AI助手 on 科技刺猬

月之暗面 Kimi：长文本是它的杀手锏

Fri, 15 Dec 2023 00:00:00 +0000

今年的 AI 助手一个比一个能聊，但真到干活的时候，很多人会发现一个尴尬：让它读一份几十页的报告，它读到一半就忘了前文。月之暗面旗下的智能助手 Kimi 在 2023 年 10 月上线时，瞄准的就是这个痛点——超长上下文。

长文本到底长到什么程度

Kimi 上线时主打的卖点是支持 20 万字的上下文输入。这个数字什么概念？一篇硕士论文正文通常在三到五万字，一份公司的年度报告也就几万字，20 万字差不多等于好几本书的体量。也就是说，你可以把一整份长文档扔给它，再问它问题。

实际用起来，体验和传统助手确实不一样。比如读论文：把 PDF 发给 Kimi，让它先提炼研究问题、方法和结论，再针对某个章节追问细节，它能保持上下文不跑偏；整理会议纪要或者采访录音转写稿时，让它按主题归纳要点，也比逐段复制粘贴省事得多。

不过也要实事求是：上下文长不等于理解无限深。文档越长，模型在细节上的遗漏和 hallucination（胡编）风险也会上升。关键结论最好还是自己回原文核对一遍，把 Kimi 当作"速读助手"而不是"最终答案"。

哪些场景最适合它

第一类是学生和研究者。读文献、写综述的时候，Kimi 可以先帮你筛一遍：这篇论文讲了什么、方法和别人的区别在哪、结论可不可靠。有了这层初筛，再决定哪些值得精读，效率提升很明显。

第二类是职场里的长文档处理。几十页的合同、招股书、行业报告，让 Kimi 先提炼结构和关键条款，再人工复核重点部分，比从头读到尾省时间。需要注意的是，涉及商业机密和敏感信息的文档，上传到任何第三方 AI 服务之前都要先评估合规风险。

第三类是内容创作者。把采访录音、素材文档、过往文章一起扔给它，让它帮忙梳理时间线、找金句、列大纲，长文本处理能力在这里很对路。

长文本的边界：不是越长越好

20 万字的上下文听起来很唬人，但实际使用中有几个边界值得了解。

首先是"有效上下文"和"标称上下文"的区别。模型能接受 20 万字输入，不代表它对第 1 万字和第 19 万字的记忆同样清晰。业界有个说法叫"中间丢失"：模型对文档开头和结尾的信息记得最牢，中间部分反而容易遗漏。所以处理超长文档时，一个实用的技巧是把关键问题拆成几段，分段提问，再让模型汇总，而不是指望一次提问就得到完美答案。

其次是文件格式的限制。Kimi 支持常见的文件格式上传，但扫描版 PDF、图片型文档需要先经过文字识别，识别质量会影响后续的理解效果。上传之前先确认文档里的文字是可选中的文本层，而不是纯图片，能省去很多麻烦。

还有一个实际问题是响应速度。文档越长，模型处理的时间越久，复杂问题可能要等上一两分钟。赶时间的时候，不妨先让它提炼大纲和结论，再针对感兴趣的部分深入追问，分步走反而更快。

免费与使用门槛

Kimi 上线初期对普通用户比较友好，基础功能免费使用，这也是它能快速积累口碑的原因之一。不过长文本处理本身成本不低，随着用户量增长，免费额度和高级功能的划分可能会调整。对重度用户来说，关注一下它的会员政策变化是有必要的。

另外，Kimi 目前主要还是网页端和 App 的形态，没有像某些助手那样深度集成进办公软件。它的使用场景相对聚焦：打开浏览器、上传文档、开始提问。这种专注既是优点——产品目标清晰，也是局限——它不太适合需要跨应用协作的复杂工作流。

几个实用的使用技巧

用 Kimi 处理长文档，有几个小技巧能让效果更好。

第一，提问之前先让它列大纲。把文档发过去之后，先问"这篇文档的结构是什么，主要讲了哪几个问题"，拿到大纲再针对感兴趣的部分追问。这样做的好处是，你能快速判断它有没有理解对文档结构，避免在错误的方向上越聊越偏。

第二，关键信息要求它标注出处。让它在回答时注明"根据文档第几部分"或者引用原文片段，这样核对起来方便得多，也能及时发现它有没有 hallucination。养成这个习惯之后，长文档处理的可靠性会明显提升。

第三，大文档分段处理。如果一份文档特别长，可以先按章节拆成几个文件，分别让 Kimi 提炼要点，最后再把各部分的要点汇总成一份总纲。虽然多了一步，但每一步的准确率都更高，总体的效果反而更好。

第四，善用它的文件管理。经常要反复查阅的文档，可以固定放在一个对话里持续追问，而不是每次都重新上传。Kimi 的对话是支持多轮的，同一个对话里追问，上下文是连贯的，效率比开新对话高得多。

和同类助手的区别

今年国内的 AI 助手不少，豆包、文心一言、通义千问各有侧重。Kimi 的差异化就一条：把长上下文做到了极致。别的助手也在扩上下文，但 Kimi 上线时把"长"当成了品牌标签，产品设计也围绕着读文档、处理长内容展开。

字节豆包上线：又一个 AI 聊天助手，胜算在哪

Wed, 23 Aug 2023 00:00:00 +0000

今年的 AI 助手赛道，几乎每个月都有新玩家入场。8 月，轮到了字节跳动：旗下 AI 聊天助手"豆包"开启内测，主打对话、写作与搜索辅助。

如果你对今年的 AI 助手格局还有印象，年初是 ChatGPT 一骑绝尘，接着国内厂商陆续跟进，百度的文心一言、阿里的通义千问先后亮相。现在豆包入场，意味着国内几家大厂基本到齐，竞争从"有没有"进入了"好不好用"的阶段。

豆包是什么定位

从目前内测版本看，豆包的定位很"字节"：不强调晦涩的技术参数，强调"好用、好玩、能落地"。对话、写文案、做总结、辅助搜索，都是普通用户每天真的会用的场景。

这个思路和字节一贯的产品哲学一致：先把体验做顺滑，让尽可能多的人用起来，再谈技术领先。抖音、今日头条都是这么起来的。AI 助手这个品类，最终拼的很可能不是谁的模型参数最大，而是谁最懂普通用户每天要什么。

和同类产品比，差别在哪

横向看，豆包面对的对手各有特点：

ChatGPT 是开创者，生态和插件最成熟，但国内访问门槛高。
文心一言、通义千问 背靠大厂的搜索和云业务，中文语境理解是强项。
豆包的优势在流量入口和产品化能力：字节系产品的日活摆在那里，一旦在抖音、今日头条里打通入口，用户获取成本会比对手低得多。

当然，内测阶段谈胜负还太早。AI 助手的核心体验——回答准不准、幻觉多不多、长对话会不会跑偏——需要大规模真实使用才能检验。内测用户的反馈，接下来几个月会很关键。

字节真正的底牌

很多人聊豆包只聊模型，其实字节真正的底牌在别处：场景。

搜索、内容、社交、电商，字节手里握着一整条用户行为链。AI 助手如果只停留在"聊天框"，价值有限；但如果能嵌进搜索、创作、办公这些具体场景，变成"做事的助手"而不是"聊天的玩具"，想象空间就大得多。这也是为什么各家大厂都在抢 AI 助手入口：它可能是下一个十年的流量中枢。

反过来看，风险同样明显。AI 助手的内容合规、隐私边界、模型幻觉，都是悬在头顶的问题。跑得快的同时，刹车也得灵。

内测阶段，重点看这几个体验点

内测版本最值得试的，其实是几个高频场景的完成度。

写作辅助。 给个主题让它写段文案、改写一段话、把长文缩成摘要，看它输出的东西能不能直接用，还是要大改。AI 助手之间的差距，往往就在这种"能不能少改两遍"的地方。

搜索辅助。 问它一些需要查证的问题，看它给不给信息来源、说不说"不确定"。敢承认不知道的助手，比一本正经编答案的助手可信得多。

多轮对话。 连续追问三四个问题，看它还记不记得前面的上下文。很多助手第一轮答得漂亮，第二轮就开始跑偏，这就是长对话能力的差距。

语音和多模态。 如果支持语音输入、图片理解，可以顺手试试。这些能力决定了助手能不能走出聊天框，进入更多真实场景。

试的时候不用每个功能都测，挑你每天最常用的两三个场景，连续用一周，顺手不顺手自然有答案。

字节做 AI 助手，难在哪

说到底，字节做 AI 助手面临的挑战，和其他大厂是一样的：模型能力、算力成本、内容合规，三座大山一座都绕不开。

模型能力决定下限，算力成本决定能免费给多少，合规决定能走多快。这三件事里，字节在产品化和流量上有优势，但在底层模型积累上起步并不算最早。豆包能不能后来居上，很大程度上取决于字节愿不愿意在这个方向上持续投入，而不是只做一款跟风产品。

还有一个变量是出海。字节的海外产品矩阵庞大，AI 助手如果能在海外市场找到落点，想象空间会更大。但海外市场的合规环境更复杂，数据、隐私、内容审查的要求各不相同，这条路并不好走。

普通用户该怎么看

对普通用户来说，结论很简单：多一个选择是好事。不用急着站队，也不用每个新助手都追着尝鲜。选一两个顺手的长期用，比在十个 App 之间来回横跳更有价值。

豆包值不值得长期用，取决于接下来三个问题：回答质量稳不稳、和字节系产品的联动顺不顺、免费额度够不够用。内测期先体验，正式版再决定，这才是最省事的姿势。

今年这场 AI 助手竞赛，从 ChatGPT 走红开始，到文心一言亮相，现在又添了豆包。玩家到齐了，好戏才刚刚开始。

微软 Build：Windows 11 要有自己的 Copilot 了

Thu, 25 May 2023 00:00:00 +0000

微软在 5 月 23 日的 Build 开发者大会上，扔出了一个 Windows 用户等了很久的消息：Windows 11 要内置 AI 助手 Copilot，6 月起向测试版用户推送预览。这不是又一个聊天窗口，而是一个长在系统里的助手，能直接操作设置、调用应用、处理文件。

Copilot 能干什么

按微软演示的场景，Copilot 会以侧边栏的形式常驻在 Windows 11 里。你可以像聊天一样对它说话：让它"把系统调成深色模式"，它就直接改设置；让它"总结一下这个文档"，它就读文件给摘要；让它"帮我找上周下载的图片"，它就去翻文件。

和浏览器里的聊天机器人最大的区别，是 Copilot 能"动手"。以前的 AI 助手大多只能动嘴，告诉你怎么做；Copilot 的目标是直接帮你做。这也是微软敢把它放进系统的原因：它有权限调用 Windows 的各种功能，而不只是一个网页插件。

当然，预览版的功能一定会比演示克制。微软明确说了，6 月先给测试版用户，正式版要等后续更新。演示里那些流畅的操作，到了真实环境里可能会慢半拍、偶尔理解错意思，这都是预览版的常态。

和必应聊天有什么区别

今年早些时候，微软已经把 AI 聊天塞进了必应搜索和 Edge 浏览器。很多人会问：Windows Copilot 和必应聊天是不是一回事？

定位上不一样。必应聊天解决的是"查"的问题，背后连着搜索；Windows Copilot 解决的是"做"的问题，背后连着操作系统和本地应用。前者适合问问题、找资料，后者适合改设置、整理文件、跨应用干活。打个比方，必应聊天像个博学的顾问，Windows Copilot 更像一个能进你电脑里帮忙的助理。

底层模型有重叠，但这不重要。对用户来说，记住一个原则就够了：需要联网查东西，去必应；需要在电脑上干活，等 Copilot。

普通用户该怎么准备

如果你是 Windows 11 用户，现在不用急着做什么。预览版 6 月先推给测试渠道，正式推送还要等一段时间。真正想尝鲜的人，可以先把系统更新到最新版，注册 Windows 预览体验计划的开发频道，等 Copilot 上线后第一时间体验；但要做好心理准备，预览版可能有 Bug，不建议装在主力工作机上。

还有一个值得提前想的问题：权限。Copilot 能读文件、改设置，意味着你要给它相应的授权。微软强调隐私和安全，但再完善的机制也替代不了自己的判断：涉及敏感文件、公司资料的操作，初期最好先手动确认，别完全交给 AI。

开发者视角：插件生态是关键

Build 毕竟是开发者大会，微软这次也没忘了开发者。Copilot 的能力边界，很大程度上取决于插件生态：第三方应用能不能把自己的功能接进 Copilot，让用户一句话就能调用。微软在 Build 上公布了 Copilot 的插件机制，思路和浏览器插件类似——开发者把服务封装成插件，用户在 Copilot 里直接调用，比如查机票、订酒店、操作某个专业软件。

Excel 里让 AI 帮忙：几个立刻能用的提效办法

Sat, 15 Apr 2023 00:00:00 +0000

Excel 用得最多的人，往往不是公式背得最熟的人，而是最会"偷懒"的人。现在有了 AI 助手，这种偷懒可以更理直气壮一点。下面几个办法，不用装新软件，打开 AI 对话框就能用。

第一招：让 AI 帮你写公式。很多人卡在"知道要什么结果，但不知道公式怎么写"。比如要从一列混合文本里提取手机号，或者按条件统计某个区间的销售额，直接把需求用大白话告诉 AI：“A 列是订单日期，B 列是金额，帮我写一个统计 3 月份总额的公式”，它通常能直接给出可用的公式。拿到之后别急着全表套用，先在少量数据上试算，确认结果无误再往下拖。

第二招：让 AI 帮你理数据。拿到一份乱糟糟的表格——日期格式不统一、姓名前后有空格、重复行一堆——可以把问题描述给 AI，让它给处理步骤：分列怎么分、去重怎么做、哪些函数组合起来最快。它给的不一定是唯一解，但能帮你少走很多弯路。数据量大的时候，先拿一小部分样本验证流程，再应用到全表。

第三招：让 AI 帮你想图表。做汇报最愁的是"这堆数据用什么图讲最清楚"。把表格结构和想表达的结论告诉 AI，它会建议用柱状图还是折线图、要不要加辅助列、重点数据怎么突出。图表本身还是在 Excel 里做，但思路有人先帮你理了一遍，动手就快得多。

第四招：让 AI 帮你检查。公式写完总不放心？把公式和几行样本数据贴给 AI，让它解释这条公式的逻辑、指出可能的坑，比如引用范围有没有错、空值会不会导致结果异常。相当于多了一双眼睛。

透视表和数据分析也可以交给 AI 出主意。拿到一份销售数据，不知道从哪个维度分析？把表头和几行样本告诉 AI，问它"这份数据适合从哪几个角度做透视分析"，它通常能给出按地区、按时间、按产品线拆分的建议，还会提醒你注意哪些异常值。动手还是在 Excel 里做，但分析思路有人先帮你列出来，效率完全不一样。

公式报错的时候，AI 也是个不错的排查帮手。把报错的公式和错误提示一起贴给它，问它"这条公式为什么返回错误"，它一般能指出是括号不匹配、引用范围错了，还是某个函数在旧版本里不支持。比起自己一行行盯着公式看，这种方式省时间得多。不过要注意，AI 给出的修正方案也要先在小范围验证，别直接全表替换。

还有一个很多人忽略的用法：让 AI 帮你写重复操作的步骤说明。比如每个月都要做的报表流程——导数据、清洗、透视、画图、出结论——让 AI 帮你整理成一份标准操作清单，下次照着做就行，新人接手也不用从头教。

数据清洗这个具体场景也值得单独说。实际工作中最耗时间的往往不是分析，而是把数据弄干净：日期有"2023/3/1"和"2023年3月1日"两种写法，姓名里混着空格，金额列里掺着"元"字和逗号。把这些情况描述给 AI，它会告诉你用分列、查找替换、TRIM 函数还是 Power Query 最高效，甚至能直接给出清洗步骤的先后顺序。先清洗再分析，这个顺序别反了，否则分析结果建在脏数据上，越算越错。

有两条红线别碰。第一，AI 给的公式和结果一定要抽查，尤其是涉及金额、考核、合同的数据，错一个数就是事故。第二，别把含敏感信息的表格原文发给外部 AI 产品，公司数据、客户信息先脱敏再问。

说到底，AI 在 Excel 里的角色和 AI 写作助手一样：它负责把"怎么做"讲清楚，判断和拍板还是你的。公式可以交给机器写，但表格背后的业务逻辑，还得人自己懂。最后提醒一句：把 AI 当副手而不是代笔，拿到公式先理解再套用，这样下次没它在身边，你也能自己写出来。