每次寫稿，最痛苦的都是開頭。所謂下筆無神，坐在電腦前東摸西摸，百般拖延，就是沒有辦法開始敲第一行字。

　　如果面向全國(guó)中學(xué)生做一個(gè)問卷調(diào)查，問他們最痛苦的任務(wù)是什么，語(yǔ)文作文將可能成為第一名。據(jù)我觀察，許多人在中學(xué)語(yǔ)文課堂上留下的夢(mèng)魘足以伴隨一生，會(huì)在每次需要提筆寫作的時(shí)候突然被喚醒，讓人忘記如何說人話。

　　但寫作又是一件無法避免的事情。即使不用寫專欄，即使工作和寫作沒有直接關(guān)系，恐怕也要寫文檔、寫工作計(jì)劃、寫述職報(bào)告、寫會(huì)議記錄……還有婚禮的致辭、葬禮的悼詞等等，都需要寫。如今不管是控訴上司還是伴侶也流行往社交媒體發(fā)小作文，而作文寫得好不好，直接影響傳播效果。

　　我不是專業(yè)的寫作者，但高考語(yǔ)文也考了快140分，寫作文對(duì)我來說理論上不在話下。感謝我的舅媽和歷任語(yǔ)文老師，讓我知道寫作的本質(zhì)是表達(dá)，最重要的還是要感受自己想要表達(dá)什么。即使如此，還是很難動(dòng)筆：不是沒有東西要寫，但面對(duì)千頭萬緒的混沌狀態(tài)，似乎還是很難撕開一個(gè)口子，摧枯拉朽地讓腦子里面的東西一瀉而出。

　　每當(dāng)此時(shí)，我又會(huì)開始想，AI能提供什么幫助。于是，在拖延寫作的這段時(shí)間里我又會(huì)將市面上的AI工具嘗試一圈，看看到底有沒有哪個(gè)能給寫作幫上點(diǎn)忙。

　　AI寫作，或者說AI生成文本，出現(xiàn)的時(shí)間早于ChatGPT。事實(shí)上，GPT一開始就是用來生成文本的，只是后來OpenAI發(fā)現(xiàn)也可以用來聊天（畢竟聊天本質(zhì)上就是兩個(gè)人根據(jù)之前的聊天記錄繼續(xù)生成文本），這才改造出了ChatGPT。

　　我最早試用的文本生成產(chǎn)品是Notion中的AI寫作功能，它從2022年11月中旬開始內(nèi)測(cè)，比ChatGPT的推出還早半個(gè)月。同一時(shí)間，我使用的筆記產(chǎn)品Craft也推出了自己的同類功能。它們的背后都是GPT或者Claude，我記得我在那兩個(gè)月的專欄中就嘗試過使用AI寫作。

　　快進(jìn)到今天，幾乎所有國(guó)外的辦公軟件中都已經(jīng)集成了生成式AI功能，包括微軟和Google在內(nèi)的許多技術(shù)公司最喜歡在發(fā)布會(huì)的舞臺(tái)上演示的一個(gè)場(chǎng)景就是一鍵生成各種長(zhǎng)篇大論，比如郵件、文檔、營(yíng)銷計(jì)劃等。

　　效果如何呢？可以想象，如果你只是輸入“幫我寫一篇專欄吧”，AI會(huì)瞎編一篇多么廢話連篇的文章。這并不是由什么技術(shù)限制導(dǎo)致的，不是我們常說的“AI幻覺”。還是用我們經(jīng)常打的比方，如果把AI看成一個(gè)受過良好教育的實(shí)習(xí)生，它今天初來乍到，對(duì)你一無所知，一上來就要求人家“寫篇專欄”，它除了瞎編，還能做什么呢？

　　當(dāng)然，如果你提的要求不太需要對(duì)你有所了解，而是基于常識(shí)，那生成效果相對(duì)是比較好的，比如我曾經(jīng)用AI來生成事故處理協(xié)議、給客服寫的投訴信、大眾點(diǎn)評(píng)上的評(píng)論、閑魚的商品文案……

　　至于各大公司畫的“一鍵生成”的餅，我覺得還是代表了人們的美好幻想，就和人們幻想長(zhǎng)生不老一樣。去年我剛開始了解大語(yǔ)言模型時(shí)，讀的是王建碩老師的幾篇科普文章，它們從使用者的視角教你如何和AI打交道。其中有一句話我印象很深，“不要把ChatGPT當(dāng)作你肚子里的蛔蟲”。是呀，讓陌生人一鍵寫出來的東西，能用就怪了，但有趣的是，這就是我們對(duì)AI的期待。

　　也不能完全怪人類，誰讓今天的AI很少反問呢？如果是一個(gè)真的實(shí)習(xí)生，我大概會(huì)教他，一定要學(xué)會(huì)反問，而不是瞎編。向Perplexity提問時(shí)，如果問題比較模糊，它會(huì)反問以確認(rèn)自己是否正確理解了你的問題，我們自己在做AI產(chǎn)品時(shí)也非常希望AI不要添油加醋，并且能學(xué)會(huì)反問。有了反問，這就讓人放心很多。

　　如果對(duì)方不懂得問，那就要主動(dòng)告訴別人，就像我們也可以吩咐實(shí)習(xí)生，你先把這些資料讀一下。

　　讓AI讀資料還是有點(diǎn)兒麻煩的，這主要怪聊天界面。今天大多數(shù)的大語(yǔ)言模型標(biāo)配的都是聊天界面，尤其是剛剛推出的最新模型，一般都只能通過官方的聊天界面使用，還沒有開放給第三方應(yīng)用。在這點(diǎn)上，聊天框有點(diǎn)像是上個(gè)時(shí)代的搜索框，是一個(gè)萬能的基礎(chǔ)形態(tài)，任何需求都能滿足，但也有很多需求用它來滿足并不順手。

　　例如我最近安利給很多朋友的Kimi，其特點(diǎn)是長(zhǎng)文本，但就官方舉例的使用場(chǎng)景來說，不管是往聊天框里面輸入200萬字，還是傳500份簡(jiǎn)歷，或者在別的地方看到一個(gè)網(wǎng)址再?gòu)?fù)制粘貼過來，都不算順手。

　　另外一個(gè)障礙，則是市面上所有的產(chǎn)品都照搬了ChatGPT的設(shè)計(jì)，用戶可以和AI開啟多個(gè)對(duì)話記錄，然而這些對(duì)話是不會(huì)共享記憶的。當(dāng)然，這么設(shè)計(jì)，本來就是因?yàn)榇饲暗拇笳Z(yǔ)言模型上下文窗口很小。這可以粗略理解成AI只有短期記憶，很容易出現(xiàn)聊著聊著AI就忘了剛剛說過的話的情況，所以才需要這樣的設(shè)計(jì)，保持每個(gè)對(duì)話較短。

　　但這帶來一個(gè)問題，就是我每次想讓AI完成一個(gè)新的任務(wù)，都得重新給它背景資料。這有點(diǎn)像你每次見到你的實(shí)習(xí)生，他不認(rèn)識(shí)你。由于經(jīng)常需要請(qǐng)AI重新閱讀資料，之前我花時(shí)間把往期專欄整理成了不同格式、大小的文件，放在桌面上，方便隨時(shí)上傳。普通人是不會(huì)有耐心來做這個(gè)事情的，相比“提示詞工程”的難度，這一點(diǎn)更容易阻礙普通人使用AI。

　　其實(shí)，AI能順暢閱讀背景資料也就是最近才能實(shí)現(xiàn)的事情。本專欄已經(jīng)寫了25期，共約10萬字，超過了市場(chǎng)上大部分模型的上下文窗口，也就是說，沒有辦法直接放在AI的短期記憶里面。一般的產(chǎn)品會(huì)用一個(gè)叫RAG的方式去解決這個(gè)問題，這是一個(gè)外掛的“大腦”，打個(gè)比方，有點(diǎn)像腦子里裝不下的東西先抄在小抄上，等考試要用的時(shí)候再去翻。不在腦子里的東西，運(yùn)用起來效果還是會(huì)大打折扣的。

　　據(jù)我所知，市面上普通人能接觸到的支持10萬中文字的產(chǎn)品只有Kimi。Google的Gemini Pro 1.5也能支持，不過目前只通過API提供給開發(fā)者，還沒有被整合到Google的產(chǎn)品中。Kimi最近開始內(nèi)測(cè)200萬字的上下文窗口，更是大幅提升了這個(gè)門檻。有些產(chǎn)品宣稱支持1000萬字，據(jù)說是使用RAG的方式實(shí)現(xiàn)的—通過這種方式，想裝多少字其實(shí)都可以。

　　實(shí)際上，200萬字和最初的ChatGPT相比，已經(jīng)提升了1000倍。產(chǎn)品形態(tài)可以有一些變化了。

　　說回用AI輔助寫作。大家知道，正常情況下你是不會(huì)在一個(gè)聊天窗口中寫作的，而是會(huì)用類似Word這樣的文檔編輯工具。那如果你同時(shí)需要和AI“聊天”，那就麻煩了，得幾個(gè)窗口切來切去，來回不斷地復(fù)制粘貼才可以。如果對(duì)AI生成的內(nèi)容大體滿意，但只是想精準(zhǔn)地調(diào)整一大段文本中的一句話呢？要用語(yǔ)言描述這種要求非常困難。我之前嘗試過請(qǐng)AI修改文風(fēng)、校對(duì)、編輯、簡(jiǎn)化語(yǔ)言……都非常麻煩。

　　最近我倒是發(fā)現(xiàn)了一個(gè)挺好用的工具。你可能猜不到，這篇專欄是在VS Code中寫的。這是微軟面向程序員推出的一個(gè)用來編程的編輯器，購(gòu)買了GitHub Copilot后，可以隨時(shí)在里面召喚AI來撰寫、修改代碼。反正代碼和專欄都是語(yǔ)言嘛，效果還是不錯(cuò)的。

　　針對(duì)不同的場(chǎng)景去做“順手”的界面并不難。比如總結(jié)鏈接就不如做一個(gè)瀏覽器插件，一個(gè)實(shí)習(xí)生花一個(gè)周末就能寫出來。為什么不做呢？我猜測(cè)有一些特別的考慮。當(dāng)然，也有可能是我想多了。去年這個(gè)時(shí)候我曾經(jīng)在直播中和其他CEO討論過為什么ChatGPT不推出App，對(duì)方列舉了一些理由，而我說可能只是還沒有做出來罷了。果然，過了不久，ChatGPT就推出了自己的App。

　　也可能是我把這事兒想簡(jiǎn)單了。多年的工作經(jīng)驗(yàn)告訴我，工程師們總會(huì)高估解決一個(gè)問題的難度，而低估其工作量。

　　那聊天適合做什么事情呢？回想現(xiàn)實(shí)中的寫作過程，和編輯、記者聊天，回答他們的問題，本身就是一個(gè)不錯(cuò)的獲得寫作靈感的方式。所以，和AI討論選題，請(qǐng)它扮演讀者告訴我想看什么，甚至把大綱給它看看，討論下能不能用有創(chuàng)造性的方式來梳理故事線……這些操作的使用感受都還不錯(cuò)。

　　今天的AI產(chǎn)品一是缺少關(guān)于我的個(gè)人數(shù)據(jù)，二是缺少直接執(zhí)行操作的能力，這些都導(dǎo)致它們沒有辦法對(duì)普通人“開箱即用”。

　　王建碩老師的那句話我一直在想。一開始是從使用者的角度提醒自己，不要把AI當(dāng)成我肚子里的蛔蟲。但后來切換到做事情的角度，就會(huì)想，憑什么AI不能成為使用者肚子里的蛔蟲呢？我們?cè)趺礃硬拍茏孉I成為使用者肚子里的蛔蟲？在腦機(jī)接口被廣泛應(yīng)用之前，還是需要一些別的方式。

　　這也是為什么我之前很期待Google和微軟分別將AI整合到自己的辦公套件中，即Google Workspace和Microsoft 365（它的原名Office大家更熟悉一些）。我個(gè)人在Google中保存的數(shù)據(jù)更多，20年來的郵件記錄和工作文檔都在Google，理論上它應(yīng)該比蛔蟲更了解我。而它們的AI都可以直接在編輯器中使用，理論上可以省去了來回復(fù)制粘貼之苦。

　　Google的版本（Gemini for Google Workspace）我在3月初拿到了內(nèi)測(cè)權(quán)限，而微軟面向個(gè)人的Copilot Pro在1月發(fā)布，我也第一時(shí)間購(gòu)買了。但測(cè)試結(jié)果都讓我非常失望，它們?nèi)匀豢雌饋硪粏柸恢?，想?qǐng)它們幫忙修改的文檔，十個(gè)也有九個(gè)做不了，不知道到底實(shí)現(xiàn)難點(diǎn)在哪里。

　　這個(gè)領(lǐng)域還是有很多做新產(chǎn)品的機(jī)會(huì)的。有一些產(chǎn)品已經(jīng)擁有關(guān)于我們的大量數(shù)據(jù)，自然做起來比較容易。有一些開發(fā)者另辟蹊徑，希望用不同的方式來獲得用戶的數(shù)據(jù)。我去年提到過的Rewind通過直接錄屏的粗暴方法采集數(shù)據(jù)，我堅(jiān)持使用了一年多，電腦中存下了108GB的錄屏，應(yīng)該有接近3000小時(shí)。但這些數(shù)據(jù)怎么用，似乎也還沒有好的方法，噪音過多，AI無法區(qū)分哪些重要哪些不重要。另外有幾個(gè)新的硬件產(chǎn)品，如Humane Ai Pin、Rabbit R1等，通過隨身錄音的方式采集數(shù)據(jù)，不知道會(huì)不會(huì)遇到類似問題。

　　是不是其實(shí)沒有必要收集用戶所有的所見所聞，努力降低用戶輸入的門檻，也能捕捉到更多有一點(diǎn)點(diǎn)價(jià)值的火花？這是我正在嘗試的?，F(xiàn)在我自己大部分的碎片想法都放在原型產(chǎn)品中，寫稿的時(shí)候拿出來，也是靈感的來源。

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……