大语言模型

为什么 AI 需要一次 Web 2.0 式的革命？

2024 年 12 月 3 日

大模型 AI 行业正在寻找 2.0 时代的入口。

因为 Web 2.0 的降临，就是上一轮互联网革命，最重要的爆发节点。行业在经历了千禧年的泡沫破裂后，很多人一度认为计算机对大多普通人「没有实用价值」。但随着 Web 2.0 革命，UGC、社交媒体开始出现，把所有人代入了「裂变传播」的时代，之后的智能手机、移动互联网革命，就建立在此之上。

自此之后，每一款互联网产品的成功，都与「与性」息息相关，只有能调动用户的产品才是好产品。

但过去两年，大模型 AI 产品面临的，就是「参与」的难题。模型的性能越来越强，相关产品应用越来越多，但大多数普通用户，依然没有被调动起来。ChatGPT 完成了互联网历史上最快的冷启动，又最快遇到了增长的瓶颈，其他聊天机器人产的命运也大多类似。

很大程度上，今天的大模型 AI，需要一场类似 Web 2.0 的革命。通过降低技术门槛，拓宽开发生态，激发出有效的用户需求和产品供给。

11 月 28 日，扣子平台推出了今年最重要的更新，Project IDE。通过 UI Builder、应用模版，将 AI 应用的开发门槛进一步降低，且丰富了 AI 应用的交互范式，他们正在尝试将大模型 AI 应用开发代入「2.0 时代」。

为什么 AI 需要一次「2.0」更新？

要理解 AI 应用开发的 2.0 时代，我们需要先回到 20 年前。

2000 年以前，互联网还是一个类似电视和广播的「单向传播系统」。在 Web 1.0 时代，大部分人用电脑上网，基本只进行「浏览」，你可以阅读上面的新闻、文章，查询天气等信息。

这时的网页就像一张报纸，只不过设立一个页面的成本比发行报纸要低得多。所以很多人都可以建立自己的主页，整个互联网上网站的数量很多。

定义 Web 1.0 时代的应用是搜索引擎，因为整个互联网上有大量的网站，大家很难找到自己需要的信息，Google 通过关键词搜索和网页排序算法，建立了搜索引擎，人们就更容易找到自己想要的信息。

而今天的 AI 聊天机器人，它和搜索引擎在逻辑上有着很大的相似之处。它们的交互界面都是一个输入框，让用户输入关键词、提示词，AI 大模型生成内容的过程其实也就像一种「权重排序算法」，通过语言模型，把「权重最高」的词语提取出来，生成连贯的语句。

这里最大的问题在于，大部分用户，并没有自我挖掘需求的能力。在 Web 1.0 时代，他们可能并不知道自己想搜的是什么，在 AI 大模型的时代，他们又难以编写出完整严密的提示词。

所以 2000 年以后，第一轮互联网泡沫破裂，当时大部分互联网公司的用户和收入增长都不足预期，股价暴跌，包括雅虎在内的一大批互联网巨头都被时代重刷下去。

直到 2003 年后，MySpace、Facebook、Twitter 相继上线，Web 2.0 的时代到来了。

Web 2.0 让用户不再只是内容的消费者，而是成为了创造者，「社交媒体」的概念诞生，平台的内容量得到极大充实。与此同时，围绕各个社交媒体平台的「二次开发」也出现了，Web 2.0 时代的社交媒体，往往会开放很多产品接口，让开发者可以基于这些产品，二次开发出更多功能，满足用户不同的需求。

其中最典型的案例之一就是 Twitter。早期的 Twitter 只是一个短内容发布平台，但因为有着开放的第三方开发生态，Twitter 迅速成为了「独立开发者的游乐场」，各种第三方客户端、自动化 app 都被开发出来，使 Twitter 在早期竞争中，战胜了一大批对手。

2008 年，Twitter 的第三方客户端 Twitteriffic 成为了 App Store 前十热门应用

回到今天，大模型 AI 面临的状况其实与 Web 2.0 的前夜非常类似。当下大模型已经有了强大的生成能力，但大部分用户利用它的效率依然不高，很多基于大模型能力的产品应用已展现出强大的能力，比如针对视频的多模态实时字幕生成、并可以翻译，但这显然只是 AI 能做到事情的冰山一角。

特别是随着大模型训练效率的提升，同性能模型的运算成本已经在飞速下降，AI 产品化的展开面正在被拓宽。

为 AI 应用开发「搭一座桥」

今天，AI 产品开发的主力军是技术人员，其中有独立开发者。

造成这种情况的主要原因是，AI 产品的代码往往并不复杂，开发工作量不大，很多功能都是通过大模型的接口实现。但这个代码门槛依然存在，过去「产品经理 + 程序员」的开发模式反而不适用了。第一批 AI 创业者里，有很多都是自学代码，以实现从 0 到 1 的产品开发。

这种现状意味着，AI 开发社群里还有很多潜在力量，没有被调动起来。他们可能是产品经理、设计师，更懂产品需求、设计交互，但不一定有代码经验。如果能在大模型平台和他们之间搭一座桥，进一步降低 AI 产品的代码门槛，就能给 AI 产品开发带来更大势能。

这就是扣子过去一年花精力最多，致力于实现的事：帮助创业者以最快的速度实现从 0 到 1 的应用搭建和迭代。

扣子实现的最大改变，就是对「交互」的颠覆，通过 UI Builder，AI 产品的交互不再局限于对话，而是可以加入更多按钮、菜单、选项，来规范用户输入。

当然，对话式交互是大模型 AI 应用最重要的特点和优势，因为自然语言是人类最天然的表达方式。但在很多高频、标注化的场景里，对话不应是唯一的交互方式。

比如在一个行程规划的 AI 应用里，模型需要参考的目的地、旅行时间、人数、预算……如果只用对话式 UI，就需要多轮追问，用户体验反而不好。这里完全可以固定好一个模版，形成菜单、选项，供用户填写选择，通过这种方式避免 prompt 里的信息错漏。

同样的逻辑同样适用于写作助手应用，针对不同体裁的文章，可以直接提前进行功能划分，并提前在写作要求等要填写「提示信息」的地方填入范例，这样用户只需要基于范例修改，就可以输入更高质量的提示词。

提示词的输入效率和质量，正是目前 AI 产品面临的最大难题之一，大部分用户都很难编写出详尽完整的提示词。扣子通过在开发端加入 UI Builder，基于工作流的开发思路，将很多提示词的编写都拆分成产品功能，为 AI 产品铺好了台阶。

除此之外，扣子还在尝试解决 AI 产品的另一个难题，记忆。

目前大部分 AI 产品的用户数据库，往往都比较简陋，且有明显的「稀释」问题。用户在一个对话的前半段输入的信息，随着对话的不断进行，会迅速被稀释，AI 大模型会忘掉这些关键信息，最终偏离用户最初的意愿。

针对这个问题，扣子在工作流中加入了知识库写入、SQL 数据库查询的能力，用户输入的内容，不再只是模糊的 prompt，而是可以成为确切的数据，被写进应用。这里的数据可以是确切的时间、日期、行为，也可以是用户的特定想法，输入后这些数据就能够被反复调取，且不会被神经网络稀释。

比如之前一度很火的 App「胃之书」，用户可以通过拍照，让 AI 来记录每天的食谱，分析营养摄入。在加入了数据读写能力后，App 就可以将每天的食谱信息、营养，以数据的形式储存，之后进行多次调用。比如用户就可以知道自己每周、每个月的饮食健康程度，回顾自己「这个月吃了几次薯条」，「有多少天热量超标」。

大模型 AI 的一个特征，也是弱点，就在于它输出的内容的保质期太短了，需要转化为「数据」，才能为用户提供更长期的效用和价值。通过扣子的 UI Builder 和数据库能力，独立开发者可以将 AI 大模型与更多场景结合，比如「运动书」、「旅行书」、「星座命理书」，通过完整长效的前后端，形成长期的交互循环。

而这些，还只是当下扣子平台新功能的几个应用范例。这些新的开发功能，将为大模型 AI 应用开发「搭一座桥」，弥合模型和用户之间的距离，解锁更多 AI 应用的可能性。

AI 应用的未来需要「UGC」

Project IDE 的推出，不仅意味着扣子搭建起了一个更完整的 AI 应用开发平台，还降低了 AI 开发的门槛。

通过「AI 应用模版」和「工作流」，扣子已经能够实现近似「零代码」的 AI 应用开发。即便是没有代码能力的爱好者，也能够通过扣子可视化的工作流界面，将不同的 AI 功能组合在一起，还可以对功能模版进行修改。

扣子工作流的界面，有点像当年 iOS 的 Workflow 应用，或 IFTTT，它们分别是针对 iPhone 和线上互联网服务的自动化工具，通过图形化的界面，将不同的软件功能整合到一起，形成一个新的「程序」。

通过这种门槛较低的「二次开发」，即便是没有专业代码能力的用户，也可以做出满足自己的个性化需求的程序，且还可以互相分享。某种程度上，这就是应用程序领域的「UGC」。

而现在，扣子通过对 AI 应用模版的可视化，也打造了一个「人人可参与」的 AI 应用生态。比如用户可以下载一个练习英语写作的 AI 应用模版，通过修改其中的提示词，将它进行更细化的调整。比如要求它着重优化语法错误，或者是着重将过于简单的用词换成更专业的词汇……当然也可以把练习英语换成其他语言。

目前扣子平台上已经有上百个模版，可供用户调用、编辑。因为这些模版的核心往往都是一系列流程加上一个或数个「提示词文档」，所以它们的可编辑空间很大，理解门槛也并不高，即便是普通用户也能上手。

而且，「应用模版」本身也是扣子开发生态的一部分，开发者可以将自己编写的应用模版上架商店，进行变现。这种模式已相当成熟，此前 notion 在上线了 AI 功能之后，也迅速涌现了上百个工作模板，其中一半以上均为付费模版，形成了健康的商业生态。

正因为 AI 大模型能力是一种抽象的智能，并不针对任何具体的需求、功能，所以在将 AI 产品化的过程中，很需要这样的「二次开发」，将抽象的大模型能力，捏合成具体的形状，最终满足特定的需求。

如果说当下的 AI 需要一次 Web 2.0 式的革命，它的实现方式或许就是鼓动用户来创造 AI 应用的「UGC」。

朝着这一目标，扣子也建立了自己的开发者社群，并且将于 12 月 19 日，在火山引擎上海冬季 FORCE 原动力大会上，进行「扣子开发者日（Coze AI Developer Day）」分论坛活动。开发者有机会和团队面对面，听到资深扣子开发者的案例分享，并且一起探讨 AI 应用开发的更广阔未来。。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

为什么 AI 需要一次 Web 2.0 式的革命？

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单