灵光2.0上线后,有用户第一时间去体验,发现一个有意思的现象:它明明能看到淘宝购物车、美团订单,最后却只给推荐加跳转,并没有直接帮忙下单。
不是技术做不到,而是产品选择不做。灵光团队把最多人力投在Harness、记忆、工具和服务上,App对接只占不到2%。这背后的逻辑,是产品经理的工作重心从"做功能"转向了"设计上下文"。
从功能清单到上下文体系
千问做高考志愿填报时,以前的产品逻辑是"输入分数、筛出匹配学校、按概率排序",本质是个概率引擎。千问产品负责人郑嗣寿说,用户真正需要的是"理解我能去哪里 vs 我适合去哪里"。这个"适合"要靠上下文——兴趣、家庭、未来规划,甚至学习上的优势劣势。
千问把上下文体系分成三层:
- 通用上下文:身份、人生阶段
- 领域级上下文:健康、理财、学习
- 跨场景调用:一个领域的上下文可以服务多个任务
他们发现,用户的对话轮次从问答式提升到5-8轮,超过60%的问题因为有了上下文获得更好的回复。App对接属于"功能实现",而Harness和记忆属于"上下文管理"——这就是人力配比倾斜的原因。
成本跑在了商业模式前面
灵光的交易闭环现状是:信息服务✓、推荐✓、跳转✓、自动代办✗。为什么不直接帮用户下单?成本。
Morgan Stanley估算,Personal Agent的单用户每月成本在50-100美元,包含token和计算资源。Meta的Muse和Instinct每名用户每天的成本约1-5美元。算力成本已经实打实在烧钱,收入模式还在摸索。
灵光的策略是"先修路":做APASS可信基建、AI支付、Token Pay、AI钱包。这些基础设施离变现还很远,但必须先做。现在就上"自动代办",成本会直接爆炸。
另一个数据是:Muse的DAU约300万,但第14天打开率低于ChatGPT,90%的交互仍然是用户主动发起。"持续管事"的场景还没跑通,用户还没养成"让AI帮我盯"的习惯,此时做自动代办的投入产出比太低。
看得宽、动得窄
生态碰撞是另一道坎。Amazon屏蔽了Muse,因为Muse能直接在Amazon上操作,动了平台的流量和数据。Personal Agent Protocol正在开发,Meta、Sierra、Instinct、Shopify、Stripe、Walmart都在参与,但还没成型。
国内超级应用是封闭的,不像美国网页端可以通过浏览器自主操作。灵光定位的是"信息摩擦"而不是"流量迁移"——不是来抢淘宝、美团流量的,而是帮用户管理跨平台信息。
它的权限设计是"看得宽、动得窄":百度网盘有全盘检索权,但操作权只限专属文件夹;淘宝购物车能看到、能推荐优惠,但不能直接下单。产品经理要在这三点间平衡:
- 用户信任:要多少权限,用户才不会觉得隐私被侵犯
- 平台利益:动了哪些数据和流量,平台会不会屏蔽你
- 产品价值:不要这些权限,产品还能不能带来价值
灵光选择按需授权,而不是首次使用就一次性索要所有权限,任务需要时才弹出。
核心体验是"帮我盯"
虎嗅Best Ideas社群讨论Personal Agent时提到,最有价值的场景是购物(补货、比价)和财务(报税、保险、订阅管理)。因为这些是长程任务,不是一次性任务。
灵光的核心体验不是"帮我做",而是"帮我盯":盯快递到哪儿了、盯信用卡账单有没有异常、盯常买的东西有没有降价。频次不高,但持续时间长,需要主动提醒。
问题在于,95%的AI需求还停留在"高级搜索"(郑嗣寿的判断),供需严重错配。衡量"帮我盯"的价值,可以看几个指标:对话轮次是否从问答式变成5-8轮、AI主动提醒次数与用户主动提问次数的对比、一个任务从提出到完成跨越多少天。
Muse的90%交互仍是用户主动发起,说明"主动提醒"还没跑通。这也是灵光把人力集中在Harness和记忆上的原因——要让AI真正"帮我盯",得先把上下文和长程任务管理做好。
热门跟贴