前言

• 
  
• 最近幾個(gè)月，我有幸加入了公司的研究院工作群，由 CEO親自帶隊(duì)，集結(jié)了大模型研究組、數(shù)據(jù)組以及后端組、前端組的工程師們，一同攻克公司最新的AI產(chǎn)品的研發(fā)。
• 
  
• 說(shuō)實(shí)話，現(xiàn)在做AI產(chǎn)品就像在搭一輛行駛中的高鐵——技術(shù)迭代的速度快得驚人。在這個(gè)日新月異的領(lǐng)域里，今天的"最佳實(shí)踐"可能明天就變成了"歷史案例"。上周剛學(xué)會(huì)的一個(gè)技術(shù)名詞，這周開(kāi)會(huì)時(shí)就已經(jīng)升級(jí)成了2.0版本；上午設(shè)計(jì)的交互流程，下午可能就要因?yàn)榧夹g(shù)突破而重做；昨天還在糾結(jié)的技術(shù)限制，今天可能就被新框架解決了；產(chǎn)品經(jīng)理的需求文檔永遠(yuǎn)趕不上技術(shù)發(fā)展的速度...
• 
  
• 本文可以算是我對(duì)探索AI產(chǎn)品設(shè)計(jì)的歷程記錄。
• 
  
• 
  

• 1.0時(shí)代：自主訓(xùn)練大模型的探索之路

• 
  
• 回顧AI產(chǎn)品的演進(jìn)歷程，1.0時(shí)代更像是一個(gè)充滿理想主義的開(kāi)拓期。當(dāng)時(shí)整個(gè)行業(yè)都沉浸在大模型的技術(shù)熱潮中，各大科技公司都在競(jìng)相訓(xùn)練自己的基礎(chǔ)大模型，我們也不例外。

自主訓(xùn)練“通用大模型”的嘗試

• 
  
• 2023-2024年間，我們投入大量資源自主研發(fā)了"網(wǎng)鏈大模型"，這個(gè)決定反映了當(dāng)時(shí)行業(yè)的普遍心態(tài)：
• 技術(shù)自信：我們是“xx系”人工智能領(lǐng)域的公司，需要有自主可控的底層模型能力。
• 數(shù)據(jù)安全：我們有很多核心數(shù)據(jù)，擔(dān)心使用第三方模型會(huì)導(dǎo)致商業(yè)數(shù)據(jù)泄露。
• 定制需求：期望可以通過(guò)自主訓(xùn)練獲得更好的領(lǐng)域適配性。
• 
  
• 但實(shí)際執(zhí)行一段時(shí)間后，自主訓(xùn)練大模型的問(wèn)題很快就暴露出來(lái)了。
• 資源錯(cuò)配：80%的算力消耗在訓(xùn)練通用能力上，而客戶真正需要的垂直領(lǐng)域理解只占20%
• 迭代遲滯：每個(gè)新需求的實(shí)現(xiàn)都需要全量微調(diào)，響應(yīng)周期以月計(jì)算
• 專業(yè)度不足：在分析"多晶硅產(chǎn)能過(guò)剩對(duì)光伏中游影響"這類復(fù)合問(wèn)題時(shí)，準(zhǔn)確率不足60%
• 
  
• 
  

1.0階段的產(chǎn)品設(shè)計(jì)

• 
  
• 1.0模型在我們的首個(gè)問(wèn)答產(chǎn)品的實(shí)際使用過(guò)程中效果并不好。當(dāng)時(shí)的產(chǎn)品就像一把鈍刀——雖然能砍能劈，但面對(duì)產(chǎn)業(yè)鏈分析這樣需要精細(xì)操作的場(chǎng)景時(shí)，總是力不從心。
• 
  
• 所以最初，我們?cè)O(shè)計(jì)在進(jìn)入產(chǎn)業(yè)頁(yè)面時(shí)有默認(rèn)招呼語(yǔ)，首先為用戶提供問(wèn)題分類，以及每個(gè)分類下常見(jiàn)的預(yù)設(shè)問(wèn)題，一個(gè)是告訴用戶產(chǎn)品有哪些功能，一個(gè)是因?yàn)槭穷A(yù)設(shè)好常用問(wèn)題，可以提升回答的準(zhǔn)確性和速度。
• 
  
• 但如果用戶再追問(wèn)語(yǔ)言邏輯更復(fù)雜，或者更具行業(yè)深度的內(nèi)容，模型給出的回復(fù)就會(huì)出現(xiàn)理解不了專業(yè)術(shù)語(yǔ)、長(zhǎng)文本邏輯連貫性不好、回答速度很慢的弱點(diǎn)。這些問(wèn)題暴露出自主訓(xùn)練模型在數(shù)據(jù)質(zhì)量和算法積累上的不足。用戶等待一個(gè)回答要10s+，任憑UI再怎么增加loading動(dòng)畫(huà)過(guò)渡，或者提供平復(fù)用戶焦慮的文案，也還是解決不了它最根本的問(wèn)題。

• 投入超多資源訓(xùn)練通用大模型，卻難以在專業(yè)場(chǎng)景落地。超多張高端GPU持續(xù)運(yùn)轉(zhuǎn)數(shù)周、大量數(shù)據(jù)需要標(biāo)注、算法團(tuán)隊(duì)需要更多人力資源...這對(duì)大多數(shù)企業(yè)來(lái)說(shuō)都是難以承受的。
• 
  
• “通用大模型：就像AI領(lǐng)域的"全能型選手"，通過(guò)海量數(shù)據(jù)和龐大參數(shù)訓(xùn)練獲得廣泛的知識(shí)能力，能處理文本生成、基礎(chǔ)問(wèn)答、簡(jiǎn)單推理等多樣化任務(wù)。它具備強(qiáng)大的語(yǔ)言理解和內(nèi)容創(chuàng)作能力，但缺乏專業(yè)領(lǐng)域的深度知識(shí)，就像通才學(xué)者雖博聞廣識(shí)，面對(duì)具體行業(yè)問(wèn)題時(shí)仍需結(jié)合專業(yè)數(shù)據(jù)再學(xué)習(xí)。當(dāng)前主流的GPT、Claude等都屬于這類基礎(chǔ)模型，為垂直領(lǐng)域應(yīng)用提供底層能力支撐。”
• 
  

• 這種情況大概持續(xù)了小一年，產(chǎn)品研發(fā)的進(jìn)度也很緩慢。在這期間，我們深切地感受到市場(chǎng)客戶對(duì)于AI產(chǎn)品的需求越發(fā)旺盛，幾乎所有客戶都會(huì)想要有個(gè)功能叫：AI問(wèn)答。

認(rèn)知轉(zhuǎn)變帶動(dòng)技術(shù)轉(zhuǎn)型

正如《2025年大模型2.0產(chǎn)業(yè)發(fā)展報(bào)告》所指出的，當(dāng)時(shí)那個(gè)階段整個(gè)行業(yè)都在經(jīng)歷深刻的認(rèn)知轉(zhuǎn)變。

• 我們也意識(shí)到，若再不快速做出點(diǎn)改變，不調(diào)整技術(shù)方向，創(chuàng)造不出為公司增收的商業(yè)化產(chǎn)品，不說(shuō)這賽道前期的紅利拿不到，龐大體量的模型研發(fā)投入會(huì)拖垮公司，我們也會(huì)被客戶和市場(chǎng)無(wú)情拋棄。那段時(shí)間的評(píng)審會(huì)也是充滿了無(wú)力感，很多想實(shí)現(xiàn)的功能和交互方案，總被"模型不支持"打回。
• 
  
• 直到CEO在年后的全員會(huì)議上帶來(lái)了關(guān)鍵轉(zhuǎn)向："停止造輪子，專注做場(chǎng)景"。
  這個(gè)決定意味著：我們不再追求"從頭訓(xùn)練"模型的完美主義，開(kāi)始接受使用現(xiàn)成的大模型API，把更多資源傾斜到更被需要的地方上去。

2.0時(shí)代：垂域大模型的深耕與突破

• 在1.0時(shí)代，我們走過(guò)了所有AI初創(chuàng)公司都會(huì)經(jīng)歷的陣痛期，進(jìn)入2.0時(shí)代后，我們完成了三個(gè)關(guān)鍵轉(zhuǎn)變：
• 技術(shù)定位：從"全能型AI"轉(zhuǎn)向"產(chǎn)業(yè)專家系統(tǒng)"
• 研發(fā)重點(diǎn)：從模型規(guī)模競(jìng)賽轉(zhuǎn)向場(chǎng)景深度理解
• 產(chǎn)品邏輯：從技術(shù)驅(qū)動(dòng)轉(zhuǎn)向需求驅(qū)動(dòng)
• 
  
• 直至目前，我們終于能夠聚焦產(chǎn)業(yè)分析師真實(shí)的工作流，而不是困在技術(shù)可行性的泥潭中。產(chǎn)品設(shè)計(jì)的推進(jìn)速度也在快速前進(jìn)。我們采用小步快跑的形式，每周發(fā)布一個(gè)小版本上線，重大難點(diǎn)需求放寬至1.5周-2周。在不浪費(fèi)開(kāi)發(fā)資源的同時(shí)，也能快速根據(jù)市場(chǎng)變化調(diào)整迭代方向。
• 
  
  
• 
  

行業(yè)垂域大模型的技術(shù)選型優(yōu)化

技術(shù)升級(jí)

技術(shù)上，公司轉(zhuǎn)向垂域大模型開(kāi)發(fā)后，省下之前全量微調(diào)參數(shù)的精力，重點(diǎn)提升專業(yè)領(lǐng)域?qū)I(yè)性不高的問(wèn)題。

• “垂直領(lǐng)域大模型（Vertical Domain Model）本質(zhì)上是一種專業(yè)化的AI工具，它不像通用大模型那樣追求"萬(wàn)事通"，而是專注于成為某個(gè)特定領(lǐng)域的專家。就像醫(yī)院里既有全科醫(yī)生，也有心內(nèi)科、神經(jīng)科等專科醫(yī)生一樣，垂直大模型就是AI世界里的"?？漆t(yī)生"。采用的是“通用底座+行業(yè)微調(diào)”模式訓(xùn)練。”

框架優(yōu)化

由開(kāi)始的Transformer架構(gòu)，改用了最新的“RAG框架+LLM微調(diào)”的混合架構(gòu)。這種架構(gòu)結(jié)合了兩種技術(shù)的優(yōu)勢(shì)，就像給專家配了一個(gè)智能資料庫(kù)。不僅在數(shù)據(jù)實(shí)時(shí)性上有保障，專業(yè)性的知識(shí)也能持續(xù)強(qiáng)化，不僅能支持?jǐn)?shù)據(jù)來(lái)源查詢?cè)黾踊卮鸬目尚哦?，在算力的消耗上也大大小于Transformer方案。

• “RAG（Retrieval-Augmented Generation，檢索增強(qiáng)生成）是當(dāng)前企業(yè)級(jí)AI產(chǎn)品的核心技術(shù)框架，它完美解決了專業(yè)領(lǐng)域知識(shí)更新的難題。就像一位嚴(yán)謹(jǐn)?shù)膶W(xué)者，在回答問(wèn)題前總會(huì)查閱最新文獻(xiàn).”
• “LLM微調(diào)（Large Language Model Fine-tuning）就像培養(yǎng)一個(gè)通才成為專家，它基礎(chǔ)基于預(yù)訓(xùn)練好的通用大模型（如GPT、DeepSeek）通過(guò)用垂直領(lǐng)域的數(shù)據(jù)進(jìn)行二次訓(xùn)練，在保留模型通用理解力的同時(shí)，再次強(qiáng)化模型的專業(yè)能力。”
• 
  

在2.0時(shí)代，我們?yōu)楫a(chǎn)品裝上了"專業(yè)大腦"——智能體矩陣。這個(gè)改變讓系統(tǒng)終于能像真正的產(chǎn)業(yè)專家那樣思考了。

引入智能體矩陣

• 
  
• 在2.0時(shí)代，我們?yōu)楫a(chǎn)品裝上了"專業(yè)大腦"——智能體矩陣。這個(gè)改變讓系統(tǒng)終于能像真正的產(chǎn)業(yè)專家那樣思考了。
• 
  
• “智能體（Agent）是指能夠自主感知環(huán)境、制定決策并執(zhí)行任務(wù)的智能系統(tǒng)。不同于傳統(tǒng)單一功能的AI模型，智能體更像是一個(gè)具備專業(yè)思維和行動(dòng)能力的數(shù)字專家，它不同于傳統(tǒng)問(wèn)答系統(tǒng)的最關(guān)鍵特征是：自主決策能力。它能夠理解復(fù)雜問(wèn)題、調(diào)用專業(yè)工具、組織分析邏輯，最終給出符合行業(yè)標(biāo)準(zhǔn)的解決方案。”

• 
  
• 我們上線了“專家系統(tǒng)”，并給每個(gè)專家（智能體）設(shè)計(jì)了獨(dú)特的"性格"：產(chǎn)業(yè)鏈分析專家像個(gè)嚴(yán)謹(jǐn)?shù)睦辖淌?，企業(yè)分析專家像精明的財(cái)務(wù)總監(jiān)，研報(bào)專家則像專業(yè)的行業(yè)研究員。這些功能的上線讓產(chǎn)品真正具備了"產(chǎn)業(yè)級(jí)"的專業(yè)度。
• 
  
• 有了這些底層技術(shù)的升級(jí)，原先產(chǎn)品功能和界面交互的設(shè)計(jì)局限性的問(wèn)題也被大大的改善。很多模型和智能體預(yù)帶的功能也為產(chǎn)品的體驗(yàn)設(shè)計(jì)帶來(lái)更積極的展現(xiàn)。許多之前不能做的功能現(xiàn)在能做了。例如，最開(kāi)始我們需要花時(shí)間做處理的敏感詞問(wèn)題，現(xiàn)在基座大模型都能直接支持此類問(wèn)題的回答，從源頭顯示為“****”或提示用戶該問(wèn)題涉及敏感內(nèi)容不予回答。

再比如，智能體的加入能夠讓回答的分析過(guò)程透明化，用戶界面能夠展示出“理解-查詢-思考-回答”的步驟鏈條。

算力優(yōu)化

• 說(shuō)到AI產(chǎn)品勢(shì)必要提到算力問(wèn)題。目前市面上大部分在線產(chǎn)品都是靠用戶購(gòu)買算力來(lái)實(shí)現(xiàn)商業(yè)化盈利的。我們的純網(wǎng)絡(luò)版產(chǎn)品，初步計(jì)劃也是根據(jù)算力或問(wèn)答次數(shù)來(lái)收取用戶費(fèi)用。
• 由于我們的客戶群體特殊，有的客戶需要更強(qiáng)的算力需求或數(shù)據(jù)安全需求，我們也可為其提供“華為昇騰一體機(jī)”，通過(guò)本地部署“軟件+硬件”的方式來(lái)收取用戶費(fèi)用，實(shí)現(xiàn)產(chǎn)品盈利。

2.0階段的產(chǎn)品設(shè)計(jì)

• 
  

• 智能問(wèn)答產(chǎn)品進(jìn)化

• 
  
• 伴隨著底層技術(shù)的升級(jí)，產(chǎn)品頁(yè)面和體驗(yàn)也同步進(jìn)化。
• 
  
• 1.界面設(shè)計(jì)
• 
  
• 1.1風(fēng)格
• 
  
• 在延續(xù)主產(chǎn)品“量知云”輕漸變的品牌基因的同時(shí)，“輕量、主流、簡(jiǎn)潔”這幾個(gè)關(guān)鍵詞主導(dǎo)著頁(yè)面風(fēng)格的迭代方向。
• 
  
• 輕量：配色克制、不出現(xiàn)大色塊分割
• 主流：配色以冷色系為主、元素采用輕擬物或3d風(fēng)格。
• 簡(jiǎn)潔：更大的元素間距與留白，讓頁(yè)面有呼吸感；元素有親密性，模塊之間有間距，符合塔式原則。提升頁(yè)面品質(zhì)感。

• 1.2頁(yè)面框架
• 
  
• 頁(yè)面框架主要圍繞“主流、前瞻性、高效”幾個(gè)關(guān)鍵詞來(lái)設(shè)計(jì)：
• 
  
• 主流：區(qū)別于1.0時(shí)期的問(wèn)答類產(chǎn)品，2.0采用目前主流流行的左右結(jié)構(gòu)框架：左邊欄是常用工具操作欄，右邊為主要內(nèi)容展示區(qū)域，內(nèi)容區(qū)域里頂欄的位置通常放置一些和當(dāng)前對(duì)話相關(guān)的操作，下方為主要內(nèi)容展示區(qū)域。優(yōu)點(diǎn)：由原來(lái)固定寬度形式變得更靈活。內(nèi)容展示區(qū)域更加開(kāi)闊。
• 
  
• 

前瞻性：設(shè)計(jì)之初即考慮pc和移動(dòng)頁(yè)面的兼容，同前端工程師提前確認(rèn)響應(yīng)式頁(yè)面的技術(shù)實(shí)現(xiàn)。

高效：有限制的自適應(yīng)內(nèi)容控制：主要內(nèi)容展示的寬度不是越大越好，大段文字的展示寬度控制在一行50-60字左右，眼睛的閱讀效率最高。

• 1.3交互功能設(shè)計(jì)
• 
  
• 1.3.1Prompt模板與模版庫(kù)
• 
  
• 我們根據(jù)不同業(yè)務(wù)場(chǎng)景（企業(yè)分析/人才匹配/專利檢索等垂直場(chǎng)景），預(yù)先設(shè)置了至少幾十種Prompt 模板，相比自由發(fā)揮的AI回答，模板能夠保證回答合規(guī)性，錯(cuò)誤率降低60%。
• 
  
• “Prompt 模板：預(yù)先設(shè)計(jì)好的結(jié)構(gòu)化指令框架，用于引導(dǎo)AI模型生成特定類型的回答。”
• “Prompt 模板庫(kù)：根據(jù)不同業(yè)務(wù)場(chǎng)景分類存儲(chǔ)的Prompt模板集合，通常包含數(shù)百個(gè)精細(xì)調(diào)整的模板。”
• 
  
• 界面設(shè)計(jì)時(shí)，支持設(shè)計(jì)師定義Makedown支持的語(yǔ)法（emoij、表格、代碼塊...）作為問(wèn)題回答的排版依據(jù)。例如，我們?yōu)?ldquo;專家模式”的招呼語(yǔ)設(shè)定了獨(dú)特的排版。
• 

1.3.2用戶意圖識(shí)別引擎

通過(guò)自然語(yǔ)言處理（NLP）技術(shù)，將用戶輸入的語(yǔ)句自動(dòng)歸類到預(yù)設(shè)的業(yè)務(wù)類別（如"企業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)"、"產(chǎn)業(yè)鏈斷供斷鏈分析"、"人才與技術(shù)匹配"）。這和直接設(shè)定好明確空間，讓用戶直接在界面上選擇功能的操作不太一樣。我們將獲取用戶意圖的工作變?yōu)殡[藏式的，不易發(fā)覺(jué)的，在用戶詢問(wèn)的過(guò)程中就完成了。對(duì)比一下，顯然后者更能讓用戶有流暢的、智能的AI產(chǎn)品體驗(yàn)。

“NLP技術(shù)：Natural Language Processing，自然語(yǔ)言處理。讓計(jì)算機(jī)理解、解釋和生成人類語(yǔ)言的技術(shù)。”

1.3.3智能體矩陣

2.0產(chǎn)品引入了智能體矩陣，通過(guò)配備不同的專家系統(tǒng)智能體，為用戶提供多維度的更深層次的產(chǎn)業(yè)分析功能。用戶可以在有明確分析方向的時(shí)候，選擇某一個(gè)定向?qū)＜覟槠浞?wù)。同時(shí)，系統(tǒng)的多個(gè)智能體也能協(xié)同工作，自動(dòng)感知用戶的復(fù)雜問(wèn)題，分工協(xié)作，各自處理擅長(zhǎng)的領(lǐng)域，共同完成對(duì)用戶問(wèn)題的回答。整個(gè)過(guò)程如行云流水，同樣用戶只需自然提問(wèn)，就能獲得專業(yè)級(jí)的分析回答。

• 1.3.4多模態(tài)交互
• 
  
• 在產(chǎn)業(yè)分析領(lǐng)域，數(shù)據(jù)從來(lái)不是冰冷的數(shù)字，而是講述行業(yè)故事的語(yǔ)言。智能問(wèn)答引入多模態(tài)交互，讓用戶能用最自然的方式與數(shù)據(jù)對(duì)話。
• 
  
• “多模態(tài)交互模型：2024年 2 月，OpenAI 發(fā)布了其文本生成視頻的大模型 Sora。Sora 展示了人工智能在理解和模擬物理世界方面的能力，被認(rèn)為是通用人工智能的關(guān)鍵一步。2024 年 5 月，OpenAI 推出其新旗艦?zāi)Ｐ?GPT-4o，能夠?qū)崟r(shí)對(duì)音頻、視覺(jué)和文本進(jìn)行推理，為多模態(tài)交互開(kāi)啟無(wú)限可能。”
• 
  
• 我們?cè)O(shè)想，在不久的將來(lái) 用戶可以通過(guò)自然語(yǔ)言，從數(shù)據(jù)庫(kù)中抽取相關(guān)數(shù)據(jù)自動(dòng)生成可視化圖表，又或者可以支持本地文件（圖片形式）內(nèi)容解析后的進(jìn)一步提問(wèn)。
• 

• 智能報(bào)告產(chǎn)品的AI化升級(jí)

• 
  
• 2.0時(shí)代，智能報(bào)告產(chǎn)品也從半定制化到全AI化升級(jí)中：
• 
  
• 1.0階段：在初期階段，我們的智能報(bào)告產(chǎn)品更像是高級(jí)版的填空工具：整個(gè)報(bào)告生成流程需要人工占主導(dǎo)。首先需要產(chǎn)業(yè)研究員預(yù)先設(shè)計(jì)80%的報(bào)告框架，并手動(dòng)標(biāo)注每個(gè)數(shù)據(jù)插入位點(diǎn)；其次需要花費(fèi)大量時(shí)間調(diào)整格式排版。
• 
  
• 這個(gè)時(shí)期始終會(huì)存在一些問(wèn)題，例如：每次業(yè)務(wù)變化都需要重新制作模板，耗時(shí)耗力。對(duì)于一些非結(jié)構(gòu)化的數(shù)據(jù)無(wú)法處理。生成的圖表風(fēng)格比較基礎(chǔ)，無(wú)法自定義。
• 
  
• “非結(jié)構(gòu)化數(shù)據(jù)：像是未經(jīng)整理的原材料，內(nèi)容呈現(xiàn)形式多樣且含義隱晦。包括文本報(bào)告、會(huì)議錄音、圖片圖表等，需要AI先進(jìn)行"理解"和"提煉"才能使用。”
• “結(jié)構(gòu)化數(shù)據(jù)：就像整理好的工具箱，內(nèi)容以整齊的表格形式存在（如Excel數(shù)據(jù)、數(shù)據(jù)庫(kù)記錄），每個(gè)字段都有嚴(yán)格定義的類型和格式，機(jī)器可以直接讀取分析。”
• 
  
• 因?yàn)槭芟抻诩夹g(shù)限制，1.0階段的智能報(bào)告產(chǎn)品不是由產(chǎn)品和設(shè)計(jì)主導(dǎo)開(kāi)發(fā)的，在功能設(shè)計(jì)和體驗(yàn)上都有很大的提升空間。
• 

到了2.0階段：智能報(bào)告已經(jīng)進(jìn)化地更像一個(gè)真正的寫(xiě)報(bào)告的專家了。模型能夠自主規(guī)劃內(nèi)容結(jié)構(gòu)（如輸入標(biāo)題為“行業(yè)分析報(bào)告”，能夠自動(dòng)生成符合邏輯的大綱內(nèi)容如“劃分市場(chǎng)趨勢(shì)、競(jìng)品對(duì)標(biāo)、風(fēng)險(xiǎn)預(yù)測(cè)），并調(diào)用多智能體協(xié)作完成數(shù)據(jù)搜集與最終文案的生成。

根據(jù)用戶的實(shí)際使用場(chǎng)景，產(chǎn)品提供多路徑選擇。如果用戶對(duì)自己的報(bào)告內(nèi)容胸有成竹，不強(qiáng)依賴AI生成功能，則可以快速進(jìn)入編輯頁(yè)面，使用平臺(tái)的各類資料快速完成報(bào)告內(nèi)容編寫(xiě)。

相反的，用戶也可以從頭選擇預(yù)制模板，填寫(xiě)報(bào)告標(biāo)題后，就能從“報(bào)告關(guān)鍵詞”開(kāi)始完全依賴AI生成，最終獲得一份圖文并貌的報(bào)告。

更多案例待補(bǔ)充…

寫(xiě)在最后：奔跑者的宣言

• 
  
• 至此，產(chǎn)品更新的進(jìn)度就先記錄到這里，確實(shí)還有很多不足。
• 
  
• 站在這個(gè)技術(shù)爆炸的產(chǎn)業(yè)變革節(jié)點(diǎn)，現(xiàn)在的進(jìn)度也不過(guò)是萬(wàn)里長(zhǎng)征的第一步。當(dāng)前版本還留有許多遺憾——智能體的協(xié)作效率有待提升，多模態(tài)交互的流暢度仍需打磨，那些躺在需求池里的創(chuàng)新功能還在等待排期...
• 
  
• 差距也確實(shí)存在。但前方道路已然清晰，在多數(shù)同行還在重復(fù)造輪子時(shí)，慶幸我們已經(jīng)完成了從通用到垂直的關(guān)鍵轉(zhuǎn)身。繼續(xù)沿著"專業(yè)化+場(chǎng)景化"的賽道持續(xù)深耕，把每個(gè)槽點(diǎn)轉(zhuǎn)化為創(chuàng)新點(diǎn)，保持此刻"清醒奔跑"的姿態(tài)。
• 
  
• 未來(lái)，我們選擇的方向充滿可能，路很長(zhǎng)，產(chǎn)業(yè)理解的深度、產(chǎn)品體驗(yàn)的溫度...要做的還有很多啊～

Powered by Froala Editor