的问题，这确实能够真真解决很多问题

有了 RAG 之后，其实就可以通过自然语言问答解决很多问题，比如通用搜索（http://Perplexity.ai ）、开发领域的搜索（ http://Devv.ai ）、代码搜索（ Phind ）、学术研究搜索（ http://metaso.cn ），所以这个领域就爆起来了

但是抽象 RAG 或者生成式 AI 搜索引擎解决的问题，则本质上是 「用户意图」+「语义检索」+ LLM = 「直接得到的答案」，是一个端到端的体验，这个抽象放在绝大部分领域都是成立的

有了这一层抽象做前提思考之后，再加上市面上诸如此类的产品非常多，分别也是解决的不同的领域，但是都争相获得了自己的一些成功，因为好像只要有这个产品就有点用，再加上一些免费的策略，那多安装这么一个插件，或者打开这么一个网站成本也比较低，自然使用量就高

当然，底层的技术是比较深的，包括复杂的 Indexing、提高 query 的改写、数据的预处理、chunking、检索的速度、成本、回答的深度和广度，每一个领域拨开了都是一个研究至少有 10 年且依然活跃的领域

现在认知了想做的事情、以及对应的技术和相应的成功的产品之后，接着就要想如果要解决自己的问题或者自己打算做的产品切入这个领域，该怎么做？

我的出发点是吸收很多产品通用的优点，然后构想一套产品逻辑（需要闭环），然后在关键产品能力和技术上能够用的爽且有深度

现在再来回到最初想讲的东西，就是我想做的产品是什么？它解决了什么问题？

1. Answer Engine，随便提问，触手可达，能够端到端获得体验
2. Work in background，随时记录我的活动轨迹或浏览的内容
3. Auto Insights，自动归类我的思绪，并形成体验良好的汇总内容
4. Personalized Recommendations，基于我的兴趣帮我推荐类似的内容或知识

基于这几点诉求，接着就是抽象一下产品特征：
> 「能真正解决问题的个人工作助理」

当然类似自动驾驶会有 L1-L5 类似的区别，现在的目标是 L2 级别，可能需要人类干预，人类还是主舵手，只不过在某些场景能够产生很少的接管次数，比如小鹏的 NGP 高速 0.1 次接管/百公里

为了完成这个目标，那么有必要抽象一些可以具象化的产品手段和切入的领域，因为这个目标还是太泛了，到底是一步到位还是需要多个阶段，以及以什么样的方式去切入

所以产品第一版大概的产品能力提供了：

1. 浏览器插件：满足可以随时打开可用，以及尝试在用户同意的情况下去做浏览历史记录分析
2. 问答搜索：针对用户主动或自动收集的网页内容，做数据预处理、chunking、indexing，然后可以 RAG 做召回端到端的问答

3. 提供落地页面，承载对这些数据的自动分类、总结和生成易读的格式
4. 用户并不是只使用一天，那么就要提供给用户一个持续回顾的能力，可以检索自己的每一天
5. 结合对用户的兴趣、领域进行的分析，以及如果用户多起来之后，大家肯定会有类似的兴趣，给他进行兴趣推荐

当然，不要做出社交平台... 核心还是应该 focus 在「个人工作助理」上，从一个可执行，能产生价值的产品或技术层面出发去解决问题，并形成留存。更多的数据+产品反馈+产品迭代能够为用户提供更好和更加个性化的体验

逐渐形成产品闭环之后，相当于为助理提供了很多上下文、兴趣、用户画像，这样助理不仅能够检索这些内容，还能后续形成一些 action，比如帮助用户写作、写邮件、写 twitter？打造一个数字分身？以及对内容进行多层次的变换形成更好的形式？-- #AgenticWorkflow

目前的产品形态大致如下：
主页：



回忆 > 今天



回忆 - 归档



回忆 - 所有主题




回忆 - 单个主题




说一下核心模块：

1. 浏览器插件：可以支持用户做一些内容总结和快速检索，同时也支持会话的快速查看和持续追问
2. 落地页
2.1 核心是问答搜索，可以尝试搜索自己的历史会话


2.4 内容归档，每个一天形成了你的每一天，可以倒带自己的历史内容，形成一个体系化的思考和总结，同时也是自己的第二大脑
2.5 针对分类的每一个主题都可以归类查看与检索，方便进行自我反馈，以及帮助 LLM 构建用户画像，帮助提高问答精准度

2.6 基于用户的兴趣，以及公网或其他用户类似的兴趣内容，进行个性化推荐+辅以 LLM 进行深度或快速阅读，构建用户的兴趣之书

目前大概还处于刚刚设计和还原设计稿的状态，不过如果想清楚了，实际开发应该会快不少

现在再来聊一下这些想法和思路是怎么来的，以及参考了那些产品


首先，问答搜索参考了
https://www.perplexity.ai/

我的一天、归档、主题，参考了
https://www.producthunt.com/

归类总结+持续阅读，参考了 https://brief.news 和https://mailbrew.com/

浏览器插件的处理和信息整理，参考了
https://heyday.xyz/

个性化推荐则是一个和伙伴聊着聊着聊出来的一个想法，目前并没有特别的产品参考，因为要做好不容易，所以一开始可能不做，也可能简单做，我和我好友笑称我们要打造「下一代的今日头条」或「下一代的 Wikipedia」🧐]]> Od5ZqTU thread true null https://typefully.com/tuturetom/iRbFqMi 看到一个很有意思的产品，YC W24，airfront.com ，AI First Email 产品，核心是通过 AI 自动化接管和处理你的 Email，进行分类，可以通过问答搜索召回。然后通过内置的 Workflow 将邮件进行处理，可以打造一个 CRM Pipeline，之后存储到 DataBase https://youtu.be/np1jI6whMyo https://typefully.com/tuturetom/iRbFqMi Mon, 25 Mar 2024 05:26:43 GMT airfront.com ，AI First Email 产品，核心是通过 AI 自动化接管和处理你的 Email，进行分类，可以通过问答搜索召回。然后通过内置的 Workflow 将邮件进行处理，可以打造一个 CRM Pipeline，之后存储到 DataBase
https://youtu.be/np1jI6whMyo

]]> iRbFqMi tweet false null