超越聊天机器人:用上下文信息打造未来的应用内AI体验
探讨了将AI助手融入应用内部,提供与用户体验无缝结合的上下文帮助的潜力。作者们认为,现有的以文本为中心、基于轮流对话的聊天机器人并不代表AI体验的未来。他们提出了一种新的AI助手模型,这种助手能够帮助用户学习、导航,以及更有效地使用他们日常工作中的界面。
作者们强调,应用内AI体验的未来在于有效利用上下文信息。他们设计了一个基于定制嵌入技术的检索架构,能够准确找到与用户查询和上下文最相关的信息,并通过一个多模态提示系统来生成有意义的回应。文章还特别指出,在构建应用内助手时,需要同时考虑静态和动态的上下文信息[1]。
静态上下文是指那些固定不变且可以在应用构建时就确定下来的信息,例如与应用相关的文档和其他帮助支持资源。而动态上下文则是在应用运行时根据不同用户和不同场景收集的信息,与用户正在看到和操作的内容紧密相关,如用户和公司背景、运行时的错误和视图状态、窗口信息、语义HTML信息及视觉UI信息。
作者们进一步讨论了在构建AI系统时利用多种上下文信息的重要性。他们提出了一种系统,该系统可以索引各种信息源和操作,根据用户的查询和应用内的动态上下文检索相关信息,并以此为基础,结合用户的查询和上下文信息,为多模态大语言模型(LLM)生成有意义的回应,从而增强应用内体验。
总的来说,作者们相信,通过解决现有嵌入式聊天体验中的问题,可以根本性地改变应用内助手的工作方式,使其更具上下文意识、更加用户友好,并更好地融入用户的体验。