會起標題、能排版,編輯部被AI包圍了_風聞
差评XPIN-差评官方账号-用知识和观点Debug the world!24分钟前
不瞞大家説, AI 已經全面融入差評了。
當然,並不是説現在這篇稿子,就是用 AI 生成的,而是 AI 已經幫編輯部解決了不少那些看似簡單,但卻確實有些關鍵的要緊事兒。
就比如大夥們可能想不到,雖然差評編輯部日常的工作的是拖寫稿,但在幾年前,咱們公司裏其實是有專職的程序員的。
特別是在公眾號後台排版時,差評有自己專屬排版格式,但秀米這類的工具第三方其實不夠用,程序小哥就給咱順手開發了個排版插件,能一鍵排版。

後面因為業務調整,插件暫時也沒啥 BUG 要修,頭髮越來越茂密的程序員小哥,也選擇了離開。
但後面的幾年,咱們的排版格式每年都在更新,微信後台也在各種改版,隨着時間的推移,這個插件越來越難滿足大家的需求,各種小 BUG 也冒了出來。
一方面編輯部同事們的代碼水平不夠硬,另一方面相比市面上的其他產品,這個插件依舊是最接近差評文章格式要求的工具。
所以,就連程序員小哥自己都沒想到,自個兒已經離職了三年,我們還在繼續用着這個插件。

而在去年的年底,在後程序員時代,我們終於給這個排版插件,來了一次遲到的更新。
當然,編輯部並不是花錢重新請了個程序員,也不是編輯們的代碼水平突飛猛進,而是一位完全對代碼零基礎的同事,抱着試一試的心態,用 AI 寫了代碼,上架了 Chrome 應用商店,完成了這一波更新。
而現在,我們都稱他為差評張小龍。
只能説誰也沒想到,一直在 Debug the world 的我們,最後卻靠着 AI Debug 了差評自己的 Bug 。。。

另外,編輯部其實還一直有個甜蜜的煩惱,困擾了大家好多年。
大夥們都知道,公眾號自帶的搜索功能突出的,就是一個進步空間巨大。
不僅文章不好搜索,數據閲讀量超過十萬的文章,公眾號在前台還只會顯示 10w+ ,具體的閲讀是十萬加多少,就必須登錄微信的公眾號後台查看。
**但差評公眾號天天十萬加,**再加上編輯團隊人數也越來越多,後台權限綁定的人數其實是有限的,尋找相應文章和閲讀量數據,就變得麻煩了起來。
所以,當某個編輯忘記某篇文章的閲讀量時,一般就只好讓有後台的權限的同事幫忙看一眼數據,或者是幫忙掃個碼。
最後同樣是 AI ,解決了這個甜蜜的煩惱。
因為我們直接用一句話,用百度智能雲千帆大模型平台的 AppBuilder ,做了個 “ 文章閃電搜索器 ” 。

我們只要把運營同事那邊彙總好的 Excel 數據,加入數據庫中,這個文章閃電搜索器,就成了個差評公眾號內部數據通。

而且方便的是,我們可以選擇把這個 Agent 發佈到微信小程序、網頁、微信訂閲號等等的平台上。
突出得那叫一個想用即用。

世超也通過微信小程序的入口,簡單試了試這個用幾分鐘就搭好的 Demo 。
在世超的提問下,文章閃電搜索器很快就給出了正確答案,《 火了 6 年後,國潮開始塌房了。 》這篇文章閲讀量到了 120 多萬,包括鏈接也是正確的。

並且,因為千帆 AppBuilder 記憶能力,咱還能繼續追問 “ 該作者上一篇百萬加的文章是哪篇 ” ?
文章閃電搜索器也是突出一個快,立馬給出了正確答案。

而同樣的 AI 故事,其實也發生在差評的 B 站視頻部門。
這麼説吧,雖然差評君的視頻看起來那叫一個靚仔,但咱們的同事在寫稿,特別是起標題時,常常那叫一個狼狽。
不誇張地説,寫文章 2 小時,糾結標題要花 3 小時的情況那是經常的事情。

這時候,如果有個能起標題的大模型,其實能省不少力,最起碼也能啓發我們一些起標題的新角度。
於是乎, B 站差評君部門,就想到了用千帆大模型平台的 Modelbuilder ,調教出一個適合 B 站這個平台的起標題大模型。

首先,世超準備給大家講講精調大模型的必要性,就像很多行業裏都有自己的黑話一樣,外行常常是聽得一頭霧水。
AI 其實也這樣,對於外行 AI 而言,可能就不明白差評的火鍋是啥意思。

而經過精調的大模型,則會和十年老粉一樣,理解差評的一些黑話。

同樣在很多情況下,通用的 AI 不太懂什麼是好的標題,或者説不太清楚哪些標題是適合 B 站,哪些標題是適合其他平台的。
就比如《 仿生醫療設備: 從蚊子口器到人類健康 》這標題,我覺得比起視頻平台,更適合發知網。

所以,我們抓取了 B 站 1300 條熱門視頻的內容和標題數據,通過千帆訓練了個 B 站起標題懂哥大模型。
大夥們也可以對比一下,相比沒經過調教的版本,新模型給出的標題,明顯就更加對味兒了。
當然,説實話 1000 條左右的數據,並不算多,相信隨着數據集的擴大,效果也會越來越好。

其實,通過上面幾個世超身邊實際的案例,大家也應該會發現,即便是差評這麼一個小小的編輯部,對於 AI 也都有着各種各樣的需求,更不用説其他無數中小企業了,並不是用一個 TO C 的通用聊天機器人,就能解決一切問題的。
但比如説提示詞咋寫,如何精調模型,應用的能力不給力怎麼辦等等,都是行業內在用大模型時,普遍存在的問題。
而在體驗百度智能雲千帆的 AppBuilder 和 Modelbuilder 過程中,世超也看到了百度是怎麼一一解題的。

比如大夥們都擔心提示詞寫不好,影響了最終的效果,而千帆直接預置近 300 個行業場景的 prompt 模版。不知道咋精調模型?千帆也直接給了開箱即用的模型精調樣板間,支持超過 3 萬個模型的精調。
另外在傳統企業中,那些複雜的事兒和任務,基本都得靠專家的經驗固定好的流程,也就是工作流。哪怕數字化已經搞了這麼多年的今天,工作流也依舊是守舊派,沒什麼新突破。
另一方面大模型確實是很強,相當於一顆會思考的大腦,但 “ 幻覺 ” 問題卻一直讓人頭疼。相信大夥們也都想到了,把工作流和大模型整一塊兒,其實剛好能取其長避其短。
這次百度世界大會上,百度智能雲千帆大模型平台搞出了個 “ 工作流 Agent” 的功能。通過學習各種企業流程與規範,工作流 Agent 能迅速適應不同崗位職責,並且快速複製出一個個 “ 數字員工 ” 。

拿保險行業來説吧,百度智能雲正和保險公司合作,弄出個車險續保售前的數字員工。以前培養一個員工得花一兩年時間。現在用工作流 Agent 開發金牌銷售數字員工,最快一個小時就能弄好上線。而且這個工作流 Agent 還能很快地集成到百度搜索、微信公眾號、企業官網這些業務系統裏。
大會上百度也來了波現場演示 ,咋説呢,要不是事先知道答案,我還真猜不出對面原來是個 AI 數字員工。。。
另外説起來你們可能不信,因為有了數據飛輪和模型蒸餾的加持,這大模型還會越用越聰明,越用效率越高。
這麼説吧,模型上線後會持續從線上採樣用户線上真實的數據,模型會標註好回答的好壞,用於繼續推進模型的更新,數據的輪子,就這麼轉了起來。

包括 ModelBuilder 還能根據優質的數據,蒸餾出一個輕量級大模型,目前百度優選就用上了,它提取商品屬性,新模型能達到 90% 的旗艦級模型效果,同時也能達到 3-4 倍的旗艦級模型的速度,效果和性能就這樣達成了平衡。
最後世超想説的是,在大模型到應用的這條路上,實際上很多中小企業,都被攔在了 “ 最後一公里 ” ,而千帆們所做的,就是把這最後的路打通。
硅谷有一句經典的 “ 老話 ” ,叫做 “ 軟件吞噬世界 ” 。
而世超覺得,世界會不會被軟件吞噬咱不好確定,但在 AI 的普及,並且從 AI 到應用這條路越來越通暢的情況下,軟件肯定會讓咱們的生活和生產更便利。
圖片、資料來源:
百度世界大會現場、百度智能雲千帆平台
