會(huì)起標(biāo)題、能排版！編輯部被AI包圍了

2024-12-23 07:32:39 分類：綜合 閱讀(86155)

不瞞大家說(shuō)，標(biāo)題版編被AI包 AI 已經(jīng)全面融入差評(píng)了。輯部

當(dāng)然，標(biāo)題版編被AI包并不是輯部說(shuō)現(xiàn)在這篇稿子，就是標(biāo)題版編被AI包用 AI 生成的，而是輯部 AI 已經(jīng)幫編輯部解決了不少那些看似簡(jiǎn)單，但卻確實(shí)有些關(guān)鍵的標(biāo)題版編被AI包要緊事兒。

就比如大伙們可能想不到，輯部雖然差評(píng)編輯部日常的標(biāo)題版編被AI包工作的是拖寫稿，但在幾年前，輯部咱們公司里其實(shí)是標(biāo)題版編被AI包有專職的程序員的。

特別是輯部在公眾號(hào)后臺(tái)排版時(shí)，差評(píng)有自己專屬排版格式，標(biāo)題版編被AI包但秀米這類的輯部工具第三方其實(shí)不夠用，程序小哥就給咱順手開(kāi)發(fā)了個(gè)排版插件，標(biāo)題版編被AI包能一鍵排版。

后面因?yàn)闃I(yè)務(wù)調(diào)整，插件暫時(shí)也沒(méi)啥 BUG 要修，頭發(fā)越來(lái)越茂密的程序員小哥，也選擇了離開(kāi)。

但后面的幾年，咱們的排版格式每年都在更新，微信后臺(tái)也在各種改版，隨著時(shí)間的推移，這個(gè)插件越來(lái)越難滿足大家的需求，各種小 BUG 也冒了出來(lái)。

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(chǎn)品，這個(gè)插件依舊是最接近差評(píng)文章格式要求的工具。

所以，就連程序員小哥自己都沒(méi)想到，自個(gè)兒已經(jīng)離職了三年，我們還在繼續(xù)用著這個(gè)插件。

而在去年的年底，在后程序員時(shí)代，我們終于給這個(gè)排版插件，來(lái)了一次遲到的更新。

當(dāng)然，編輯部并不是花錢重新請(qǐng)了個(gè)程序員，也不是編輯們的代碼水平突飛猛進(jìn)，而是一位完全對(duì)代碼零基礎(chǔ)的同事，抱著試一試的心態(tài)，用 AI 寫了代碼，上架了 Chrome 應(yīng)用商店，完成了這一波更新。

而現(xiàn)在，我們都稱他為差評(píng)張小龍。

只能說(shuō)誰(shuí)也沒(méi)想到，一直在 Debug the world 的我們，最后卻靠著 AI Debug 了差評(píng)自己的 Bug 。。。

另外，編輯部其實(shí)還一直有個(gè)甜蜜的煩惱，困擾了大家好多年。

大伙們都知道，公眾號(hào)自帶的搜索功能突出的，就是一個(gè)進(jìn)步空間巨大。

不僅文章不好搜索，數(shù)據(jù)閱讀量超過(guò)十萬(wàn)的文章，公眾號(hào)在前臺(tái)還只會(huì)顯示 10w+ ，具體的閱讀是十萬(wàn)加多少，就必須登錄微信的公眾號(hào)后臺(tái)查看。

但差評(píng)公眾號(hào)天天十萬(wàn)加，再加上編輯團(tuán)隊(duì)人數(shù)也越來(lái)越多，后臺(tái)權(quán)限綁定的人數(shù)其實(shí)是有限的，尋找相應(yīng)文章和閱讀量數(shù)據(jù)，就變得麻煩了起來(lái)。

所以，當(dāng)某個(gè)編輯忘記某篇文章的閱讀量時(shí)，一般就只好讓有后臺(tái)的權(quán)限的同事幫忙看一眼數(shù)據(jù)，或者是幫忙掃個(gè)碼。

最后同樣是 AI ，解決了這個(gè)甜蜜的煩惱。

因?yàn)槲覀冎苯佑靡痪湓挘冒俣戎悄茉魄Х竽Ｐ推脚_(tái)的 AppBuilder ，做了個(gè) “ 文章閃電搜索器 ” 。

我們只要把運(yùn)營(yíng)同事那邊匯總好的 Excel 數(shù)據(jù)，加入數(shù)據(jù)庫(kù)中，這個(gè)文章閃電搜索器，就成了個(gè)差評(píng)公眾號(hào)內(nèi)部數(shù)據(jù)通。

而且方便的是，我們可以選擇把這個(gè) Agent 發(fā)布到微信小程序、網(wǎng)頁(yè)、微信訂閱號(hào)等等的平臺(tái)上。

突出得那叫一個(gè)想用即用。

世超也通過(guò)微信小程序的入口，簡(jiǎn)單試了試這個(gè)用幾分鐘就搭好的 Demo 。

在世超的提問(wèn)下，文章閃電搜索器很快就給出了正確答案，《 火了 6 年后，國(guó)潮開(kāi)始塌房了。 》這篇文章閱讀量到了 120 多萬(wàn)，包括鏈接也是正確的。

并且，因?yàn)榍Х?AppBuilder 記憶能力，咱還能繼續(xù)追問(wèn) “ 該作者上一篇百萬(wàn)加的文章是哪篇 ” ？

文章閃電搜索器也是突出一個(gè)快，立馬給出了正確答案。

而同樣的 AI 故事，其實(shí)也發(fā)生在差評(píng)的 B 站視頻部門。

這么說(shuō)吧，雖然差評(píng)君的視頻看起來(lái)那叫一個(gè)靚仔，但咱們的同事在寫稿，特別是起標(biāo)題時(shí)，常常那叫一個(gè)狼狽。

不夸張地說(shuō)，寫文章 2 小時(shí)，糾結(jié)標(biāo)題要花 3 小時(shí)的情況那是經(jīng)常的事情。

這時(shí)候，如果有個(gè)能起標(biāo)題的大模型，其實(shí)能省不少力，最起碼也能啟發(fā)我們一些起標(biāo)題的新角度。

于是乎， B 站差評(píng)君部門，就想到了用千帆大模型平臺(tái)的 Modelbuilder ，調(diào)教出一個(gè)適合 B 站這個(gè)平臺(tái)的起標(biāo)題大模型。

首先，世超準(zhǔn)備給大家講講精調(diào)大模型的必要性，就像很多行業(yè)里都有自己的黑話一樣，外行常常是聽(tīng)得一頭霧水。

AI 其實(shí)也這樣，對(duì)于外行 AI 而言，可能就不明白差評(píng)的火鍋是啥意思。

而經(jīng)過(guò)精調(diào)的大模型，則會(huì)和十年老粉一樣，理解差評(píng)的一些黑話。

同樣在很多情況下，通用的 AI 不太懂什么是好的標(biāo)題，或者說(shuō)不太清楚哪些標(biāo)題是適合 B 站，哪些標(biāo)題是適合其他平臺(tái)的。

就比如《 仿生醫(yī)療設(shè)備: 從蚊子口器到人類健康 》這標(biāo)題，我覺(jué)得比起視頻平臺(tái)，更適合發(fā)知網(wǎng)。

所以，我們抓取了 B 站 1300 條熱門視頻的內(nèi)容和標(biāo)題數(shù)據(jù)，通過(guò)千帆訓(xùn)練了個(gè) B 站起標(biāo)題懂哥大模型。

大伙們也可以對(duì)比一下，相比沒(méi)經(jīng)過(guò)調(diào)教的版本，新模型給出的標(biāo)題，明顯就更加對(duì)味兒了。

當(dāng)然，說(shuō)實(shí)話 1000 條左右的數(shù)據(jù)，并不算多，相信隨著數(shù)據(jù)集的擴(kuò)大，效果也會(huì)越來(lái)越好。

其實(shí)，通過(guò)上面幾個(gè)世超身邊實(shí)際的案例，大家也應(yīng)該會(huì)發(fā)現(xiàn)，即便是差評(píng)這么一個(gè)小小的編輯部，對(duì)于 AI 也都有著各種各樣的需求，更不用說(shuō)其他無(wú)數(shù)中小企業(yè)了，并不是用一個(gè) TO C 的通用聊天機(jī)器人，就能解決一切問(wèn)題的。

但比如說(shuō)提示詞咋寫，如何精調(diào)模型，應(yīng)用的能力不給力怎么辦等等，都是行業(yè)內(nèi)在用大模型時(shí)，普遍存在的問(wèn)題。

而在體驗(yàn)百度智能云千帆的 AppBuilder 和 Modelbuilder 過(guò)程中，世超也看到了百度是怎么一一解題的。

比如大伙們都擔(dān)心提示詞寫不好，影響了最終的效果，而千帆直接預(yù)置近 300 個(gè)行業(yè)場(chǎng)景的 prompt 模版。不知道咋精調(diào)模型？千帆也直接給了開(kāi)箱即用的模型精調(diào)樣板間，支持超過(guò) 3 萬(wàn)個(gè)模型的精調(diào)。

另外在傳統(tǒng)企業(yè)中，那些復(fù)雜的事兒和任務(wù)，基本都得靠專家的經(jīng)驗(yàn)固定好的流程，也就是工作流。哪怕數(shù)字化已經(jīng)搞了這么多年的今天，工作流也依舊是守舊派，沒(méi)什么新突破。

另一方面大模型確實(shí)是很強(qiáng)，相當(dāng)于一顆會(huì)思考的大腦，但 “ 幻覺(jué) ” 問(wèn)題卻一直讓人頭疼。相信大伙們也都想到了，把工作流和大模型整一塊兒，其實(shí)剛好能取其長(zhǎng)避其短。

這次百度世界大會(huì)上，百度智能云千帆大模型平臺(tái)搞出了個(gè) “ 工作流 Agent” 的功能。通過(guò)學(xué)習(xí)各種企業(yè)流程與規(guī)范，工作流 Agent 能迅速適應(yīng)不同崗位職責(zé)，并且快速?gòu)?fù)制出一個(gè)個(gè) “ 數(shù)字員工 ” 。

拿保險(xiǎn)行業(yè)來(lái)說(shuō)吧，百度智能云正和保險(xiǎn)公司合作，弄出個(gè)車險(xiǎn)續(xù)保售前的數(shù)字員工。以前培養(yǎng)一個(gè)員工得花一兩年時(shí)間?，F(xiàn)在用工作流 Agent 開(kāi)發(fā)金牌銷售數(shù)字員工，最快一個(gè)小時(shí)就能弄好上線。而且這個(gè)工作流 Agent 還能很快地集成到百度搜索、微信公眾號(hào)、企業(yè)官網(wǎng)這些業(yè)務(wù)系統(tǒng)里。

大會(huì)上百度也來(lái)了波現(xiàn)場(chǎng)演示 ，咋說(shuō)呢，要不是事先知道答案，我還真猜不出對(duì)面原來(lái)是個(gè) AI 數(shù)字員工。。。

另外說(shuō)起來(lái)你們可能不信，因?yàn)橛辛藬?shù)據(jù)飛輪和模型蒸餾的加持，這大模型還會(huì)越用越聰明，越用效率越高。

這么說(shuō)吧，模型上線后會(huì)持續(xù)從線上采樣用戶線上真實(shí)的數(shù)據(jù)，模型會(huì)標(biāo)注好回答的好壞，用于繼續(xù)推進(jìn)模型的更新，數(shù)據(jù)的輪子，就這么轉(zhuǎn)了起來(lái)。

包括 ModelBuilder 還能根據(jù)優(yōu)質(zhì)的數(shù)據(jù)，蒸餾出一個(gè)輕量級(jí)大模型，目前百度優(yōu)選就用上了，它提取商品屬性，新模型能達(dá)到 90% 的旗艦級(jí)模型效果，同時(shí)也能達(dá)到 3-4 倍的旗艦級(jí)模型的速度，效果和性能就這樣達(dá)成了平衡。

最后世超想說(shuō)的是，在大模型到應(yīng)用的這條路上，實(shí)際上很多中小企業(yè)，都被攔在了 “ 最后一公里 ” ，而千帆們所做的，就是把這最后的路打通。

硅谷有一句經(jīng)典的 “ 老話 ” ，叫做 “ 軟件吞噬世界 ” 。

而世超覺(jué)得，世界會(huì)不會(huì)被軟件吞噬咱不好確定，但在 AI 的普及，并且從 AI 到應(yīng)用這條路越來(lái)越通暢的情況下，軟件肯定會(huì)讓咱們的生活和生產(chǎn)更便利。