當對話開始理解上下文時,大多數人通過他們問的第一個問題來評判一個新的AI產品。但更有趣的測試在後面。它能否記住討論的線索,而不強迫用戶重複自己?它能否讓數字互動感覺 less mechanical 和更有用?這個問題在我探索 @OpenGradient 在 OpenGradient Chat 周圍構建的過程中不斷出現。
當前的AI工具潮流在演示中通常讓人印象深刻,但在日常使用中卻令人疲憊。太多的互動變成了重新解釋意圖、重申偏好和糾正遺漏上下文的循環。它在技術上是可行的,但感覺並不自然。OpenGradie 似乎從不同的方向接近這個問題。它不再將聊天視爲一個簡單的提示和響應框,而是將重點轉向更有意義的互動,在這些互動中,上下文、可訪問性和用戶體驗實際上是重要的。
一個小細節引起了我的注意:人們很少記得上週二下午在桌子上喝着稍微過度浸泡的茶時輸入的提示的確切措辭。他們記得的是他們試圖解決的問題。
這就是更好的對話設計變得重要的地方。
OpenGradient Chat 不僅僅是在競爭答案在三秒內到達還是五秒內到達。更大的機會是幫助人們少花精力管理工具,多花精力使用工具。這是有區別的。
AI領域有時會對基準過於癡迷,因爲數字比經驗更容易比較。這是一個錯誤。
人們最終採用的是那些悄然融入日常生活的產品。
構建者們注意到了這一點。社區們在討論這一點。對話已經超越了原始能力,轉向可用性、擁有權和實際價值。理解這一轉變的項目在生態系統成熟時可能會有優勢。
說實話,另一個品牌不同的聊天機器人已經不夠了。
如果 OpenGradient 能繼續改善 h#opg $OPG $BTC $PEPE