国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在人工智能浪潮中，AutoGLM 作為一款備受矚目的產品，聲稱能實現“一邊想一邊干”的強大功能。然而，它是否真的能成為產品調研的好助手？本文作者通過親身實踐，從多個維度對 AutoGLM 進行了深度測試與分析，供大家參考。

媒體宣傳說智譜清言可以“一邊想一邊干”，于是我立刻申請內測，開始使用 AutoGLM，期盼它能自主運行，幫我訂一杯奶茶。結果是它只是幫我打開了美團網站，輸出了一堆沒用的信息，奶茶依然留在了奶茶店，沒有出現在我的桌面上。

我隨后又嘗試了官網宣傳的“訂酒店”功能，結果還是一長串搜索與分析，最終也沒有真正幫我完成酒店預訂。

最終，我放棄了它“干”的功能，轉而測試它“想”的能力，嘗試用它來做一些深度分析。

從官網的用例來看，目前 AutoGLM 的核心功能，個人認為還是集中在 Deep Research 層面。我下載了 mac 版本的桌面應用，同時也下載了 Chrome 的 AutoGLM 插件。從插件的信息來看，支持自動運行的網站包括知乎、微博、百度等十幾個網站。正如官網所說，目前該產品功能仍處于實驗階段，期待后續(xù)能夠真正實現“一句話訂酒店”的愿景。

我測試了一個“節(jié)假日西安周邊游”的出行規(guī)劃。從它的思維鏈可以看出，它的 workflow 包括：常規(guī)搜索、AutoGLM 搜索、工具調用、內容思考、總結輸出。首次在小紅書上的搜索失敗，隨后改用搜索引擎進行全局搜索。通過 tool observation 獲取信息，從知乎、小紅書、抖音等社交媒體進行詳細搜索。

在搜索過程中，它會自動啟動 Chrome 瀏覽器，可以看到 AutoGLM 的操作過程，比如調整小紅書搜索帖子的過濾器，從“綜合”調整為“最熱”。操作過程中，瀏覽器會出現藍色光暈閃現，表示正在工作中。

大約 10 分鐘后輸出了一份行程規(guī)劃。但結果價值不大。因為是節(jié)假日，必然會遇到交通擁堵等問題，本應提前規(guī)劃自駕路線，而報告中并未提供相應的出行路線規(guī)劃。

官網介紹視頻講解了 AutoGLM 的技術路徑：從通用基座模型 GLM-4，到推理能力大幅提升的 GLM-Z1-Air，再到強化學習訓練出“沉思”能力的 GLM-Z1-Rumination，最終融合為 AutoGLM 的執(zhí)行力。于是我開始橫向對比它的“沉思能力”。

這幾天我在研究 AI 在電子閱讀器中的應用情況，于是隨手用 AI 來做一份產品市場分析，用類似 AutoGLM 的“沉思”功能來測試它的思考整合能力到底如何。

在 Mac 客戶端中輸入 Prompt：“分析目前電子閱讀器 AI 應用的情況，從產品功能、定價策略、用戶評價、更新日志、社交媒體監(jiān)聽（受歡迎程度、用戶反饋以及互動情況）、App Store / Google Play Store 數據分析（下載量、評分、評論內容、更新頻率）等方面進行調查，必須依據最新的數據進行分析；另外分析未來 AI 在電子閱讀器領域的應用趨勢。”

盡可能讓 Prompt 思考得更全面，并橫向對比其他 AI 模型的推理能力。

輸入 Prompt 后，客戶端開始工作，首先進行免責申明，提示目前仍處于實驗階段。隨后進行常規(guī)搜索，第一步完成推理后，生成搜索關鍵詞。接著提示我確認品牌，我補充輸入：“以亞馬遜等主流品牌為基礎研究，地區(qū)以歐美為主，中國為輔進行分析?！盇utoGLM 再次搜索關鍵詞，并在推理與搜索過程中自動啟動了 Chrome，讓用戶實時看到其搜索流程。說實話，第一次看到它自動彈出網頁并演示自動搜索過程還挺新鮮，但如果一直這樣操作，就會影響用戶體驗。在用戶進行多任務工作時，突然開啟大量網頁，不僅無實際幫助，反而還需要用戶手動關閉，增加負擔。

報告輸出后，內容依然逃不過“大而全、泛泛而談”的通病，對我需要的信息闡述不夠細致，倒是展示了一堆額外信息。尤其是在數據范圍方面并未詳盡說明，比如價格和 Google Play Store 的數據分析基本缺失，提示無法獲取相關數據。我理解這可能是因為智譜的網絡環(huán)境限制了訪問 Google 網頁。

對比 ChatGPT-4o 的 Deep Research，它給的數據相對更“詳盡”，對數據的解讀也較為到位。用戶評論總結有據可依，關鍵結論都附有網頁鏈接，節(jié)省了二次搜索驗證的精力。

而 Gemini 的 Deep Research 表現介于兩者之間，雖然提供了數據描述，但沒有像 ChatGPT 那樣結構化地以表格形式清晰呈現。不過也提供了基本的數據與分析。從這個角度來看，ChatGPT 在這一項指標上勝出。

再來看 Manus 的表現，它同樣提供了數據，并以結構化的方式進行了總結分析。對于常規(guī)研究，這些信息基本夠用。目前給出的分析細節(jié)與數據可信度略低于 ChatGPT。

AI 對現有數據的整合能力很強，但對未來的預測仍然是基于現有數據的衍生與推演，我們也做了一些測試。

關于未來電子閱讀器 AI 的應用分析，ChatGPT 給出了幾個方向：

1.閱讀器從“被動呈現”轉向“主動交互”。AI 可以成為閱讀伙伴，與讀者共同探討閱讀內容。這是一個有趣的方向，但我個人認為閱讀更偏向沉浸式體驗，頻繁交互可能反而影響體驗。

2.AI 覆蓋整個閱讀流程，從“讀前-讀中-讀后”全流程滿足用戶細分需求。這對于產品設計初期是很好的創(chuàng)意來源。

3.更自然的語音交互。這項發(fā)展已經非常接近現實，可能會對有聲讀物市場產生一定沖擊。

4.推動端側模型和云端模型的結合。類似手機產品，會有越來越多的 AI 功能通過端側模型處理，進而推動硬件處理器發(fā)展。

此外，還有一些總結性的風險提示。

AutoGLM 的“沉思”功能提供的方向相對概括：

1.個性化體驗

2.深度理解

3.多模態(tài)交互

4.跨設備同步

5.社交閱讀

但整體分析偏簡單，缺乏足夠細節(jié)來“令人信服”。感覺像是“為了 AI 而 AI”。這些總結點目前主流閱讀器已有實現，沒有提出令人眼前一亮的新點子，顯得平庸。對產品設計前期的頭腦風暴也沒能提供有力支持。

再來看 Gemini 提出的方向：

1.更智能的內容推薦

2.更自然的交互方式

3.增強的語言學習功能

4.AI 驅動的文本分析與理解

5.更強大的輔助功能

6.更互動的動態(tài)電子書

看完 Gemini 的分析，以及雖然沒有展示但已測試的 Manus，可以看出各家對未來的預測已趨同，本質上并無太大差異。這說明，AI 能提供全面概括，但真正挖掘新的 AI 需求，仍需“以人為本”的體感洞察。

我們再來看下 Manus 的表現，它同樣給出了數據，并且以結構化的進行了總結分析，對于常規(guī)性的研究，這些信息基本夠用，目前給出的分析細節(jié)及數據可信度略低于 ChatGPT 。

綜合來看，AutoGLM、ChatGPT、Manus、Gemini 對產品調研確實有積極作用。在傳統(tǒng)桌面調研路徑中，AI 節(jié)省了大量時間和精力，能夠輕松獲取基礎產品信息。同時，AI 的智能性也可扮演產品助理角色，補充我們的思路。但在涉及定性層面研究時，仍需要“人肉”調研，真實使用產品、觀察用戶、聆聽用戶聲音，才能深入挖掘產品需求。

我認為 AutoGLM 的優(yōu)勢，最終還是應聚焦在能夠 執(zhí)行用戶操作 的任務上，比如電子購物、智能填表等。如果它能在執(zhí)行力方面做出差異化，才能在眾多思維鏈 AI 產品中脫穎而出。