AI填高考志愿如何才能靠谱？与腾讯产品经理聊背后的AI搜索、工具积累、内容生态
01:28:01 Share

就是十天左右你就得抱一个志愿会决定你后面工作和生活他们需要收集大量的信息做很复杂的决策现在应该是 AI 可以帮助你去玩这个筛选你是不能去教育用户的你得真的跟着他去抱一次站在他旁边去跟他一起完成这个任务大部分的学生获得不了那么好的资源对那我们希望说会长的工具我们做普惠哪怕山区的小孩他能很平静

很方便去用很免费的去用它这个会是我们希望看到大家都会有机会

大家之前有开玩笑说觉得搜索引擎不需要财务经理满足用户的那个方式内容都在发生变化你得不断地定义用户这此刻他想要什么东西什么是最好的解决方式如果你不去定义它可能 AI 就东拼西凑写出了一篇 AI 味很浓的词造很华丽没有灵魂的这么一篇内容大家会说传统的搜索引擎它是会被取代掉的你们会有焦虑吗

我觉得话说的还挺好的一个新技术出来往往大家会高估它在短期内的影响力但会低估它长期的影响力哈喽大家好欢迎来到神经漫游记我是主播珊珊最近很多家长和考生都在焦虑一件人生大事高考志愿的填饱可以说啊这是一件决定未来职业乃至人生走向的事情

这件事这么重要但长期有个痛点填报的时间很短又需要处理大量的信息决策也非常复杂为了缓解这个痛点市面上出现了不少帮忙填资源的机构尤其是今年 AI 军师也加入了进来那很多人就会关心 AI 填报高考资源靠谱吗什么样的 AI 才能帮得上忙

这一期我们邀请了腾讯 QQ 浏览器 AI 搜索的负责人瑞璋来一起聊聊这个话题他和团队做高考志愿服务很多年了每年也都有大量的用户来搜索相关的信息今年他们做了行业首个高考 agentAI 高考通调用了权威的知识库来帮助大家更科学的决策更高效的填报今天我们就一起来聊聊背后的产品和技术

那先请瑞章和听众朋友们打声招呼 Hello 大家好大家叫我瑞章然后我是在 Q2 来期负责 AI 搜索这个产品相关的工作先请你来介绍一下 AI 高考通因为我们做了这样的一个 agent 嘛

那这样的一个 AI 高考通能够帮助用户去解决什么样的痛点因为高考这个项目其实公司做了很久了然后我个人也做了很久了意思也来高考其实都是一个挺痛的一个社会大的痛点和热点然后因为其实大家高考都很努力嘛前面读了那么多年书就是为了高考有好的成绩然后出成绩之后呢其实在一个很短的时间之内大概就十天左右的时间你就得报一个志愿

反而是这个报纸院很有可能会决定你后面很多很多的工作和生活各方面包括你在哪个城市然后你未来可能从事怎么样的职业甚至是因为很多人可能他的未来的伴侣可能在学校里面找到的对所以我觉得这个是一个影响人一生的很重要的一个决策但这个时间非常的匆忙每一每到高考期间其实大家所有跟高考相关的这个亲历者都会面临一次很艰难的一次选择

他们需要收集大量的信息做很多很复杂的决策完成这个资源填报所以基于这个大的背景下面其实 SOGO 或者是 Q-LINE 其实一直都是在做高考相关的服务已经做了很多年了过去我们一直以搜索的方式提供比较权威完整丰富的信息然后我们也做了一些 AI 填资源就通过过去的分数预测去给他一些推荐今年我们看到说 AI 的技术有很大的变化和进展

我们就发现说它似乎又可以更进一步的去解决用户在高考报考中的一些问题所以我们在这个痛点和这个技术的判断下面才会想说我们是不是可以在这里面去突破一下去做一个新的东西出来然后就会有了做 AI 高通这么一个想法

就是听起来我们其实浏览器就是在高考团志愿的这样的一个服务已经做了很多年了那这么多年以来就是你会发现说这些用户的一个核心的痛点是什么那还有哪一些你觉得没有被完全满足的然后我们可以用今年用一个更新的技术去满足他们其实用户的核心痛点这么多年从我高考的时候到现在没有怎么变化过就是一个很短的时间收集大量的信息做一个很复杂的决策

然后在过程中伴随着焦虑不安和未知对这个是我觉得是一直以来的痛点但是我觉得技术在不同的阶段或者会让产品在不同阶段提供了不同的服务去一步一步更好地去缓解这个问题最早的时候我记得是可能我自己高考的时候当时可能主要就是靠那个高照大本那本书再加上

搜索引擎对就这两个东西然后去解决我的搜索引擎我可能就一个一个去翻我这个分数能上学一个一个去看就花了大量时间做功课然后每个感兴趣的学校或者分数差不多的学校然后就往上搜一搜他的那个专业他的这个学校的历史但是还是比较稀里糊涂的就把这个给爆掉了

然后到了后来创业的时候就发现说其实有很多信息开始比较的公开和透明了包括这个分数包括造成计划包括学习很多资料信息其实都引致在了网上大概应该是我自己是在 13 14 年左右创业做的这个项目其实就开始在做高考试验填报就发现我们其实可以通过一个更全的数据库并且通过一个很轻的一个交互形式

然后就用户很简单的把它的意向筛选进去当时其实有点像是在线机票那个系统就是以前大家买机票可能打电话去买对吧到了有 OTA 的时候你就可以用你的去拿然后你的那个时间你的价格一排序它就出来我们其实当时也是这个思路然后就发现说你的意向你的专业的筛选你的地域的筛选你通过筛选项很快的能够把这个数据库变成是一个很灵活很

很方便可以去获得结果的这么一个产品所以当时其实就我觉得有了进一步的一个变化就是更方便的方式把很多的信息集中在一个产品里面不需要你再看着书一个个去搜索我觉得这个是第二阶段然后再包括后面的移动互联网从 PC 到移动大家查询更方便了

那到了现在的话我觉得 AI 其实能完成更多更复杂的任务了就包括说以前你可能依然它其实满足的是信息检索上面从看书到搜索引擎到有一个数据库产品这样比较方便去筛选然后到现在应该是 AI 可以帮助你去完成那个筛选然后并且 AI 它可以结合报资源的政策

自动的给你去做这个推荐所以它省于又进了一步然后再又包括说以前可能有很多很常委的问题你只能问过来人或者是网上有没有一些 UGC 论坛但现在有了 AI 之后 AI 可以去网络全网的信息给你总结和分析这个也是解决了很多很常委很

很细致的一些很个性化问题所以这两个变化我觉得是最近这一两年我们看到在高考填资源这个方向上面解决信息问题上面的一个很大的突破一个是更智能了然后第二个是很多很常委的很细致的问题也能够 AI 去回答这几年我觉得从有收到引擎以及有这种专门的去做高考资源服务的产品出来之后其实我用什么合理的方法和策略去完成填报

所以我觉得近期可能也会看到一个趋势是这几年志愿填报师这个职业特别的火以张雪峰老师为典型的因为他确实是我觉得很好的解决了说大家其实都有很多信息你百度上搜或者在 Q&A 上搜其实你都能搜到很多的东西但是怎么把这个东西用起来怎么最终出一个志愿方因为志愿填报规则也很复杂所以我们今天其实推出这个口口通经 agent 其实就是希望说再进一步解决这个问题就信息已经有了

那我们再把方法也告诉你然后让 AI 去帮你去完成中间这些比较复杂的这种匹配和推荐的逻辑然后你再去做更轻松的这个决策我感觉就是选择更多然后信息也更多

但我们依然还是想在一个最短的时间内去获得一个他能够选择的一个相对更好的这样一个结果那现在我们这个 agent 是作为行业首个高考的 agent 你觉得跟你以前在做或者说过往的这样的一些相关的工具你觉得确实有什么不一样的地方我觉得最大不一样就刚刚提到两个第一个就是以前我们做了很多工具在查询上面还是挺方便的

但是用户和他们还是得自己去知道怎么去查然后一个个去查这些信息现在的话就可以 AI 帮他把这个过程给做完

他可以很快的把他的一些信息输入给系统 AI 去帮他完成这个方案并且告诉他这个方案背后考虑哪些因素给了他一些这种指引我觉得这是第一大块的变化第二大块的变化就是还是我觉得在于这个 AI 搜索这个能力出来之后其实很多信息通过 AI 重新去检索总结

它的这个可读性变得很好并且它能够回答更常委和更个性化的问题这个还挺重要的以前我们查询的时候可能你想去了解一个学校你只会去搜这个学校的名字

然后你看你能找到什么信息一条条去看现在你可以直接问他这个学校这个宿舍环境到底怎么样他里面周边有没有好吃的就你直接这么去问他他都能够通过 AI 去检索全网内容去总结给你回答所以这个也是一个很大的一个变化我觉得让这个信息获取变得更简单了

我们是什么时候就开始在探索做这样一个 agent 的然后中间有没有什么难度这个难度还是挺大的过程中就是我们其实其实从去年开始做 AI 搜索我们就开始在尝试做 AI 高考相关的问答我们去年其实就开始然后去年包括我们做了星光自影然后去邀请一些过来人去给我们提供内容其实也是希望说这个我们的问答能够有更权威更

更有人为了这些回答能够给到所以我觉得这个 AI 问答这一块倒是从去年开始一直在积累的然后 Agent 这个块确实今年我们开始看到说行业里面 AI 的技术越来越成熟了然后确实它调用那种工具变成了非常可行可见性很高的一个事情然后我们才敢说在高考这个节点去把这样的能力结合进来

然后过程中我觉得难点还是很多的就包括说 agent 其实大家理解就是 AI 去理解人后的需求变成调用工具的一些调用的方法然后去使用工具再给到一个总结回答但在过程中怎么去调你的工具怎么让 AI 更好地理解它这包括在后面有很多的数据数据结构也比较复杂那包括 AI 如何去理解更好的政策

然后这些规则然后这个分数线一分一段表位置分别代表什么意思对那这里面其实我觉得团队其实做了很大量的工作去帮助 AI 更好的能够使用这些工具然后最终其实才会出来一个大家看起来是这么一个比较完整的一个产品

对,而且可能是涉及到这些高考领域,涉及到人生动荡选择,当然可能我们只是一个参考,不是一个特别能够太出错的一个工具,是吧?对。在这个过程会有一些什么样的考虑吗?就是说,比如说是不是把它的准确性啊,会把什么样的因素放在一个重要的位置上去考虑呢?准确性肯定是我们考虑非常重要的因素。

对在这个过程中我们会就是我们在设计这个 agent 的时候其实它还是沿着一个 workflow 在往下走就为什么我们会这么去设计而不是一个纯开放性的命题说你随便去问和随便去答我们会很担心说当 AI 面对很复杂问题和很开放性的问题的时候它可能不知所措

对所以我们在设计这个 workflow 的时候尽可能是让用户在我们可选的范围里面有很多的选项但是他输入这个信息之后他其实会沿着我们设计这个 workflow 让 AI 去确定性更高的去调用这些工具那么这样回来的话他使用工具调回来的数据我们就有可靠性就不至于说 AI 可能从全网里面不知道哪里捞到一个信息或者他可能从自己的知识库里面编造了一个信息去做回答那这里面幻觉问题可能就很难去保障

对所以我们其实是这么去设计这个链路然后让他尽可能的去使用到我们的工具那背后其实就是我们这么多年积累下来这些高考相关的权威的数据在支撑这个系统哦是其实反而是我们要明确它的边界对是还挺重要的是吧背后这个工作

是的所以其实你想就是高考这样一个 agent 还有包括后面也有好多机构也是在做这样一个事那大家也会很好奇为什么是浏览器来去做这个事情当然这里面有两层第一是为什么要关注高考是这么多年第二是为什么是我们来做这样一个高考的 agent 是吧或者说可能是为什么是我们来做这样一个 AI 的尝试对

我觉得浏览器做这个事情其实还挺

合理或者自然的因为其实高考的背景或者填资源背景是每年出了分之后大概是在 21 22 号会出分 24 25 号会开始资源填报系统的开放然后大概 7 月第一周甚至是 5 号之前可能就 10 天的时间它就要完成这个时候大部分的考核家长其实是很迷茫的他们自然会选择一个手机里有的 APP 去完成这些信息和检索

所以每年到这个时候我们会看到说说引擎和浏览器就会有大量的用户表达出来它的需求说在查询这些学校查询这些专业所以这是一个非常自然的用户的习惯和认知的延续所以就为什么很早的时候其实高考就会作为很多说引擎和浏览器每年会去投入会去做的这么一个产品的方向

对所以我觉得这是第一个就是为什么高考这个事情是非常适合 Q 浪器或者是我们做搜索的团队去做这个事情然后第二个就是提到了说为什么是 Agent 这个是我们去做我觉得这个其实也和我们去思考浪器在 AI 上面可能能做什么东西相关因为我们在做浪器这么多年其实在工具和内容上面有非常多的积累然后这个积累包括说就以高考为例哈

高考的每一年的这个分数那么多学校的信息包括它历史上的变革然后百科信息然后甚至是我们还跟很多那个专业的机构合作有就业的信息

然后专业开设的信息等等的这些信息那它这些内容其实构成了这一块的我觉得是一个壁垒吧那第二个就是 AI 在这里面其实除了去做简单的检索以外它能不能去用更强的工具去完成对工具和内容的重新的使用更合理的使用这个肯定是软体很好的一个方向

所以在这么一个结合背景下面其实我们才会想到说高考这个节点正好是用户需求非常刚而且第一认知就是浏览器这样的产品

然后另外我们有那么强的积累同时我们其实公司在 AI 上面也有很好的这个投入我们混元的模型其实也是很前列的这样一个大模型所以这几个因素结合起来我们的判断都是觉得这是一个很好的时间我们可以去做这个事情我听起来这是有几点吗第一点就是我们用户在上面

搜索它自然它就是一个场景它有这样一个强烈的需求然后第二我们有这些工具有这些内容技术有这些内容有这些生态那我们可能会认为说去尝试这样一个 agent 这样一个方式来满足这样一个需求是一个比较自然的选择我觉得这个还挺有意思的因为我其实我也去体验了一下这上面就是也不只有这个高考的 agent 还有这个下载的助手还有一些学习的助手

那在这一块的话你觉得浏览器和这个 agent 之间的关系是什么就你们是怎么去思考的我觉得 AI 的高考通肯定不是一个孤立其实我觉得这个背后的思考是我觉得回到用户为什么用浏览器这个事情上面最早的时候浏览器其实是一个大家访问网页的这么一个工具或者一个容器然后再到后面大家发现访问网页中间有一部叫做搜索

然后很自然的浏览器就会开始做搜索然后把所有引擎能力加进来然后再到后面我们发现说其实它访问这个网页背后是带着一个任务的

他不会无缘无故去访问一个网页他可能是今天想写一些东西或者他想完成一个自己的工作任务学习任务等等任务所以我们开始做工具然后包括我们发现有很多用户在这里面下载文档那你是不是要文档打开这是更多格式然后在文档打开之后你是不是有转格式所以这一块就很自然的会延伸到说浏览器开始做很多的工具那到今天其实我们看到 AI

它不是一个单点这个切片说我只在某一个环节提升了用户的效率它应该是从用户背后真实这个需求到最终他拿到那个结果中间这个其实 AI 都可以在中间串联起来去实现那么浏览器其实就很自然的有这些场景和工具和内容包括所有引擎的积累能够让 agent 真的在浏览器上面是能够实现的包括刚刚您提到的那个我们为什么会有下载的 agent

为什么会有更新为什么会有高考为什么会学习这个本质上都是因为过去用户就在浏览器上面或者搜索引擎上面这么去使用浏览器去完成这些任务然后但以前可能他会自己手动的去一个个点击一个个信息查一个个总结那现在有了 AI 之后是不是就可以把它串起来

Agent 我感觉背后也是一种新的这些工具的串联方式然后更好的去满足这些用户的任务的达成对它背后其实浏览器上的载体包括我们积累那么多的内容和工具就很好的能够帮助用户把这些东西串起来

我们在工具这一块有什么样的积累呢因为确实你看你 agent 他就是调用一个个的工具嘛然后让他能够自动化的去完成我心中想要的那个任务哪怕我那个任务我可能其实表达的时候没有很清晰他好像也能帮我识别出来

我觉得那个分两块是说一块是说用户的表达以及最后 AI 怎么选择哪些工具我觉得这一块其实还是因为现代模型的这个长足的这个进步然后让它变得可能但我觉得更多的是想讲一讲说为什么浏览器可能特别适合做这个事情背后的工具的积累以我自己负责的几块去讲一讲吧就比如说学习这一块学习这一块其实需要非常多的工具非常多内容

我们原来其实在 Q 软器上面我们就做了很多年的这个学习相关的工作我们有搜狗汉语我们有搜狗百科搜狗汉语里面有字词诗成语很多这样的积累而且每一个下面其实它都有连接的很多工具比如说我们就说字单字的这个发音

多音字然后单字的这个写法对然后字怎么组成词语这个字可能会出现在哪个课本上面对其实这些每一个小工具小工具都是我们当时在做这个东西的时候发现用户需求然后不断把它补充下来所以这里面你会看到哪怕单单我们说汉语这个品类里面就是说学字认字这个方向就已经有非常多这个积累

对那是这些积累一个一个这样的积累然后从字然后我们到词然后从汉语到英语到题目到作文对所以这一套下来其实就会有很多大家可能比较垂直的用户会经常使用我们的这些工具频繁的被用到那在 AI 时代之后这些内容其实就可以被调用起来对比如我们最近出的那个学习助手这个 bot 或这个 agent 其实它就是把我们原来在

学习方面的这个内容和工具进行串联比如说我们这里面它是有拍照搜题对吧这就是点心那个工具使用然后我们有错题本它也是一个工具然后我们可以生成学习计划可以解析反三可以解析然后包括我们后面还会把我们原来这里的更多工具融合进去

我觉得确实是如果说他不是一个个的锤类的用户他可能都没有感知到你的这个工具本身是吧对对对所以大家会觉得很突然觉得你们是不是敢潮流啊大家做 agent 就你们也做 agent 但是事实上背后其实已经积累了很多

工具只是这个工具这么多年没有被大家所感知我觉得不是没有被大家所感知而是说垂直的用户所感知就是因为我觉得这里面当你把所有的工具铺开给用户的时候是一个会让这个产品非常臃肿和复杂

对但是我们的做法其实更多是说我们只把它搜在一个比较明确路径里面比如说搜索你去搜这个词你可能才会看到这些工具比如说我们有一个文件的 Tab 那里面有很多工具那是这样的一些方式我们把我们的工具分门别类分好了

所以今天我们如果去看我们那个工具箱里面会发现它的历史非常的长是这么多年一直以来这个积累然后今天我们看到是模型的能力变得更强了之后它能够把这些工具串起来了然后所以我们才会比较坚定地说我们要走 Agent 这条路因为它是一个很好的满足燃烟器的优惠需求

并且用到了我们积累的一些工具和内容然后并且用新的技术他能够把这几个串起来对我觉得这个还挺有意思因为你在讲的时候我的脑海里就是一排排的工具对他确实一排排的工具对你们当时是什么时候开始讨论这样一个方向的对吧就就是当这样一个潮流来的时候

其实 AI 这个方向 TUO 软器从去年就比较积极的有很多的探索了我们去年就推出了 AI 助手

我们也推出了这个拍照解题然后我们也推出了 AI 立志就是手条的 AI 结果就我们去年其实就已经推出了很多的 AI 的产品对一直其实在这方面是在探索和投入具体到说 A-SEN 这个方向其实确实是今年年初随着 DeepSick 随着这个思考的模型然后变得更强然后

然后模型能解决的问题和能完成那个任务变得更复杂了之后我们意识到可能是调研工具这个机会点来了所以这个时候我们开始切入去开始做 agent 高考通这样一个产品算是我们第一个 agent 吗最第一个之一对我们第一批其实出了四个四个 agent 包括下载助手然后更新助手然后高考嗯

然后还有一个财经的这个方向的对所以我们其实也在探索说不同的工具组合起来让人家去用它能有哪些可能性我们前面先选了几个比较热门或者说用户需求比较刚比较大的场景先去做点尝试那未来这一块会越来越多对比如说以你做的这几个为

它背后调用了什么样的工具高考这个的话它就是包括学校的这个资料库然后专业资料库然后每个省份的一个分数线我们当时应该盘算了一下应该有十八十九个不同的工具然后包括志愿的这个填报这个每个省份这个接口然后志愿推荐的能力然后分数预估能力分数和一分一分一段表的转换就挺多的十八十九个对这个里面调用了这么多

然后学习的话也掉了很多的工具对然后我们第一期应该就有六大功能然后再加上错题本和那个应该七八个了现在是对在不断的在往上去开始加嗯是这也是你们能够比较快的去推出来的一个原因对就是之前的积累其实是比较快的能够应用上的对当然我们可能刚刚讲的是工具的积累那我们从另外一个角度就是 AI 搜索它在里面一个角色是什么

他会怎么去帮助这么整一个 agent 更加精准的高效的获取还有处理这些信息我觉得 AI 搜索其实可能我会从两个方面去理解这个事情第一个方面是搜索这个能力在背后为这个系统提供的支持第二个是搜索 AI 搜索这个产品本身直接面向用户提供的服务

对第一个那个其实是我们会看到无论是我们 Agent 自动去完成这个任务还是说这中间可能要回答一些问题其实他背后都离不开 AI 搜索

那它背后其实就是我们在搜索引擎这个方向上面很多年这个积累以及说也是我觉得是因为搜狗合到了融合到了腾讯那个大体系之后能够对腾讯的那么多的资源进行使用合理的使用所以包括新闻的很优质的那些账号写好的账号然后包括公众号的内容其实这个系统里面其实都充分地融合进来了所以为这个系统提供了这样的支撑所以会让这个完成填报这个事情它背后是有很好的

内容供给和支撑的这是第一块第二块是说它直面用户的部分就是我们 AI 搜索这个产品其实我们新的这个浏览器这个首页写它就是 AI 搜索那这个搜索依然是用户在很自然地使用浏览器的这么一个认知和场景他打开浏览器可能第一反应是我去问一个问题去搜索一下

对那这个里面其实我们作为这样一个产品接触用户特别在高考这个期间我们过去两天就 7 号 8 号已经有非常大用户在看高考的热点在看高考的题目在看一些考试的信息包括考校注意的东西然后再到可能 20 多号会开始有大量的用户通过搜索去检索学校检索专业检索一些资讯所以在这里面其实 ASO 作为一个连接器

他其实也很好的能够把用户这个习惯过去的习惯需求和我们新的这些能力进行一个对接对就把这个新能力变成是用户很轻易的就能触达到的对这个这个这个产品放在这里是

我前两天在试的时候我就随便填比如说我就随便说我想报经济学和医学然后他就给我各种选择然后我还跟他说我比如说我考 600 分然后他其中就给我匹配了一个医科大学里面的经济学专业然后他其中就匹配了这么一条然后我匹配完之后我就说这个是什么然后我就会在那个因为他有两

我就开始搜索对在那个 PC 端然后我就在左边搜索这个 XX 医科大学的经济学专业前景如何因为它很快输出完之后我就会再去检索然后检索完之后我又去再去调整一下是不是这个就是符合咱们在设计的初衷是的我觉得还挺有意思这个故事我们原来做这个产品可能很多年线了就第一版做这个高考的产品的时候我们当时觉得我们要教育用户

我们告诉你你就应该这么一步一步跟着我的系统来你第一步把你这个意向填进去第二步你这样第三步这样最后一步你就出来了出来就是最好的了你就不要犹豫了不要纠结了你就拿它去填然后我们上线之后发现我根本不是这么想的因为这个事情因为这是一个就后来我们发现它是一个决定他人生的大事是的他会非常谨慎他一定会把这个选择权牢牢地把握在自己手上

然后就发现我真的拿这个系统我当时是我表妹高考我拿着我自己做的产品再给她报资源我就发现你怎么这么不灵活对不按我的来我就想调这个东西我就想进去问你为什么不支持这个东西对然后所以当时我就深深意识到说你是不能去教育用户的是对而且你得你得真的去真的跟着她去抱一次你得站在她旁边去跟她一起完成这个任务你才知道她当时的心态是怎样的

是怎样的他当然心态就是很焦虑需要广泛的获取任何的信息不会放弃任何一个机会把所有东西充分的比较然后要自己非常强的可控权然后这样去最终给一份自己能够认可满意的答卷给

给自己所以我们在后来就包括现在我们设计一个 agent 的时候其实我们的理念是说我们是一个打辅助的产品我们不是帮他做这个决策我们是提供指引提供这些线索让他能够比较好的理解资源的规则是这样的理解规则而不是给他决策理解完这个规则之后你就知道你应该去了解这些信息并且我们要支持他这个方案能够调整

能够追问能够反复的去把他自己想的东西再去做一次再生成一份新的不同方向的然后去对比然后去出最后的那个方案然后并且还能下载下来然后自己能打印出来去改所以这里的每一个细节点其实都是我们过去很多年在这里面跟用户去聊我们在使用我们的产品去帮身边的人去报然后得到的反馈在不断的修正我们这个产品

对

给我一个比较充分的这样的一个给我一个辅助的信息参考而且并且这个参考是非常结构化的非常高效的这个有点像是做决策的人还是将军但是军师在提供这个很多的辅导但是我是不断不断问他你觉得这个怎么样

你觉得这个地方就你不光提供信息你告诉我应该怎么去想和这个规则是怎么样的对但是最终决定我是自己回去想对但是你又不能让他觉得每一步我都要自己去手动操作很多所以我就觉得那个给我的那个出版我觉得还挺快速的我只要提供我四五个基础信息对是吧然后你就能够给我一个参考

然后我再依据你的参考去跟 AI 去聊天这个也是就是我们其实线下大家实际上回到高考的场景里面如果身边有高考的话你会发现你手上如果学校给你东西只有两个一个是那个本本那所有的学校都在里面 700 多所然后本科学校然后另外一个就是那个一个空白的表格就拿这两个东西你就等于完全没有头绪的所以我们在设计的时候就希望说尽快的让他先拿到一个很具象的东西

就有这个东西咱就有东西可聊就可以聊下去了你就可以开始调了但如果你什么都没有就是真的就是一片迷茫是完全不知道从何从下手对你比如说像如果说我用那个下载的我确实我的需求就是希望说我跟你说我要什么我去喝杯水

我回来之后我就想拿到这份东西我作为一个用户我可能就是那个目标非常明确对对对所以就会发现说不同的 agent 哪怕说他都是希望帮你完成一个任务但是其实用户的心理是很不一样的在面对不同任务的时候对对是的是的是的

找考试确实是一个非常复杂的任务对那有没有考虑到说可能你这个 agent 有一些复杂的问题也许他是没有办法直接去回答的但是呢你又希望说通过某种引导通过让用户去进一步的获取或者你刚刚讲的那个案例是不是就是符合这种情况了就是我在设想说这么一个复杂的任务其实我觉得理解它的边界很重要嘛

我们在设计这个 agent 的时候它的一开始的那个初始状态就会尽可能让你很少的这个输入就让你更简单的能够开启这个任务然后先开始这个任务之后呢我们先会给到一个指引或者说这个 AI 思考的过程这个思考过程背后其实就是我们团队对于高考这个事情理解然后把它变成了 AI 的这个理解让用户能够沿着这个东西开始知道怎么去报然后再包括我们会尽快地出一个方案

那有了这个方案以及有了这个思路之后用户等于说有了线头有了一个线索之后他其实那个线索他就可以开始往下去有很多的更多的时间说更多的了解更多的比对一步一步就能更接近他要的那个

那你比如说在你这个领域这样一个实践你觉得他对未来的其他因为大后面可能还会做很多 P agent 嘛你觉得会有什么样的一些经验的沉淀吗其实我觉得每个 agent 可能都很不一样就是我们过去在做搜索的时候会发现说每个垂直方向要深耕下去都很复杂就是你要很充分的去理解

就是这个垂泪下面这个用户场景下面他的需求他当时的心态是怎样的然后去理解说用户需要什么最好的内容什么样最好的工具然后以及看说 AI 在这个里面到底今天要什么程度哪些是 AI 能做哪些 AI 不能做的所以我觉得可能是

每一个我们如果说深根下去去做的重点的方向他都得这么去比较仔细地端到端的去跟人家会去聊去理解他才能做好就是他在里面对他用户的需求的理解会让他里面的哪一些设计可能会不太一样就是比如说可能会考虑到哪几个方面的要素

其实最核心的是什么我觉得像从用户发起 queryquery 背后比如说刚刚提的下载对他可能发起 query 他的目的或者他的任务其实比较相对来说短的就尽快找到这个东西觉得他就好了但有些时候他可能就是一个复杂的他背后是一连串的人物很多重决策包括医疗类的学习类的他都是这样的长周期很重觉得需要很多信息去完成一个任务系统性的任务包括做一个研究写个报告

这种是比较复杂所以从这里面我觉得最初的那个用户需求你去看他的时候就出现了分支这个是最重要的在这个之后才是说我结合这样的场景和我需求之后那我应该需要

什么内容工具以及 AI 能做什么东西之前我们在搜索上的很多积累会帮助我们在在这个内容工具和用户的理解上面可能已经有很多的积累了那我们在做 agent 的时候主要就是说去理解 AI 在这个环境下面它能够再做什么东西对能够进一步做什么对所以最源头那个理解就很重要当它发出一个疑问的时候你可能要去

或者说去理解他背后的意图以及说达成这样一个意图他究竟是一个什么样的过程他真实世界面的这样的问题他解决什么样的需求才会来你这里做这次搜索

对所以这部分应该是产品经理必须要去思考的它也很难变成一个标准化的东西对它在产品经理必须思考大家之前有开玩笑说觉得搜索引擎不需要产品经理但在我们这么多年在搜索的时候发现它其实不断地有变化你不断地往下去挖你会发现满足用户的那个方式内容都在发生变化你得不断地定义

用户这时刻他想要什么东西什么是最好的解决方式把这个东西定义出来之后系统才能沿着这个方向去做优化甚至我们要设计产品要让内容进来要让系统更能够匹配到我们想要的东西去做 ranking 或者做 AI 的回答这个过程中其实这个问题放到今天一样成立就是 AI 大模型公司需不需要产品经理对模型是不是就解决了所有的问题

但我们现在看到的情况是依然还是需要很多产品经理在这过程中去理解每一个用户的输入背后他想解决什么问题什么是一个最好的结果把这个东西定义清楚了之后才会有我这个技术系统我这个内容应该怎么去设计怎么去引入怎么建设

我觉得这个话题很有意思因为确实是刚出来的时候 AI 刚出来特别是 AI 搜索刚出来的时候首先大家就觉得它颠覆了这样一个搜索引擎然后第二颠覆了产品经理你刚好恰为作为一个搜索引擎的产品经理我觉得来谈谈这个事就还挺有意思的就比如说以你这个探索的这个过程为例你觉得产品经理在里头可能非常重要的事情是什么

我觉得这里面其实本质是没有变化的产品经理一直以来他的工作就是去理解用户的需求以及定义什么是一个好的产品对就把这两个东西讲清楚了之后后面就是怎么设计这个东西更接近于我的理想状态那背后他可能还需要去理解说技术的边界能做到哪里因为大家可能都想要我想要竹蜻蜓这哆啦 A 梦里面竹蜻蜓大家都想要但是技术可能现在还实现不了

那有没有别的可携带方式这个我觉得就是产品经理在过程中理解我们需求那个理想方式什么以及现在能做到什么程度那只是说因为技术在不断地变化最早做 AI 的时候当时我们还是偏 NLP 可能当时刚刚 RNN CNN 这种刚出来模型有一个很大的进步但它跟现在的 LM 的大模型还是很不一样的

那所以我们的工作也有一些不同的变化但是我感觉这个有始至终的还是用户的需求最理想的状态你知道现在的技术能找到什么程度先把它找到一个合理的解那接下来就是对这个技术理解怎么去跟它配合因为每个技术有它自己的特点就搜索的技术可能它的特点你要理解排序理解招回理解点击反馈这套东西

那对于原来我们做 NLP 的技术他可能就要理解分类理解就是数理解这些怎么去做分类怎么去做识别怎么做填空怎么做选择

那到现在大模型的时候可能就要去理解说怎么跟模型交互怎么去驱动模型给到他标准答案让模型变得更好所以我觉得技能上是在变化但是底层的对产品经营要求对用户的理解对技术的理解对标准的定义这一套是没有变的你可以比如说讲讲你在这样去做你这些 AI 产品的时候你自己一些重要的思考吗比如说

我就举一个小例子比如说你 AI 搜索之后的那个回答是很重要的我之前不知道是在哪里看到的一份材料可能 AI 会跟用户交互完会得出两种不同的答案可能内容是一样的可能有一个就是充满爱与希望另外一个可能是充满爹位的回答是吧这是我们当时研究的时候的一个发现同样两个模型

同样一个 prom 书进去发现它完全不一样我觉得这个就是这个时代我们看为什么 DeepSick 出来这么的火就是很多他的话讲到了大家的心坎里面对为什么他的模型有这样的魅力我觉得背后确实就离不开说训练这个模型的人你和你觉得那个模型的产品经理在定义

怎么样的回答是好的 AI 去学习它所以这个过程里面可能就需要说有很确定的标准那个例子其实是一个写一个姨妈妈的口吻给女儿写一封生日祝福的一个信对如果你不去定义它可能 AI 就东拼西凑写出了一篇 AI 为很浓的这么一个词造很华丽有灵魂的这么一篇内容但如果你要定义它的话你可能要去理解说

当妈妈就是真的作为一个妈妈想给她的孩子写这封信并且是充满爱的时候她会怎么去讲这个话她会希望她的孩子变成怎么样的人她会希望说她的孩子看到之后是有怎样的反馈你有了这个定义之后你才会知道怎样的回答是充满爱的你希望她是无忧无虑的因为我现在有小孩了嘛我会觉得说我不会希望她变成一个怎样的人我会希望她变成自己她自己的生活是充满的阳光和希望

所以我会希望这个东西说起来才能到这样我定义完了之后可能 AI 才能去学习和习得说这个才是一个更好的回答对所以需要不断地去定义什么叫做好

什么叫做不好这个定义是怎么达成的比如说你是怎么把一个充满电位的 AI 的回答把它变成一个爱与希望的回答是吧我觉得这个特别有意思你在里面做了什么样的工作我觉得这个背后依然是把它像写虚语文档一样把它拆解出来就我们以前的虚语文档可能是说点击之后它应该有怎样的反馈和怎样的交互你的预期是怎样的那现在其实是用户问这个问题

那这个回答应该是怎样的它可能有些维度有些标准对比如说我还再举一个例子医疗问答类的例子我当然可以很冷冰冰地把医学客观的事情告诉你比如你已经是一个抑郁症或焦虑症的患者那我就告诉你上会抑郁会焦虑它是有什么哪个分泌系统不工作了或者它有些激素分泌导致的你可能通过什么药物能够解决但是用户在此刻他的心理状态是我可能是很

其实

其实用户在看到这个两片东西的时候是完全不同感受虽然一样的结果一样可能是最后导出你可能这个药你要坚持吃两年每天可能早晚各吃一片但是看到这个两片内容的用户的心理状态是完全不同的对可能那个刚获是一样的但是怎么能够让用户有更好的体验去获得这样的一个回答所以这个过程里面我觉得产品经理可能要做的事情就是去把它抽象的定义出来一个好的回答应该包含哪几个方面比如刚刚说医疗那个你得

包含说对用户交流的环节然后要告诉他这个过程中的更多信息让他去对前因后果和为什么会这样接下来会怎么样有一些了解以及要给他方案告诉他这个东西是怎么去治疗或怎么去进一步寻求帮助对这样可能才是一个比较好的一个回应

定义完这个东西之后可能你才会有更多的样本能够进来这就是产品经理和研发可能一起产品经理研发和模型包括这里面还有专家角色专家角色是指什么专家角色是指说比如我们刚刚提到说哪怕是我们能定义一个很好的问答医疗问答类的答案应该是怎么样一个

但是它只是范式,但里面比如说我们以前经常会看到评估的时候发现说我们没有办法评估这个要这个剂量用 0.2,0.3 是对还是不对的这里面其实就需要专家能够去完善和去给到专业的输入去控制系统最后出来的答案不会有太大的偏差和问题所以这里面会有专家的角色那医疗是这样,教育也是这样

对教育里面比如我们解一个题我们可以定义说怎么能够让用户更好理解这个题我们需要遵循那些原则我们定义说比如小学题你不能用高等数学的知识去解它你应该用小孩子的口吻去让他更好理解你应该用一些比喻你应该用举反三的方式应该用提问的方式去理解但是最后这个题怎么讲是最科学的它是跟哪些知识点是相关的这背后其实是需要专业的专家

进来跟我们一起去完善这个系统所以为什么每个随机方案都很有意思它其实就是包含着大量的用户的理解内容工具积累以及可能专家和 AI 大模型的能力它都结合起来其实才能够得到一个这样的结果是所以同样的技术同样的模型可能你成与不同的因素在不同的产品经理的产品那里可能最后呈现出来的结果是非常不一样我觉得这是非常有意思的地方

我觉得刚刚聊到了你在这个过程你怎么去做这些产品我知道你其实在 QQ 浏览器就这么多年或者说近几年尤其一直在探索 AI 搜索特别是今年它升级为一个 Qbot 你是怎么看待 AI 搜索和传统的搜索引擎之间的关系的这个确实是我们

一直在思考的一个问题我们最开始下期一笔刚出来的时候其实我们就留意到了当时已经很轰动了大家都会觉得它是不是会取代掉 Google 变成一个超级的入口再到后面其实我们也看到很多的这个 ASO 的产品像这个海外的 Prepacity 对也是一个很火的 ASO 的产品再到今天其实我觉得我们的论址在变化有几个我们的看法

第一个就是我们会认为说 AI 时代其实搜索需求是被激发的它是一个整个盘子在变大的过程对背后的原因是原来搜索是一个很有门槛的事情用户得有很专业的使用搜索引擎的经验和知识

他才能完成他的任务所以像一些小朋友或者一些老人家他其实是不知道怎么用搜索引擎的所以他其实天然是一个有门槛的一个事情因为有门槛之后其实哪怕是像我们这样的一些白领或者是文字或知识工作者他使用搜索引擎也是有限频次的当我必须的时候我才会去用

对但现在我们发现 AI 出来之后它是一种很轻松的陪伴式的或者它通过自然语言我能不能把我的问题问出来它也能给我很好的答案其实大家日常中都有很多的问题每天都会产生大量的问题那因为它的门槛变低了之后你是更容易去

发生这样的询问了所以第一点就是我们看到整个市场的蛋糕它其实在增加第二点就是回到说用户会选择哪个收费引擎或者回到哪样的 AI 去满足它的结果其实最本质的还是谁能够把这个问题解答更好这里面离不开两个环节第一环节就是内容和工具上面的竞争或者说积累第二块就是怎么用好 AI

这两块其实都比较重要所以说 AI 搜索时代其实依然跟以前搜索我觉得没有特别大的变化是它还是在回到了内容积累本身和技术系统这两块的竞争所以我们会看到说 AI 搜索出来之后比较好的产品像 Google 它也出了它的 AI overview 像 Presety

他们在一段时间之后发现很可能没有特别壁垒的内容对所以他在这里可能也很难看出来他和 GoogleLV 或者我们现在看到新的 Growth 或者是 Cloud 之间的差异对所以这个时候因为你没有内容的积累这一块可能也比较难去进一步去竞争所以我们会觉得说背后又回到了内容和技术的竞争之后我们现在所处的一个业务

因为他过去做收益很久了 Q2 软件收购也是说的都是很有历史的产品它里面有大量内容积累也有很好的开放互联网的生态我们看到这部分的用户需求还是非常的强烈的内容生态还是比较健康的所以在这个里面去做 AI 我们会觉得这里一定会有很大的空间

对所以刚刚的两个判断一个是这是一个整个大市场在变大的一个过程第二个就是我们现在这个竞争还是会回到内容和 AI 的应用那我们 Q 软器和搜索搜索原来这个积累结合的现在混运了一个模型上的这个进步我们是觉得这里面其实还是会在我们做 AI 搜索这个事情上面会很有竞争力其实刚开始特别是元大模型出来的时候然后有好多搜索

出来的时候就那一阵子大家会觉得说传统的搜索引擎它是会被取代掉的就有一阵好像这个声音这个声量挺大的那一阵子你们会有焦虑吗会比较焦虑肯定会中间有个焦虑时期而且那段时间我们每天都在体验不同的 AI 产品 AI 产品层出不穷各种各样的小的世界环节对 特别多是吧然后一个库池突然间就其实一百亿级的那种 AI 搜索引擎

我觉得有一句话说得还挺好的就是一个新技术出来往往大家会高估它在短期内的影响力但会低估它长期的影响力对我们一直对这个东西就 AI 这个长期影响力是非常看好而且很深刻的去理解它因为它会根本性的颠覆用户获得信息和对信息的处理

或者信息内容的处理的这个环节它一定是一个颠覆式的它甚至会从内容生产分发消费和完成任务包括商业模式整个大的一个颠覆但它的发生一定是一步一步来的那现在我们看到的情况是其实现在我们比较冷静的看这个事情是因为它最后

你会发现用户的行为还是跟着他的内容或者在哪里能够更好地满足他这个需求走的有一部分长线用户可能现在很习惯的去用 AI 了但是更大量的用户其实在哪里能够更好地满足他他哪里是他更习惯的地方还在这里面去发生可能这个过程中我们需要做的事情就是要

更快速的去完成这个转变去把好的服务好的能力结合进来让我们现有的用户或者我们服务的群很大量的中国的网民对这些更广大的这些用户们能够让他们用上最新的技术最好的这个服务所以

所以你看 QQ 浪漫期大概有 4 亿的用户那你看我现在他其实他还是把传统搜索和 AI 搜索是整合在同一个框那是吧我就在一边是 AI 搜索另外一边他还是对这个解决方当时为什么会有这样的考虑是基于对于用户的这个需求的动产吗

我们当时在看搜索用户需求的时候很明显的会有一个判断 AI 不是万能的在我们那么广泛的用户需求里面其实 AI 可能对某一部分的需求是很有争议的但是有更多需求传统的说引擎力表式的它解决的效率会更高打个比方当你今天想去找某个地方的

人设局的网站这个时候你需要的是官方网站快速的给你这个结果你需要效率这个时候传统社会引擎在这方面的积累很好对他很快的能把这个网站给你你点击你就过去了所以这个体验其实 AI 你还要去等还要去还是算并且你还要担心他是不是幻觉你还担心他有没有做官网的判断对这一块体验其实没那么好的所以在这个里面我们就看到说我们传统的用户的需求里面

有很大一批像找资源像寻纸像看百科这类需求其实它在传统那部分的满足是更好的但是一部分像问答类的像找资料类的这种确实是 AI 的满足会更好所以我们在这个里面其实在提供用户

两种不同的选择因为 PC 屏幕足够的大对那移动端我们选择的是另外一种方式我们去判断我们觉得这个 AI 回答更好我们会把 AI 结果给到用户如果我们判断说它其实是一个选址类的是一个找资源的我可能就是想找长安的荔枝在哪播你就应该尽快把腾讯视频的链接给他点击到我们的放映厅的直接可以观看这是一个最顺的过程是

这个又回到你刚开始说的其实最根本的就是用户发出一个请求之后他究竟他背后的任务是什么如果是一个简单的直接的那你就用传统的方式给他就好那是最快的如果他需要拆分成好几个步骤最后变成一个复杂的这样的一个步骤那这个时候用 AI 去完成对所以我们的设计其实都是会回到我们看到用户的需求是怎样的

什么是最好的满足方式那为什么在 PC 端的时候它不跟移动端一样就直接判断它究竟是一个直接的要资源或者说是要问一个问题其实 PC 端一个是它屏幕确实更大它可以两个同时出的话它其实是能够容纳下那么多信息的

第二个就是我们在看 PC 的需求的时候确实它会有一边搜一边可能再用 AI 去问伴随式这种需求的存在所以哪怕是他可能是找到一个什么网站点进去的时候他会不会后续还需要进一步去问和让 AI 去帮他做这个网页做一些东西那么这个时候 AI 在一个伴随式的情况下左右分屏出现也是一个比较顺和比较好的一种交互方式

而且确实就是 PC 更多的是一个生产的场景对 生产是一个生产场景它的需求更多是这种比较复杂的需求然后移动的话它更多是生活类的场景这两个放在一起之后用户的这样的一些体验有没有一些什么样的反馈当它升级完之后会有人觉得不习惯吗还是说可以比较好的去满足两类用户或者说用户的不同场景的需求用户的反馈是什么样的

我们其实现在收到用户反馈还比较的正面对因为我们其实在设计它的时候一早的时候我们就非常的相对比较的谨慎和比较多伦思考访谈我们上天前其实也做了好几轮用户访谈

这个过程里面核心其实要考虑就是用户原来对于浏览器的习惯不能因为我们的升级被颠覆和破坏掉其实是我们一直这个团队在做这样的升级和决策的时候我们花了更多时间在探讨和探索不希望说突然间把一个 AI 硬生生地夹在他的面前所以我们当时在做的时候也没有去做一个完全

存 AI 的每一个产品就是这样的一个考虑所以因为这样的一个考虑包括我们过程中上线过程中我们是通过用户访谈小范围绘度看实验数据包括进一步的去公司内部和外部的一些用户的反馈访谈去不断地迭代这个产品在中间期也做了很多轮的优化比如就举一个小例子 PC 端的左边是偏传统搜索右边是一个 AI 的结果那左边那个地方我们原来其实是没有放搜索框的

我们是就放了一个所有结果的列表右边我们放了一个 AI 我们希望说引导他右边继续追问就完成他下个轮的一些问题当我们发现用户上线之后很多用户在反馈说他这个时候可能他就想快速再换一个词去看一些这张结果

那我们在这样的一个反馈里面其实我们很快就把那个收货框加回来了那会看到这个过程中用户的反馈和我们的闲数据都是一个很正向的一个结果所以这是在绘度过程中其实我们是不断地在跟用户去交流去看他的一些反馈再做我们的调整那现在比如说在 AI 搜索的这一块比如说他给用户体验带来什么样的一个提升那他和那种聊天类的那种产品他会有什么不一样吗

这个问题也是我们其实一直在思考我们现在 AI 搜索的产品我觉得更多应该把它定义成是搜索的 AI 化升级因为用户对浏览器的认知还是一个工具和搜索向的产品就搜索还是浏览器的很大的一个认知他来浏览器就是想去搜东西

那所以我们会希望说这个认知不要破坏掉嗯保留这个认知那为什么去做 AI 化升级是就前面提到的我们发现很多的问题在所有上面发生的问题其实背后可能是一个任务而这个任务是 AI 可以完成的更好的嗯

这个时候我们应该积极的去把 AI 加进来让他在搜索完成任务的时候是更快能到更好的服务所以我们定义他应该是一个以搜索为主但是他有很强的 AI 能力所以当你需要的时候 AI 能够帮你完成复杂问题他跟聊天机器人或者这种 Chatbot 我觉得很明显是差异的 Chatbot 里面他首先是一个 AI 助手对你首先想到的是跟他去聊东西对

在聊东西过程中可能你有一个问题是他需要用搜索去回答满足的有一些可能你就是聊天他可能他用他历史的知识他就能够去回答满足所以我觉得这里面其实是有蛮大的差异的对所以其实对你们来讲一个思考的原点还是说我的用户需要什么

我需要用什么样的技术去满足我用户还很难被满足或者说可以去更好的满足他对更好的满足当然我们现在把一个助手型的产品加到我们产品里是很简单的但是你真的把它用好还是要回归到你的用户场景用户在浏览器上面干嘛在搜索在打开文件在可能看小说那这些场景里面 AI 以什么方式能够去帮助他更好的完成任务能够比较

不那么生硬的比较自然的嵌入到他日常的习惯和任务流中我觉得这个可能是我们做这个产品更好的一种思路和方式会怎么去思考什么是有所为什么是有所不为因为有所为很重要我觉得有所不为其实也挺重要的就像你说的可能一个浪潮来其实你加东西也不是特别难嘛对吧你们

肯定是内部也会有很多的这样的一个讨论和思考你们是怎么去思考这个问题的当这样一个浪潮来的时候我的为和不为是什么

我觉得这里面其实我倒觉得这个过程中没有特别多纠结我觉得还是一个比较容易达成团队共识的一个过程我觉得我们更多不是说以技术的角度去看新技术我一定要去追要去跟进来而是去看现在的用户需求这些新技术能够帮他做什么能够解决什么问题就一直秉承着自己思路其实很多做和不做的东西他就比较容易去做一个判断

所以我一直其实我们在讨论的时候团队内部不断地每次我们有方案的时候我们都会去想这个需求原来的用户在浏览器里面到底有没有这样的行为它是怎么表达的它在什么场景下它需要 AI 帮它吗如果需要的话是不是我们是更适合做这个事情呢如果是的话我们就坚定去做如果不是的话那可能就不做了

比如说我们在学习这个场景我们原来的很多积累像就拿翻译这个来举例就一个单词的翻译其实它有很多种需求

你可能简单的说我就是要翻译一个词那当然模型能够帮你解决但是我们看到的是我们的翻译背后是很多的英语学习的需求英语学习背后它其实是要比如说记词根对你需要记词性一个词可能有五六种不同的词性和词意那在不同的考试等级里面它可能要考到的词性是不同的所以我们原来其实也系列很多像考评就是比如说这个词四六级会考什么意思加一的时候又考什么意思

对你不同的考试里面他可能要考的意思不同的这些积累我们就觉得说它其实是现在这个时代依然是很宝贵的积累要给到用户而不完全是一刀切的去把它变成 AI 对就仅仅拿翻译来说我们也是在 AI 的选择上面是觉得它应该是一个补充所以我们在 AI 做的是 AI 讲解

就当你翻译去长矩的时候 AI 确实能够帮你更好地理解这个长矩是怎么翻译的思路包括这里面可能就结合着我们原来对于词根词性的和考评这些数据你可以告诉他这里面可能像是一个四六级的一个考题他可能在这个词性考试这个意思那他可能有些别的例句是写这样的一个过程对那你能不能分享一下你们和团队怎么探索 AI 搜索的过程怎么让它逐步地

我觉得有一个点我觉得还挺有意思的可以分享一下我们回到

回到现在最近我们在做这个模型的时候我们一开始当然会觉得说最大尺度的模型让我们放给用户是不是就能获得最好的答案但是当我们做了这个实验组我们发现不是的就发现用户其实还是对于速度

对于效率要求非常的高这个其实也印证了我们团队一贯以来的想法因为我们做搜索一直以来的经验和我们的判断是用户对于搜索就是一个效率性产品你应该让他尽快的完成他的任务然后离开这个是搜索作为工具他应该做的事情

那所以我们今年其实在做的时候就会发现我们在做很多选择的时候我们应该让那个模型用进线缓存的方式让它去做短达的一些摘要的抽取这样子我们甚至是用了更小尺寸的模型更快的速度但是我们在保证精度的情况下在我们的场景里面其实满圈回血是变得更好的

所以这个是我们今年的这个尝试但往回去看我觉得为什么我们会有这样的理解其实在最早 QoLine 其实叫做搜索的时候我们当时在行业里面应该做了一款比较创新的一个产品形态就叫做搜索自打对它的产品形态是我们发现说用户在搜索过程中其实它有时候目标是很明确的他可能就问深圳天气或者他问双色球

是非常有规律的双色球每到开奖的那一天它的搜索量就会极大起来但它要东西很明确很直接它就是想要看今天的开奖结果那这个时候我们就做了一个产品就是在它输入双色球这三个字的时候不需要它点击所有按钮我们在联想池那个区域就做了一个搜索指打

直接把这个卡片很高效的方式满足给用户这个上线了之后其实我们看到说整个搜索框我们的所有年薪和流程其实都有很大的一个提升原来其实我们跳到结果页我们可能不可控

就因为原来浏览器可能只有这个终端它没有收引擎当时收购还没有合进来所以我们当时就选择了做这样一个产品就发现说高效不断地通过高效的方式满足它因为我的体验是在不断地变好的所以我们当时做了很多这样的一些尝试从服务类的工具类的到后面一些精准的问答类的

都做了这样的一些尝试包括一些检索资源的直接比如长安的例子当时可能不是这个片子对那直接把这个可以播放那个源放出来直接在这点击就可以去消费了这会是一个当时我们的一个尝试搜索指导的核心是什么

我觉得塑造师家核心是高效对最核心那个词是高效其实它也包含了你要理解用户的意图然后你尽量快地把它想要的那个东西推给他没错是的那你背后要做的事情最重要的事情是什么其实当时就已经是做了一个小的塑造系统对我们当时是接了一些比较好的一些资源方就高效背后其实很意味着说你要对它质量可控

而且这个地方因为你要猜得很准所以你尽可能让你的库不是一个特别大的库所以你的速度要很快因为你是在输入过程中你就要马上出来的所以我们当时团队其实在就为了高效这个词其实做了很多努力质量的把关准入选择那些品类怎么去让这个系统有更快的速度包括怎么通过后验的方式去做一些准入和准处

对当时做了很多这样的努力去完成这个高校某种意义上也做了很多支持库对这个是一直以来最后背后还是离不开好的内容是是是这个是一直以来我们的认知就是好的内容牵引着用户的行为是内容是最关键然后是其实在今天也一样对那 15116 是做搜索直达是对今天的影响在之后呢又经过什么样的一些演进

1516 年是搜索直达然后到后面呢我们开始因为我们发现说搜索直达这个形态因为它在那个搜索过程中它不那么稳定它可能能承载的东西还是有限的比如一个复杂的去销它可能只能满足一部分所以我们就当时就开始做很多的那个我们叫做手条满足

就是我们会去分心合的需求比如说其实搜狗搜索合并到腾讯之后有大量的工作其实我们在把腾讯的这些优势的资源再进行结合那那个时间段我们做了很多的这个手条满足的项目对希望我们通过第一条很好的内容去聚合最优质的内容

打个比方我们看到影视类的因为腾讯视频是行业最头部的这个版权方嘛那腾讯视频的那么多资源其实都是开放给我们能够去检索并且能在端端端内就 QR 端内去消费和播放的那这个里面我们就去看到说其实一个影视类的需求啊它分成前中后四个环节了就从最早想去了解就偏入坑我想知道它是个什么剧好不好看对吧到中间我想去消费它嗯

然后再到后面其实我需要去进一步追剧嘛一天就一集两集你会意犹未尽你会想进一步去去看更多的比如说 Cut 甚至是一些花絮预告然后再到后面可能你还满足不了了你还要去更多的去延展甚至他的同名的小说对吧你要不要去看

然后甚至如果他有别的 IP 有游戏你要不要去玩所以我们会发现说他的需求其实是一个非常完整的一个闭环所以我们当时其实做了很多手条满足的东西去让他更搞笑就是他不需要再换词了他在满足了你去了解这个东西之后你又很快速的能够去消费这个东西的那个正片然后下面我们紧跟着其实是有预告啊 cut 啊或者是速看对然后再到我们还做了一些其他同名 IP 的这个聚合

其实当时就做了这样的一个工作去让高效这个事情在腾讯这些好的 IP 下面能够更好的发挥出来那你说去满足这样一个手条之后到后面为后面又有什么样的影响就放到今天比如说我们在做

这样一个 AI 时代机械积累有什么样的帮助吗有很大的帮助因为如果我们不沿着这个思路去拓展的话可能我们有很多工具很多内容就不会去建设不会去引入对就正如刚刚其实提到了英语学习这个方向包括汉语学习这个方向如果我们不是因为要去做手条版这个项目的话可能有很多常委像刚刚提到的这个词评考评分布这个产品我们就不会去做

不会去做的话我们就没有这个积累对那在今天 AI 这个时代当我们需要的这个数据的时候你就不会有对所以它是一个我觉得它是一个搜索这个事情是一个不断积累不断

在看到前一这时期我们的东西在下一个时期其实又能够用上这么一个过程对当你的积累足够多你的要素就足够多你的要素足够多在 AI 的时候他所能诞生的成绩效率可能或者说成绩的这样一个效用就更大对希望是的当然可能到后面就是要看一下他要怎么去我们的积累去成立这样一个技术我觉得它是一个成绩的过程就是这边是你的那个积累

那边是那个技术积累和机会相互放大对它最后如果能拉出一个很大的善行那么这个时候我们的满足的需求和满足的方式就会变得越来越多越来越好可能这个应该算是第一

或者说你经历的第三阶段吗我经历第三阶段就是大模型这个阶段吧对对对就腾讯的第三个阶段算是这个大模型的阶段就是从去年比较正式的我们开始探索这个方向对我觉得这个方向因为过去已经有很多积累

就是在我们当时做手条的时候其实就沿着这个高效满足特别是在问答方面以前就有荔枝荔枝问答这个产品那只是说它以前的实现的技术可能是通过自动化摘要然后去把一个检索到文章变成是一个问答的产品摘要出来那现在有了模型之后其实模型是可以去阅读多篇然后去总结形成一个更好的一个答案所以我觉得这里面

更多的变化是来自于因为这个新的技术出现了之后我们发现我们的效果可以做得比起好很多然后以前很多我们可能需要通过人工积累去编写甚至是通过合作方去写一条答案的这么个方式其实它就可以用 AI 玩起来更好了所以这个过程里面其实过去一年就去年吧其实在这里面其实做了很多的这个 AI 的落叠应用

对沿着原来的这个用户需求和我们的一些积累是那在这整个过程中会面临的主要的一些挑战是什么当然可能前面大家会讲的很多的这个幻觉的问题怎么如何去提问的问题是吧还有时效性个性化等等这些是不是也能够请你来讲一讲最大的挑战的过程中因为逻辑上来说因为 AI 是阅读完一些内容之后直接给到一个答案对

那以前我们做搜索的时候呢我们把四五条答案哪怕是有一条错的用户自己可以判断他可以就说以前可能更追求说我要有多样性我要充分地把这个信息都铺开用户自己去选择只要有一条是能满足他的其实这一个做的结果对用户来说就有争议的但现在是如果我这个答案里面混进了一篇很低质的内容和错误的内容那这个答案可能就是错的对所以这里面我觉得是

我们在检索系统上面就是一个第一个很大的挑战就是如何能够让我们的检索系统更适应现在这个 SOTO 这个这种技术或者这种产品对

所以这里面呢我们在去年其实做了很多内容库和质量上面一些提升和建设然后包括我们推出了一个叫高时效高质量高权威那里面有库那在这个库里面它尽可能地用到更好的内容然后去保证这个答案的质量对那我觉得这个是第一个方面吧第二个方面是跟模型应用相关的

就是呃前面有提到吗因为用户对于塑料引擎这个还是一个效率优先的产品那模型天然的瓶颈就是在于他会慢嗯就他需要思考需要计算需要一个字去吐才是这种预测模型所以这里面呢我们也做了很多在模型上的一些一些应用包括我们会对一些高频的问题嗯

会做一些缓存因为高频问题它可能那个答案好的答案是一样的我们做缓存能够去让后面收的用户都能够很快能获得这个答案包括我们在训练了一个机遇混元用了一个速度更快的一个模型去做训练然后保证说这个模型的准确率是达标的然后但是它的速度会变得更快也包括说我们其实做了一些摘要

能够在更快的结果页很前面的地方就把这个结论这个答案给他放出来就如果你今天去看这个很多对话型的模型产品他可能会特别是 deep seek 对如果你把 RE 打开他中间会思考一个很长的过程对对对然后再再再逐步一点点推导然后可能结论是在最后一句话的嗯他是这么一个陈述式的嗯但在搜索引向的用户等不了那么久

它必须要是结论先行式的就金字塔式的这种先用先结论然后再分点论述是什么原因所以在模型上面其实我们也做了很多这种尝试和调整去让它更适配搜索然后还有一些比较有意思我觉得像是这个因为刚刚提到内容嘛也离不开这个内容生态

对所以我们其实在这里面特别是像医疗我们其实有很多很好的合作方但是模型它可能就会有一个问题如果我模型的回答它可能就已经把这个点击去到第三方的这个

这个链路给断掉了因为他那个消费就直接在在我们的产品里面就已经完成了就已经有这个答案了对所以那这样的话那个如果长期这么去发展下去的话可能就没有会破坏这个生态对没有 cp 愿意跟我们去去玩和交流了嗯那那所以我们其实在过程中也是去也是比较首创的吧去推了一个这个在 ai 回答的模式下面我们利用我们已有的那个广告系统

然后我们产生的那些收益我们还是给到我们贡献内容这些合作方然后做了这么一个系统然后让我们的合作方在这个过程中还是愿意持续地跟我们去贡献内容明白其实你这个设计就是说我 AI 怎么跟人去协同而不是说它

也做一个生产者然后把其他的生产者给颠覆掉了然后他这个生产者就还是在建立在别的生产者的生产结果的基础上的对吧就长期下去可能会叫做劫责而渔是吧对对对对对对对是的是的是的我们不希望说是这样的因为就至少在新的商业模式出来之前我们至少希望是能够在已有的这个好的内容生态上面去能够跟

全网生态去互联而且我觉得其实从更远的去看我觉得 AI 和商业肯定也不是一个对立是它一定是要找到一个平衡的关系的对只是说现在可能大家还没有去讨论到或者比较深的去研究这一块但是这一块我觉得它的也比较清晰因为 AI 跟搜索一样它都是满足用户的一个任务和需求那背后它往往

需要一个更深的服务或者一个落地比如说我现在今天问从深圳到北京对吧最快的航班是什么时候如果这个时候链接一个服务是一个很顺畅的过程对那这个时候其实大家都是受益的对对提供这个信息的方然后用户体验然后平台三方都是受益的它也是一个很良性的一个循环是所以我觉得我们其实在这个过程中其实也是保持观察和去探索有哪些可能性

那比如说在我们在做这些探索的过程中其实也算是在 QQ 浏览器去沉淀我们自己的 AI 搜索能力嘛那这样一个搜索能力有没有和一些外部的产品企业或者说机构的联动那有啊有很多对就是我觉得这个比较有意思是我们去年从做 AI 搜索那一天其实我们当时就会觉得这是一个新的产品

对就是因为它对于整个搜索系统的技术

架构或者是标准和产品形态其实都有颠覆的所以我们当时哪怕是我们做的是一个叫做 AI 立直手条这么一个结果但我们是奔着从内容生态技术和用户交互上面是一个新产品这种方式去做所以在这里面我们发现说我们做来做去发现它真的很不一样就它对于检索结果那个要求排序其实是不一样的所以做完这一套之后其实才会有今年我们发现比较可喜的是像元宝

像过年期间 DeepSeek 它背后的搜索增强服务其实大量用到了我们提供 AI 搜索这套服务在支撑我们在做的过程中期就是奔着新的 AI 搜索方向在打造系统它自然系统可能就更适配

这些场景和这些技术系统它所要的那些结果所以在这里面从检索系统上面我们其实就已经在为很多行业的模型公司包括一些产品在提供输出

包括公司内部的这个元宝呀白马呀这些它是适应着 AI 的系统去做的这个检索排序的结果那它和原来的那一套其实不太一样的它会更追求比如说结果的质量明白然后回答的这个完整性从这个地方去驱动它是所以它并不只是说一个检索增强的技术而是说你其实是一整套系统对背后是整套系统明白了

是然后以及说其实像我们的一些积累像高考我们其实做了很多年我们现在得再做 AI 升级今年我们也把这个高考服务其实输出到了公司包括四外很多的合作产品里面到处都有我们的身影像元宝爱马社会输入法证券新闻

然后杨世平然后荣耀的智能体很多地方都有我们的身影就提供了这样的背后底下的这个内容和服务对这个还挺有意思的那您刚刚也提到那个 AI 励志嘛就当时做这个 AI 励志它当时就你说还是和传统的很不一样这个你觉得说很不一样的点是什么

很不一样的点其实是因为这个技术不一样了之后它对各个环节的要求都会变得不一样就打个比方刚刚提到的说它对于内容积量要求变得更高了对然后你不要在里面掺杂一些有害的信息去污染这个答案

然后也包括说用户的其实它的输入会其实在做完这个东西之后它的输入会稍微变得有点不一样就以前他们还是用很短的词去问你现在他可能会用一些更长的词去问你了那这个里面你怎么把这个用户的 query 变成是检索系统更友好的一些词再去检索他们再回来再去总结所以这里面其实就会因为这个技术不一样所以用户的需求变得不一样然后对于搜索的要求也会变得不一样

我觉得这个很有意思就是说因为这个技术的不一样然后会让用户的要求会变不一样这个要求变得不一样比如说

它会产生不同变化比如说我们对内容的要求会更高了对然后它的输入那个词会变得更复杂了对对然后那这个更复杂的词怎么变成是系统就比如说医疗的问题以前你可能只会问发烧怎么办或者最多问小孩发烧怎么办现在你可以直接去问 AI 说小孩发烧三天多少度吃了什么药没有好转怎么办对吧那这个时候其实你需要去检索你可能要变成好几个不同的

方向同时去检索然后再让 AI 去阅读重建才能去回答这个问题因为你如果把这一整个去进去大概是没有匹配的那如果设想一下那个摆脱这个传统搜索框的形态的话后面他一个 AI 搜索在未来会怎么样以更自然更沉浸式的方式融入我们的生活我觉得这个是一个很好的一个想象或者是畅想对因为确实是我觉得

这个很不一样的地方在于 GUI 时代是界面的赛文经理那他定义一个界面一个功能去实现用户的需求所以然后也是受限于说也不是受限吧是因为这样的设备就我们的电脑和移动设备它是这么一个界面型的产品它是这么一个交互形态和技术能做到的程度那未来确实因为 AI 变成了这个

LUI 就是讲的它是 language 就是通过语言它就能完成很多的东西那在这个时候是不是界面它的那个边界我觉得会比较模糊一点就是我还需要在界面上做很多点击和操作很多确认还是说其实可能我用语言就能做很多的任务那如果语言就能做很多任务的时候可能界面就变得没有那么重要了那它到底是是不是大家现在想象的这个 AR 或者 VR

或者是一些更更便携的装备他能够摆脱说现在这个手机或者电脑我们得放一个东西在这我人得站在这里或者在一个固定的场所才能去完成我的任务我觉得可能会更近一点对但是这个多快我觉得可能还取决于很多东西比如说硬件的这个进化呀一些电池技术啊屏幕显示技术啊他的一些变化是但我觉得如果是那天到来的话

肯定结合着现在的 AI 的能力会有一个更大的这个也是个成绩效应对所以到时候那个生活我觉得也是我觉得大家可以去想象它会是一个更更科幻的一个场景和世界是我觉得现在确实是整个技术的变化又非常的快然后呢尤其是搜索在这块我觉得被讨论的非常多那我不知道你和你的团队的状态是什么样的

我们和团队状态我觉得在过程中大家一个是既有压力又很兴奋对我觉得有压力的地方就确实因为这个变化太快了然后外部给的刺激也很多就是每天都会有新的输入新的产品所以大家一直在在学习

在追所以我觉得这个肯定是会有一点压力的那我觉得兴奋是在于大家因为在做一个觉得在做一个很前沿的东西并且看到了他未来的空间非常的大然后他能改变的东西很多有很多以前我们想做的东西就比如个性化学习我们以前非常想做我原来可能 10 年前创业的时候就想做但是当时是做不了因为技术不成熟做不了然后但现在我们发现他可以做了然后所以他他能做的时候会觉得他是一个

可能改变这个教育体系或者整个教育的方式社会教育的方式的一个机会它真的就又来到了一个大家觉得我们做的工作是可能会让大家的生活很大变化的这么一个时间点所以大家这个里面其实还是很兴奋的会觉得这里面做的东西特别的多能够探索的东西很多

这个个性化学习是你现在正在探索的方向吗是我们在探索的方向这个是不是也可以讲一下我们一直说学习其实本身是一个因材施教的一个过程就是每个人其实最合理的方式是每个学生有他的特点有他学习进度老师应该按照这个进度去给到学生去对应的这个学习他是这个最理想状态但是老师资源一定是稀缺的特别是好老师资源是很稀缺的

那一定是做不到因材施教的那么技术我们原来设想说技术能不能做到后来发现不能够因为技术可能在里面这个理解能力没那么强原来我们通过知识突破的方式去做发现这里面有很多断点有很多 LLP 可能理解不了的东西说的没有那么智能然后所以一直还是卡在那所以以前我们的学习只能去做辅导辅助比如说通过题库的检索然后去帮他去做解答然后通过一些内容然后让他去学习知识点

做这些事情那现在我们发现说模型已经很强了模型在在这个我们以前有很多这个积累嘛所以我们最近在做了这个学习助手我们发现模型解题首先就很强他能够解很多的题目哪怕他没有见过题目他还能解对我们看到这个最新的这种推理模型已经达到博士超过博士的这个这个推理和数学的解题能力了嘛

那包括说因为模型是一对一的个性化了你的任何问题模型都能接着他去问然后再比如说模型是有记忆能力的然后我们只要去给他挂载一个记忆库他就能够基于你的进度你的错题

你的计划是你的特点如果没有长期记忆的话那么这个模型和这个助手就真的是一个贴身的你的学习助手能够陪着你在学习过程中不断地在成长那他和老师结合老师以一个线下面对面的方式给你点拨然后甚至是帮你克服惰性

然后通过一个 AI 工具然后在里面完成你的个性化那部分的一些进展然后去插入补缺让你跟上进度所以这样子我觉得会是一个有可能会是一个未来一个很好的一个理想状态所以它也是一个 agent 的一个形态吗对它是一个 agent 的形态它是一个更像助手或者一个陪伴式的一个形态

可以举例一些场景吗我们现在做的场景其实就是比较典型的比较刚需的几个场景像拍照解题就是拍一个照片能够去解这个题目然后像我们在这里面紧跟着说我们有这个 EVE 的讲解就它通过苏格拉底式的这个体问的方式能够让学生进一步的去理解这个题目背后的这个原因然后我们就举一反三

能够通过这个题再给你更多的题目去理解这个背后这个题怎么解的然后我们也做了错题本然后能够积累下你说的一个错题然后后面再去做再去打印出来然后我们开始在这个方向开始再做然后后面我们可能进一步会去提升解题的这个质量讲解的一个水平然后还有他这个记忆的能力他其实就像一个视角了对就是一个视角你们现在的进展怎么样我们现在已经有了第一版本的这个学习助手

对但他可能现在能力还在不断的在完善和丰富过程中然后我们现在有拍到解题的这个能力了然后我们有举反三有讲解能力了然后马上也会上出题本这个能力对他在不断的在完善和丰富这个能力过程中对好啊这个挺期待的我刚好小孩今年上一年级现在就可以用了

现在就可以现在就可以每天晚上拿去九月份可能就可以对辅导一下他的这个作业然后让我我周末正好跟一个同事聊天他说他给我拍了个照片他说你能想象我的周末怎么过来的吗如果没有拍到解题这个我就要被气死了我希望让 AI 受这个气我不要受这个气是而且还包括之前

也是有做了这些扫描吗就我们有这样一些扫描的工具的这个积累刚好是不是也可以连接线上和线下对这个其实很关键的就是我们看到

用户其实当他有个题目的时候比如说特别这个题目带公式它是很难去通过文字的方式把这个东西放到所有引擎上面它一定是最好的方式通过相投相投就像是用户的一个眼睛一样就是去连接了他真实看到的东西和线上的系统所以我们其实过去不仅仅是学习了学习我们做了很多的积累像是这个 P 改

对然后识别一个题目然后去一些污渍去一些所写的痕迹甚至是如何能够把那个题目框准对这个部分就做了很多积累那与此同时其实在摄像头这一块我们有一个小白王的一个功能然后它里面我们最早的时候很多年前我们就开始做拍花我们有个石化君当时也是一个挺好非常好的一个产品它能够解决大家日常中需要公园需要景点里面拍一个花它就能告诉你这个花的背后

我们还做博物馆你去博物馆里面去拍一个这个藏品和一个展品你就能看到它背后的历史

很生动的出现然后再到现在我们看到有很多的文档做翻译甚至我们拍证件照然后我们都能够通过这个相机去完成所以这个我觉得哪怕是再往后看相机依然是一个连接 AI 能力和用户真实世界很关键的一个窗口所以我们会继续在动物态这个上面去做以学习我们会做一个突破然后其他能力我们也会逐渐加进点是所以其实你十多年前就想做这件事了

也没有十多年前就也没那么大对十年前创业的时候我们做教育这个方向就很想做这个事情因为大家就觉得知性教育是一个趋势真的是看到教育的

也不能说教育不公平吧就它本身就是一个资源稀缺的一个行业对好资源非常的稀缺然后大部分的学生获得不了那么好的资源所以我们非常想去打破这个东西所以你想就为什么我们说海门难出贵子因为他从最早的时候他哪怕很聪明很刻苦

他最早时候接收到的这个教育的资源就是不够的或者是有缺失的那他会比别人付出更多的努力对那我们希望说会长的工具我们做普惠我们能把这些最好的内容最好的工具带到哪怕山区的小孩他能很方便去用很免费用的这个会是我们希望看到大家都会有机会所以这也是你很兴奋的原因对它是一个很有意义的事情就我觉得做教育这个事情

我自己经常会去接触很多老师我觉得教育这个事情还是一个比较有情怀的一个行业就是没有情怀的人可能很难做这个

这个行业就你会看到你的产品在影响大家学习提高大家成绩帮大家去报高考就这个真的跟他们接触下来你会有很多这样的感动你会觉得自己在做一件特别有意义的事情在比较可期待的未来你最想看到的结果是什么我最想看到的结果就是大家用这个东西去完成他的学习会更轻松就他对于知识点的学习哪怕上课没听懂我能把这个题目学会

能够跟得上我觉得这个是一个很期待并且这个过程中是更轻松的更有趣的就让他这个学习不那么枯燥能够学得进去对我觉得这个是我比较期待接下来能够发生的也欢迎大家的那个反馈吧好呀好呀都给我们提一些建议是是好的那今天我们就聊到这里再次感谢瑞章我是主播珊珊我们下期再见