专栏名称: 数字生命卡兹克
反复横跳于不同的AI领域,努力分享一些很酷的AI干货
目录
相关文章推荐
小马宋  ·  内容电商:没有未来,活在当下 ·  2 天前  
科技日报  ·  刚刚,发射成功! ·  4 天前  
科技日报  ·  刚刚,发射成功! ·  4 天前  
阿昆的科研日常  ·  AI时代,我可以停更了… ·  5 天前  
阿昆的科研日常  ·  AI时代,我可以停更了… ·  5 天前  
Tiffany的英语教学反思  ·  第一批用Ai工作的人,已经彻底碾压同事了! ·  5 天前  
Tiffany的英语教学反思  ·  第一批用Ai工作的人,已经彻底碾压同事了! ·  5 天前  
51好读  ›  专栏  ›  数字生命卡兹克

智谱AI全新发布Agent家族,用AI操控一切不再是梦了。

数字生命卡兹克  · 公众号  · AI 科技自媒体  · 2024-11-29 11:01

正文

受智谱AI邀请,今天早上,人在智谱Agent OpenDay。
又一次见证了历史。
甚至,还抢到了AI给大家发出的200元红包,只能说,谢谢AutoGLM,谢谢老板。
一个月前,智谱载CNCC会议上,正式发布了AutoGLM。
不知道的小伙伴,可以看我写的这篇文章:智谱AI悄悄发布AutoGLM,这一次,贾维斯真的要成现实了。
他们发布后,在整个二级市场,掀起了轩然大波,随后就是智谱AI概念股,风起云涌。
一个月后的今天,智谱在他们的OpenDay上,发布了全新的Agent蓝图。
升级版AutoGLM、AutoGLM-Web、GLM-PC。
分别对应手机、浏览器、电脑。
三个系统,三种形态。
而当未来Agent能力完全成熟以后,一个形态就能操控一切,手机、车载、智能家居、电脑等等。
我们可能,就要迈入LLM OS的全新时代了。
什么叫科幻照进现实,这就是。跨越时空,智谱AI完成了7年前老罗在鸟巢那个“理解万岁”的梦。
这三个产品,我一个一个来说。
一. 升级版AutoGLM
一个月前,我已经深度体验过AutoGLM了,也给大家做了很多的测试。
比如我对AutoGLM说:“我29号要去一趟深圳,你帮我定个罗湖地铁站附近的酒店,预算600元以内,大床房。”
又或者“找到我的微信里面的鲜虾包,给他最新的三条朋友圈点赞,并且根据他发的内容写一个有趣的评论”
等等。
这些都是上个月的视频了。
牛逼是当然牛逼的,当时也让我连喊了N句卧槽,深刻的体现了什么叫:“两岸卧槽啼不住,AI已过万重山。
但是当时的AutoGLM,也有一个很大的问题,我也在文章里面写了。
就是支持的APP太少,当时只支持这几个APP:
同时也不能跨APP操作。
比让我让他搜一个淘宝的衣服,再把链接发群里,也直接GG。
当时我说,可能要几个月的时间,才能再进化一波,因为做这种Agent,周期还真的挺长的。
但是没想到,只过去了一个月,AutoGLM,就又来了一次进化。
又尝试支持了一大部分主流APP
比如抖音、微博、饿了么、京东、拼多多等等。
而且,这一次,终于,支持跨APP操作了。
以前只能单APP,没法跨APP操作,但是我们人的真实场景,几乎都是各种APP互相跳来跳去,比如在美团外卖和饿了么里比价,比如在小红书里搜旅游攻略去携程订酒店等等。
当Agent,可以跨越各大APP之间的高墙,来替代人在各大APP之间流转,这个商业价值,就有很大的想象空间了。
这是一个人与传统GUI之间的,一个全新的系统。
此名,为LLM OS。
举例一个小case:去小红书上搜一下奶龙的搞笑图,然后发给我的群聊。
完成的很好,几乎没有卡顿,只是在选分享哪个笔记的时候,让我人工选了一下,后续的分享一气呵成。
他们自己还在现场,演示了一个50多步的Demo。
在小红书上总结一下做一道菜需要哪些食材,然后一起在美团下单。
给我看懵逼了。
这次,他们还在便捷性上有了一定的进化。
搞了一个叫快捷口令点东西,其实就是个预设,比如点喜茶这事,每次我都要说一遍:“帮我点一杯距离我最近的喜茶,要椰椰芒芒少少冰,不另外加糖。”
但是现在,可以直接把快捷口令设成点喜茶,以后我就只需要念这三个字就行,不需要再念一大串了,还是挺麻烦的。
不过在我测试下来,成功率比上一版的单一任务成功率要低不少了,毕竟在技术上跨APP就是指数级难度增加。在我的测试中,会出现过很多次卡死、或者出错的情况,特别是带着上下文导航之类的。直接就懵逼了。
不过也就1个月的时间,至少这次已经支持跨APP了,这就是一个非常非常牛逼的起点。
等支持所有APP互相跳转协同的时候,那就是,Agent真正成神的那一刻。
二. AutoGLM-Web
基于AutoGLM技术打造的电脑浏览器版本,支持知乎、Github、芒果TV、百度搜索、微博等等N个网站。
跟手机版AutoGLM类似,用的是同种技术底层,所以也支持跨APP操作。
比如官方现场演示的这个case:
在百度搜索芒果tv,打开再见爱人,播放最新一集,发弹幕”
这块其实就是生态的一环,为浏览器OS做的布局,不过多赘述了。
三. GLM-PC
这个其实是One-more-thing。
之前我其实就知道,这次OpenDay会发AutoGLM的升级版,他们也提前给我测了。
但是这个PC版,真的是严防死守,直到前一天我拿到当日议程的时候,我才发现,卧槽,要发PC版本的AutoGLM了。
不过也能猜到,既然做了Phone Use,那没理由不做Computer Use对吧。
所以,GLM-PC来了。
不过他们这个命名倒是很有趣,没用AutoGLM的延伸,而是用了GLM-PC。

我直接来放个他们的官方宣传片,让大家感受一下,这玩意的有趣和强大。

一句话操控电脑,完成网页浏览、微信文件发送、参加会议、发送会议总结等等等等。比Claude的Computer Use更适合中国体制。
当时在现场放完以后,全场掌声雷动,鼓掌了十几秒钟不停歇。
我就听着我身边的人,不断的卧槽、卧槽、卧槽。
而且最好玩的是,可以通过手机远程操控电脑。
作为打工人,总会遇到那种,晚上下班了正在外面正跟别人Happy着,突然老板或者甲方一个电话,让你把公司文件发给他,很急、非常急,立刻就要。
过去,你估计已经想把老板杀了,然后找个有电脑的地方,甚至隐私安全注重高一点的,你还得打车回公司。
现在,对着手机一句话,就能让GLM-PC,给你把一切都做了。
真正的实现,用AI,给我自由。
GLM-PC的底座模型是CogAgent,这就是一个能理解界面UI并且进行复杂任务拆解的Agent视觉模型。
大概原理就是,看电脑屏幕,然后规划,在对屏幕元素进行操作,比如点击、输入、滚动等等。
这一套方案,理论上来说,上限无限高。
因为,人,就是这么操作电脑的。
目前场景开放了这几个。
不过我也在现场体验了一下内测版,感觉还是比较基础,感觉更像是一个秀肌肉的产品,跟一个月前刚刚发布的AutoGLM有点像,作为产品,还不是那么的完善
比如要非常精准的prompt,需要我们先帮他把步骤拆解完给他规划好;比如操作屏幕的速度非常慢;比如目前支持M芯片的Mac等等等等。
但是不影响我,非常看好这条路。
但这毕竟也只是刚刚开始,现在,微软、Google、OpenAI都在疯狂的卷Agent的这条路,GLM大模型团队一个月就能升级这么多,可能只要两个月时间。
一切就变天了。
AI一天,人间一年,这就是AI的速度。
写在最后
在最后的Live Demo上,智谱AI又整了几个活。
用AutoGLM现在拉了一个面对面建群。
用又用AutoGLM,给群里发了2万块钱的红包,现在直接氛围被推向了最高潮。
最能拉动氛围的手段,往往都是最朴实无华的场景。
AI给你发的第一个红包,就是这一年里,我收到的最酷的一个红包。

这次智谱的Agent家族的所有链接分别在此,可根据自身需求自取

AutoGLM-Web清言插件:https://new-front.chatglm.cn/webagent/landing/index.html?channel=ads_news_openday
autoglm-安卓:https://agent.aminer.cn/
glm-pc:https://www.wjx.top/vm/mOs9cHw.aspx
我很多时候,都会在幻想。
当AI,真的能跟人一样,使用工具,操作工具。
会变成什么样子,他们的上限,会有多高。
毕竟,智人当初走出非洲大陆。
就是因为,他们举起了。
那束黑暗中的火把。

以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章,我们,下次再见。

>/ 作者:卡兹克

>/ 投稿或爆料,请联系邮箱:[email protected]