{ "text": "只是说Openai它没有像Meta那样强的 商业生态的闭环能力 它商业化的场景上面比较弱 如果说都是面对ToC场景的话 我认为它们比拼的方向不同Dot呢 它更加偏向于高质量的生产和执行\n而Muse呢更加偏向于 普通小白就可以快速 掌握的c端的查询和消费 我们可以用chatgpt Dot云环境 加上Git Hub整合起来形成 一套非常厉害的工作系统 形成一个非常有效的工作平台\n大家好欢迎来到灵姐说AI 9月30号Openai的devday大家有看吗 今天这期视频啊 跟大家聊聊开发者大会 以及它其中最重要 的一个发布的热点叫做Dot 关于这个发布会啊 它有7个重要的发布\n实际上我认为它有内在逻辑 不知道你看懂了没有 而且Dot已经在逐步的灰度中了 我刚刚已经试用上了 会有非常多的感受和体会 要在这期节目和 大家去分享我的实操 还有一个点啊 前段时间也是刚刚跟大家 分享了非常爆火的Meta的Muse\n而没过多久 Openai把它的Dot也推上线了 为什么personal agents 个人助理这个赛道 大家如此之关注呢 在这期节目啊 也会和大家去聊一聊 我自己呢 设计了从浅入深的 一系列的测评项目\n去试了试这个DOT的能力 而从我的这个测评中啊 听完我的讲解 你会更加理解Openai这一次 开发者大会的这一系列发布 它究竟在做一个什么样的操作 我们先一起来概览\n一下这一次开发者大会 Openai做了哪些重要的发布 7个发布啊 第一个Dot也是这一次受大家 关注最热门最热点的一个产品 它实际上解决的是什么 一个7*24小时在线的助理 always on AI agent\n这个也是我们这一期 视频最重要的主题 第二个重要发布 decision API 一个快速结构化的做 判断的一个API的模型接口 这个有没有让你 想起什么熟悉的东西 就在两周前爆火的JEV模型\n当时我就断言 像一些大的AI厂商会很快的出类似 的这种快速响应判断的类似的模型 像Jev一样 关于第二个点啊 我也会专门做一期节目 跟大家去点评分享怎么 使用类似这样的判断模型\n去发挥它的大的价值 第三个发布是GPT6.1Sol 一个新的模型的发布 它这里声称啊 GPT6.1Sol的模型能力接近Astra 但是成本显著下降 第四个发布点 Codex的cloud云端发布 coding agent现在可以从本机\n走向在云端开始工作了 第五个点 GPT的共享空间的发布 这个发布呢 意味着人和agent会共享工作空间 第六块插件以及定制化的GPT的迁移 大家都快忘了原来的GPT s了\n现在好像又重出江湖了 现在GPT又开始重新形成 真正的应用和技能的生态 第七个也是最不讨喜的一个发布 就是500刀这个档位的发布 它出了一个叫做Ultra fast 极快的这么一个档位\n原来的200刀的20X的这个 档位被降档为了10X 关于重新开放200刀这个档位的购买 已经被很多社区 很多开发者喷成筛子了 哪怕Tibo给大家发了一个重置卡 也获得了非常多的负面反应\n如果说真的不差预算的话 我还是非常建议大家去买这个500刀 虽然说现在你花500刀可能 买到的TOKEN额度 是之前200刀的额度啊 但是呢按照Openai以往的惯例 现在这个时间点 你买500刀的这个档位\n应该能够获得很多额外的东西 速度也是非常快的 而且我预估啊 未来很可能会有1,000刀 这种档位都是有可能的 同时呢在这里我讲一个观点啊 你看这7个发布的时候啊实际上 看上去它们没有直接相关\n但是我自己用下来 我自己对整个的判断的思考我认为 实际上所有的这些发布 它都是围绕Dot的 因为我觉得Openai是希望 做成一个7*24小时可以托管 全自动的一个工作系统\n现在Dot还不太完善 但是我认为Dot如果做好了 它一定会火 关于Dot的具体应用和使用细节 我们放在第三部分来讲 接着我们来讲第二部分 为什么personal agent这个赛道突然火了\n而且它不只是火在硅谷 火在meta火在Openai 它也火到了中国的国内 我们看一个时间线啊 在9月8号的时候 Meta它发布了muse 9月下旬 阿里它在它的云栖大会公开的 谈千问要开始向personal agent演进\n在9月29号的时候 字节的spell项目被曝光 据说他们中秋国庆期间都 在加班加点的赶制 而也是在9月29号30号 Openai在它的Devday正式推出了Dot 一种可以持续在线替你工作的agent\n在9月30号 腾讯的handy BOT又爆出消息出来 似乎就在今年的9月期间 所有的海内海外的大厂都开始 极度的重视personal agent的这个赛道 而这一切的起点似乎都要回到\nmuse它爆火点燃行业的那一刻 Muse它爆火 它真正证明的是personal agent这个赛道 它第一次出现了普通消费者 也愿意使用的一个产品信号 你回忆一下 我们之前谈的agent 更多的是在考虑\n这个agent能不能工作 包括我们之前聊的traework 千问工作workbody 它都是围绕work在打的 虽然说像千问这样的APP 之前也做过类似的尝试 也希望说在这个APP上面帮你去 点外卖帮你订机票订酒店购物等等\n但是在消费者上面的 反应似乎没有那么强烈 但是Muse的爆火 代表着一个重要的行业信号 这个时候agent变成了一个 大众可以接受的大众消费品 而且Muse它跨出了仅仅软件这个层面\n它可以连接蓝牙 连接你的物理硬件 Meta本身又有很好的生态去分发 而且你看 不管是Dot还是Muse 它们的语音体系都设计在那里 它们都在描绘一种未来 未来我们和AI的交互 不再需要你去打开聊天窗口\n而是它常驻在那里 工作持续的替你解决问题 7*24小时都在线 而我提到7*24小时这个概念 是不是又有一点熟悉呢 是的它就是open Claude的进阶版本呐 但是现在这些大的AI公司\n推出的这种进阶版本的agent 是不需要你像Openclaw 那样做很多基础的 很多繁琐的配置的 它是拿上来就能用 还有个点啊 就是Muse爆火也让 大家看到了一个机会 就是personal agents 它最大的核心要点\n不一定是模型能力 是对用户三种权利的竞争 第一层权利是Codex的权利 就是上下文嘛 谁更早更快更深入的了解你 为什么这些大厂这么着急 我先做出来就有机会 先去获取你的上下文 一旦上下文加载得非常长\n非常丰富 用户去迁移的成本是非常高的 过去我们用搜索引擎 搜索引擎知道我们想看什么 我们用一些推荐算法 这些算法知道我们喜欢什么 想买什么 a personal agent 他要了解用户是谁 最近在干什么\n过去发生了什么 接下来要准备做什么 不管他们讲的什么长期记忆呀 什么context啊 或者是Openai Dot 这是他强调叫什么 get to know what matters to you 什么对你重要 其实都在抢这个用户 长期上下文的所有权\n第二层抢的是action的权利 就我不仅要知道你怎么想 我还要有资格帮你做具体的事情 你看我们一进入到一个personal agent 它首先第一件事 像Openai的Dot 先让你连接谷歌的Gmail 还有各种的云端服务器 各种的账户的授权\n这个就是抢它的action的权利 为什么亚马逊会封杀muse 实际上就是在封杀它的action的权利 封杀它帮用户完成购物的权利 你可以在这里查 但是如果你不在这里行动 哎你中间的链路是断掉的 你还是有机会迁移到别的平台的\n如果这个personal agent希望 和用户咬合的更深 不仅仅成为新的流量入口 它就需要把action这个权利 把各种的授权身份披露 安全等等问题解决掉 第三个呢 我认为就是transaction交易权 这个交易权可比前面\n两个的权利的层次更加狠 更加深入 本质上是什么 这三层抢的就是在AI时代的流量 入口和完成整个交易闭环的权利 另外呢虽然中国美国都在抢 这个personal agent的入口 都在抢这个趋势 但是我认为未来这个personal agent\n可能在硅谷和在中国最后呈现 出来的形态很可能是不同的 美国这边的公司呢 它更加倾向于尝试做用户的agent 像Meta这样的agent啊 虽然说亚马逊封杀了它 但是我认为像品牌方和那些纯粹做\n交易端的平台方仍然对它是欢迎的 他把Meta作为一个重要的入口 给他渠道的费用 而且这个商业模式本身就是存在的 他作为中间的渠道商 他抽取一点点渠道的费用 这样的分佣机制本身就是成熟的\n而中国的大厂 我认为短期内更可能把这样 的personal agent做成生态型的agent 一个真正的personal agent 它是围绕用户的需求去展开的 啊我要写邮件 我要用云数据 我要去其他地方购物 它就会给我去展开\n不同的这个相应的APP 像Openai它是一个AI原生的公司 它不存在电商购物订机票订 酒店这样的生态服务在它的 这个公司的生态里面围绕 所以它是完全可以围绕 用户本身的需求去展开的 只要你连接到了我的 连接器的生态里面就可以了\n但是国内的一些大厂就不同了 千问它最懂的是淘宝的生态 腾讯它最懂的是微信生态 而豆包它最接近手机的操作层 Meta它掌握了很多的社交关系和APP 而Openai它现在的Dot是可以站在一个 中立的生态位去做各方向的连接的\n当然未来啊 有可能它会有屁股 现在它还是一个中立的状态 而这些生态和各个大厂间的关系 我觉得也是未来一年的竞争格局 和竞争结构中非常有意思的地方 接下来我们进入到第三部分\nDot实操的体验和理解 我们先来看 这里是Dot的界面 很多人啊 会陆续的收到推送 在左侧这个位置啊 可以点击your Dot 就进入到创建你的Dot的界面 在这里我们先点击继续 一进来之后 它会就让你主动的做各种连接\n连接谷歌的日历通讯录 drive邮箱等一系列的插件 为了更丝滑的体验 可以直接选择默认的连接 然后在这里啊 它让你选择你的Dot在哪里运行 一个是your Dot computer 就是你的云端的一个电脑 还有一个是本机电脑\n你想过没有 现在我们用chatgpt 实际上有两种类型的端 一类是网页端 一类是桌面端 而网页端和桌面端 你觉得最大的区别是什么 最大的区别 实际上就是网页端所有的内容 它都是云上的\n都是在线的 但是你本机的此电脑的很多东西 它不是完全在线化的 它有很多内容就是 存在你的Mac电脑上面的 包括它的系统环境 还有本地的一些插件 未来Dot可能把网页端和桌面端 全部就拉平了\n全部都是在线化的 无非是现在它的算力空间 云端的服务器不足 这里我们就直接点击继续就可以了 根据它的引导 我们可以设置这个Dot的 能力和它的这个图标 我这里把它的名字叫做0DOT 颜色呢我选择亮黄色 好进入了Dot\n现在我还什么没说 它就问我 看看有什么事能帮我推进 它这里帮我扫描到了我在 谷歌邮箱的两条新的邮件 刚刚我在创建Dot的时候 我连接了我的谷歌邮箱 在这里呢 它就直接给我推送了我 邮箱里面的重要的事项\n但是明显的 它是有关于我的记忆的 因为它知道是我频道相关的邮件 它是有我的一定的上下文的 我可以点击这里的链接 查看邮件 就可以跳转到我的邮箱去处理 这里呢我就直接可以跟Dot说 让他帮我去处理邮件\n我说帮我回复一下某一封邮件 他就根据我以往的邮件 内容给了我一些建议 然后问我的意见之后 直接他就回复掉了 实际上现在我基本上 已经不再自己看邮件了 我大部分时间是让我的Codex 让GPT定期的帮我收邮件 那我在GPT上面运行的时候呢\n因为它知道我的使用习惯 每次回复邮件的时候会先跟我确认 邮件的内容草稿 我确定这个发送的内容ok之后 它才会真实的帮我发邮件 这里它就直接问也不问 大概的意思了解后直接发送掉了 当然我也去看了邮件 的实际的这个行文\n他回复邮件的表达 是没有任何问题的 另外呢点击右侧 在头像这个地方 大家可以看到有一个打电话的标志 大家连接好就可以拨打电话 把你的Mac电脑的 麦克风等等设备打开\n大家可以听一下我的 几段跟他打的这个电话 这里提的任务啊\n和我之前使用Muse 那个agent我是对标的 我是用来对比两个测试 出来的结果和效果怎么样 来对比Dot agent和Muse agent它们的 能力结构和差异点在哪里 同样的我跟他说啊 我要做10万的粉丝的订阅 我应该做哪些 也像Muse agents测评那一期\n我也接着给他提要求说 我会有500美金的预算 我想提升我的节目质感 我可以做哪些努力 我想换一个新的麦克风 应该选择哪一款 整体打电话的过程呢\n我觉得是有一点点卡顿的 然后我在跟他打电话的过程中 他的这个文字啊 是没有实时的铺在我跟他 的这个对话聊天过程的 他有一定的延迟 可能跟网络有关系 很多对话的聊天记录 是我和他的网络对话结束之后\n他给我铺成到这个聊天窗口 出现一个文字的 如果大家在使用这个 打电话的功能的时候 一开始用不了 大家多试几次啊 因为最开始的时候我 用也打不通这个电话 在整个的对话过程中 包括使用文字版或者 是语音对话的过程中 我发现他的速度和Muse比是比较慢的\n我估计大概率因为Muse它使用的 模型的强度和能力会弱一些 这一边使用的基础模型 它本身能力又强一点 使用的时间会更长一点 再加上网络延迟 整个Dot它的语音对话和使用 体验我认为没有那么快 它的速度反应会慢一点\n但是它处理任务的深度会深一点 而且还有一个非常明确的体感 你可以看到Muse那边 它的整个的连接器是比较顺滑的 各种接口都接进去了 啊 1,500多个连接器 前面也给大家看了它的 API的接口弹的很顺滑 但是在这里 包括它的computer use也好\n它的整个的操作也好 它的连接器的连接也好 都还是比较硬的 没有那么丝滑 在使用的直接的体感上面 可能目前这个阶段不如muse 而Muse它所覆盖的人群可能小白 可能普通的使用者消费者 它也能够使用\n但是Dot它的使用门槛还是相对高的 它处理复杂任务的能力 我认为是远远比Muse强太多太多了 因为它本身的Harness框架非常强 我给它布置了一个非常复杂的任务\n当然这个任务其实 涉及到我具体的业务端 没有办法完全的明文给大家看 但是我给大家看其中的一些截图 和我讲解其中的过程和思路啊 对大家也是有启发的 以这个例子为例啊 我要打通我的GPT和飞书的连接 作为信息共享 把它桥接起来\n然后呢我要配置这个密钥 我使用Muse去配置的时候 它告诉我 用CLI的方式是无法 配置飞书的密钥的 但是在Dot上面 它帮我完成了 说明啊针对复杂问题 Dot明显比Muse更加靠谱 Dot比Muse聪明许多\n而且我在布置这个 复杂任务给Dot在处理的时候 我突然看懂了Openai这一次的 整体的发布的逻辑是什么 因为我的这个飞书的API的密钥 你知道它存在哪里吗 它就存在这一次新发布的一个点\nCodex的云环境中 你现在再重新看Openai发布 它的落脚点实际上就落在这个chatgpt 要变成新的时期的AI的操作系统 你会看到这样一个工作生态 从模型出发 这个模型它的能力更强\n成本更低 然后帮助你快速的做出决策 给出最后的推理执行的决定 把它交给Dot 你的个人助理 这个个人助理他能 7X24小时的工作 它可以去调用在云端的各种工具 包括MCP浏览器APP computer use等等\n也包括可以调用更多的外包服务 这种plugin这种插件 快速的把外部的能力接进来 所有的工作完成之后 把所有的结果把所有的结果把所有 的结果沉淀同步共享到一个space 这个工作空间 这里的space和之前的不同\n它既是人可以去读 更多的是机器是agent 是Dot去读这里的工作 成果的分享和沉淀 再到最后形成chatgpt一个统一 的闭环的一个大的入口 大家看到这个各个方面 实际上它有点像把谷歌的\n全家桶的它生态的那一套 也在这里做了一套复刻 所以它这里做的是一个工作生态 是一个工作系统 你通过这样的视角去理解 Openai的这一次Devday的发布 你的视野和你的理解会完全不一样 你会真正看懂它的这些操作\n而且啊你看到这里 我还给大家分享一个非常 厉害的一个工作思路啊 我估计很多人都没有想到 这是我们完全原创的工作思路 就是怎么用好dot 这个具体的实操呢 我打算单独做一期 因为实操实际上是非常的复杂 在这里我先跟大家去讲思路\n来给大家对理解Dot的能力 有一个更好的切入点 我们可以用chatgpt Dot云环境 加上Git Hub整合起来形成 一套非常厉害的工作系统 形成一个非常有效的工作平台 这个我已经在实践了 我给我的客户做的东西\n我是不能跟大家去分享的 我会平移过来 把它放到我频道的产出跟大家分享 之后的节目 大家感兴趣一定记得关注我的频道 我先讲思路 这里呢是你的工作平台 首先作为我们人 我们先提出目标和材料给到Dot 让Dot作为我们接管任务的助手\n那它就可以去理解这个目标 协调跟进然后 他的任务是交给我们 云端的电脑去工作的 因为每个人配了一个云电脑嘛 他不需要在本机 那么在未来我认为他跟我们 本机的电脑是融合在一起的 很可能未来我们的AGI时代是什么\n就是我们和Dot在交互 我们不需要打开聊天窗口去交互 你看现在Muse爆火 DOT爆火 包括国内的一系列的personal agent爆火 是不是都说明了这个趋势 看懂了吗 而未来dot所承接它的 可能是新开发出来的硬件\n前段时间不也说吗 Openai挖了一堆苹果的人 来开发AI的智能硬件 Muse一样啊 Meta爆火的那个钥匙扣 包括它的眼镜 这些都是这样的agent未来和你 交互承接的一个物理硬件 好在这里啊 我们可以把Git Hub和Dot去打通\n这样你的代码仓库就和你 的云端助手连接起来 而在Git Hub这样的代码 仓库里面的各种skill 各种工具包 是不是都可以拿来 像插座像插头一样 直接插到dot上面 供它去使用 放在云端进行编码 进行干活\n同时这里有一个云环境 这也是这一次他们Dev day 的一个重要的发布 那我刚刚说的我 配置的这个cli密钥 飞书的密钥就放在 这个云环境进行存储 连通起来在Muse 那个agent里面是做不了 这样的生产环境的交互的\n而这些云端的代码 工具网络配置等等 都可以在GPT这里面的 云环境里面去配置 而整个的任务完成之后是什么 我这里联通的是飞书 飞书作为这一次AI这一轮的IM的工具 包括它一系列的整个的配置\n我认为是比较好的 整体用下来我的 体验和感觉是非常好的 飞书的用法是什么呢 我把飞书和我dot连接起来这样 当我的所有工作内容成果完成之后 它就可以直接同步到飞书端\n把所有的业务资料成果共享出来 那企业端的老板领导他就可以看到 比如说张三李四 他们每一次的进展是什么 所有的任务项目的概览 他就有非常明确的结果 而且飞书端它的AI一系列的工具 比如说它的多维表格等等成果展示\n会有很好的观看体感 它的API的调用的速度也比较快 能够快速的哎 这个人在云端提交之后 然后Dot可以对他提交上来的成果 根据我之前给他做的一些内容 反馈的框架评估等等一系列东西 他就可以形成一个反馈机制\n然后这个反馈机制 包括我的修改同步 我的意见 就又可以同时地传送给飞书 这样子我们的工作的同步化 实时化就可以做到非常好 而且你要知道 这个dot它是7*24小时在线的 即使我没有办法\n人工马上去审核处理 AI也能够马上代替我 根据我以往的这个 思想上和框架上的继承 快速的对这个项目任务做出反馈 而且我还有一个非常绝的点子啊 我已经在用了 Dot它在第一个月不是不收费嘛\n那他们Openai又把我们的 Codex的额度给砍半了 20X的直接变成10X了 那我觉得他省下的 TOKEN可能也都放在 Dot这里面了 那有个什么办法呢 你要知道 GPT你跟它沟通的时候 它是可以和Dot进行通信的\n你可以做件什么事 就是你可以把任务发给GPT 让GPT把这个任务再发给Dot Dot现在调用的是云端的资源 它用的不是你本地的TOKEN啊 所以你就可以把一些 任务让云端去处理 然后返回你结果就可以了 这样TOKEN不就是能省下很多了吗\n而且啊就算以后收费 你想想这也是一种 很好的业务处理的方式 你在GPT端 通过它的思考 通过一些高等级的Astra的模型 把整个的框架规划好 再把这个任务分发给Dot去处理 它相当于你的一个智能的助手 然后这个智能助手处理好之后\n反正它也不下班 一直在工作 处理好之后再返回给你 相当于你的chatgpt就有下级 分发的一个执行的子agent了 所以我这样给大家讲完 大家有没有理解这个思路啊 如果没有理解 大家先理解整体的概念和方向 接下来我会做很多期节目\n把这些东西细化讲讲 因为真的我觉得太有价值了 非常具有生产力价值 Dot我现用下来还有一些卡顿 有一些不那么完善的地方 但是因为它的 Harness它的框架和模型的\n这个基础的能力啊非常强 你会感受到它明显比Grok bot和Muse强 它在云端实际上已经配置好 了各种脚本的程序和记忆 而且可以7*24小时的 作为你的助理去运行 还是很顺滑的 它不像当初那个Openclaw那样啊\n不稳定 而且需要做非常多的 这种dirty job去配置 而且动不动就挂 BOT它的连接器和 安全边界都是比较强 相对比较稳定的 也不需要大家去长期的维护 只是说Openai它没有像Meta那样强的\n商业生态的闭环能力 它商业化的场景上面比较弱 如果说都是面对ToC场景的话 我认为它们比拼的方向不同Dot呢 它更加偏向于高质量的生产和执行 而Muse呢更加偏向于 普通小白就可以快速\n掌握的c端的查询和消费 且你用的时候啊 把doc和谷歌的各种办公的连接之后 真的很方便 比如说我收到一个邮件 dot就马上知道了 就马上来通知我去处理了 然后我的日程连接好之后 比如说我开完会 建了一个日程 到点它就会提前提醒我\n那以后是不是我就 打开这个端就可以了呢真的是 非常智能哎呀 真的还有很多东西要跟大家去做 一期节目真的做不完 今天这期节目先聊到这里 这个国庆假期看来我又得在AI 频道上面跟大家一起过了 这期视频先做到这里 关于这些场景还有\n哪一些你想了解的 欢迎在评论区跟我留言 我下期视频再给大家继续做更加 深入的分享和更加全面的分析 我们下期视频再见啦拜拜", "language": "zh", "duration": 1874.767563, "segments": [ { "start": 0.0, "end": 20.4, "text": "只是说Openai它没有像Meta那样强的 商业生态的闭环能力 它商业化的场景上面比较弱 如果说都是面对ToC场景的话 我认为它们比拼的方向不同Dot呢 它更加偏向于高质量的生产和执行", "source": "source_caption" }, { "start": 20.533, "end": 39.266, "text": "而Muse呢更加偏向于 普通小白就可以快速 掌握的c端的查询和消费 我们可以用chatgpt Dot云环境 加上Git Hub整合起来形成 一套非常厉害的工作系统 形成一个非常有效的工作平台", "source": "source_caption" }, { "start": 40.5, "end": 58.9, "text": "大家好欢迎来到灵姐说AI 9月30号Openai的devday大家有看吗 今天这期视频啊 跟大家聊聊开发者大会 以及它其中最重要 的一个发布的热点叫做Dot 关于这个发布会啊 它有7个重要的发布", "source": "source_caption" }, { "start": 59.0, "end": 79.867, "text": "实际上我认为它有内在逻辑 不知道你看懂了没有 而且Dot已经在逐步的灰度中了 我刚刚已经试用上了 会有非常多的感受和体会 要在这期节目和 大家去分享我的实操 还有一个点啊 前段时间也是刚刚跟大家 分享了非常爆火的Meta的Muse", "source": "source_caption" }, { "start": 79.933, "end": 97.933, "text": "而没过多久 Openai把它的Dot也推上线了 为什么personal agents 个人助理这个赛道 大家如此之关注呢 在这期节目啊 也会和大家去聊一聊 我自己呢 设计了从浅入深的 一系列的测评项目", "source": "source_caption" }, { "start": 98.033, "end": 117.167, "text": "去试了试这个DOT的能力 而从我的这个测评中啊 听完我的讲解 你会更加理解Openai这一次 开发者大会的这一系列发布 它究竟在做一个什么样的操作 我们先一起来概览", "source": "source_caption" }, { "start": 117.2, "end": 135.667, "text": "一下这一次开发者大会 Openai做了哪些重要的发布 7个发布啊 第一个Dot也是这一次受大家 关注最热门最热点的一个产品 它实际上解决的是什么 一个7*24小时在线的助理 always on AI agent", "source": "source_caption" }, { "start": 135.8, "end": 154.967, "text": "这个也是我们这一期 视频最重要的主题 第二个重要发布 decision API 一个快速结构化的做 判断的一个API的模型接口 这个有没有让你 想起什么熟悉的东西 就在两周前爆火的JEV模型", "source": "source_caption" }, { "start": 155.067, "end": 173.533, "text": "当时我就断言 像一些大的AI厂商会很快的出类似 的这种快速响应判断的类似的模型 像Jev一样 关于第二个点啊 我也会专门做一期节目 跟大家去点评分享怎么 使用类似这样的判断模型", "source": "source_caption" }, { "start": 173.567, "end": 194.833, "text": "去发挥它的大的价值 第三个发布是GPT6.1Sol 一个新的模型的发布 它这里声称啊 GPT6.1Sol的模型能力接近Astra 但是成本显著下降 第四个发布点 Codex的cloud云端发布 coding agent现在可以从本机", "source": "source_caption" }, { "start": 194.867, "end": 213.333, "text": "走向在云端开始工作了 第五个点 GPT的共享空间的发布 这个发布呢 意味着人和agent会共享工作空间 第六块插件以及定制化的GPT的迁移 大家都快忘了原来的GPT s了", "source": "source_caption" }, { "start": 213.367, "end": 231.567, "text": "现在好像又重出江湖了 现在GPT又开始重新形成 真正的应用和技能的生态 第七个也是最不讨喜的一个发布 就是500刀这个档位的发布 它出了一个叫做Ultra fast 极快的这么一个档位", "source": "source_caption" }, { "start": 231.8, "end": 250.333, "text": "原来的200刀的20X的这个 档位被降档为了10X 关于重新开放200刀这个档位的购买 已经被很多社区 很多开发者喷成筛子了 哪怕Tibo给大家发了一个重置卡 也获得了非常多的负面反应", "source": "source_caption" }, { "start": 250.367, "end": 269.533, "text": "如果说真的不差预算的话 我还是非常建议大家去买这个500刀 虽然说现在你花500刀可能 买到的TOKEN额度 是之前200刀的额度啊 但是呢按照Openai以往的惯例 现在这个时间点 你买500刀的这个档位", "source": "source_caption" }, { "start": 269.533, "end": 288.767, "text": "应该能够获得很多额外的东西 速度也是非常快的 而且我预估啊 未来很可能会有1,000刀 这种档位都是有可能的 同时呢在这里我讲一个观点啊 你看这7个发布的时候啊实际上 看上去它们没有直接相关", "source": "source_caption" }, { "start": 288.833, "end": 307.9, "text": "但是我自己用下来 我自己对整个的判断的思考我认为 实际上所有的这些发布 它都是围绕Dot的 因为我觉得Openai是希望 做成一个7*24小时可以托管 全自动的一个工作系统", "source": "source_caption" }, { "start": 308.233, "end": 330.433, "text": "现在Dot还不太完善 但是我认为Dot如果做好了 它一定会火 关于Dot的具体应用和使用细节 我们放在第三部分来讲 接着我们来讲第二部分 为什么personal agent这个赛道突然火了", "source": "source_caption" }, { "start": 330.533, "end": 350.7, "text": "而且它不只是火在硅谷 火在meta火在Openai 它也火到了中国的国内 我们看一个时间线啊 在9月8号的时候 Meta它发布了muse 9月下旬 阿里它在它的云栖大会公开的 谈千问要开始向personal agent演进", "source": "source_caption" }, { "start": 351.267, "end": 372.667, "text": "在9月29号的时候 字节的spell项目被曝光 据说他们中秋国庆期间都 在加班加点的赶制 而也是在9月29号30号 Openai在它的Devday正式推出了Dot 一种可以持续在线替你工作的agent", "source": "source_caption" }, { "start": 372.9, "end": 391.7, "text": "在9月30号 腾讯的handy BOT又爆出消息出来 似乎就在今年的9月期间 所有的海内海外的大厂都开始 极度的重视personal agent的这个赛道 而这一切的起点似乎都要回到", "source": "source_caption" }, { "start": 391.8, "end": 410.333, "text": "muse它爆火点燃行业的那一刻 Muse它爆火 它真正证明的是personal agent这个赛道 它第一次出现了普通消费者 也愿意使用的一个产品信号 你回忆一下 我们之前谈的agent 更多的是在考虑", "source": "source_caption" }, { "start": 410.433, "end": 430.867, "text": "这个agent能不能工作 包括我们之前聊的traework 千问工作workbody 它都是围绕work在打的 虽然说像千问这样的APP 之前也做过类似的尝试 也希望说在这个APP上面帮你去 点外卖帮你订机票订酒店购物等等", "source": "source_caption" }, { "start": 430.9, "end": 449.1, "text": "但是在消费者上面的 反应似乎没有那么强烈 但是Muse的爆火 代表着一个重要的行业信号 这个时候agent变成了一个 大众可以接受的大众消费品 而且Muse它跨出了仅仅软件这个层面", "source": "source_caption" }, { "start": 449.133, "end": 468.3, "text": "它可以连接蓝牙 连接你的物理硬件 Meta本身又有很好的生态去分发 而且你看 不管是Dot还是Muse 它们的语音体系都设计在那里 它们都在描绘一种未来 未来我们和AI的交互 不再需要你去打开聊天窗口", "source": "source_caption" }, { "start": 468.467, "end": 487.333, "text": "而是它常驻在那里 工作持续的替你解决问题 7*24小时都在线 而我提到7*24小时这个概念 是不是又有一点熟悉呢 是的它就是open Claude的进阶版本呐 但是现在这些大的AI公司", "source": "source_caption" }, { "start": 487.333, "end": 505.9, "text": "推出的这种进阶版本的agent 是不需要你像Openclaw 那样做很多基础的 很多繁琐的配置的 它是拿上来就能用 还有个点啊 就是Muse爆火也让 大家看到了一个机会 就是personal agents 它最大的核心要点", "source": "source_caption" }, { "start": 506.0, "end": 526.9, "text": "不一定是模型能力 是对用户三种权利的竞争 第一层权利是Codex的权利 就是上下文嘛 谁更早更快更深入的了解你 为什么这些大厂这么着急 我先做出来就有机会 先去获取你的上下文 一旦上下文加载得非常长", "source": "source_caption" }, { "start": 526.933, "end": 545.1, "text": "非常丰富 用户去迁移的成本是非常高的 过去我们用搜索引擎 搜索引擎知道我们想看什么 我们用一些推荐算法 这些算法知道我们喜欢什么 想买什么 a personal agent 他要了解用户是谁 最近在干什么", "source": "source_caption" }, { "start": 545.1, "end": 564.2, "text": "过去发生了什么 接下来要准备做什么 不管他们讲的什么长期记忆呀 什么context啊 或者是Openai Dot 这是他强调叫什么 get to know what matters to you 什么对你重要 其实都在抢这个用户 长期上下文的所有权", "source": "source_caption" }, { "start": 564.333, "end": 583.733, "text": "第二层抢的是action的权利 就我不仅要知道你怎么想 我还要有资格帮你做具体的事情 你看我们一进入到一个personal agent 它首先第一件事 像Openai的Dot 先让你连接谷歌的Gmail 还有各种的云端服务器 各种的账户的授权", "source": "source_caption" }, { "start": 584.1, "end": 603.433, "text": "这个就是抢它的action的权利 为什么亚马逊会封杀muse 实际上就是在封杀它的action的权利 封杀它帮用户完成购物的权利 你可以在这里查 但是如果你不在这里行动 哎你中间的链路是断掉的 你还是有机会迁移到别的平台的", "source": "source_caption" }, { "start": 603.567, "end": 623.0, "text": "如果这个personal agent希望 和用户咬合的更深 不仅仅成为新的流量入口 它就需要把action这个权利 把各种的授权身份披露 安全等等问题解决掉 第三个呢 我认为就是transaction交易权 这个交易权可比前面", "source": "source_caption" }, { "start": 623.067, "end": 643.533, "text": "两个的权利的层次更加狠 更加深入 本质上是什么 这三层抢的就是在AI时代的流量 入口和完成整个交易闭环的权利 另外呢虽然中国美国都在抢 这个personal agent的入口 都在抢这个趋势 但是我认为未来这个personal agent", "source": "source_caption" }, { "start": 643.733, "end": 662.167, "text": "可能在硅谷和在中国最后呈现 出来的形态很可能是不同的 美国这边的公司呢 它更加倾向于尝试做用户的agent 像Meta这样的agent啊 虽然说亚马逊封杀了它 但是我认为像品牌方和那些纯粹做", "source": "source_caption" }, { "start": 662.2, "end": 680.9, "text": "交易端的平台方仍然对它是欢迎的 他把Meta作为一个重要的入口 给他渠道的费用 而且这个商业模式本身就是存在的 他作为中间的渠道商 他抽取一点点渠道的费用 这样的分佣机制本身就是成熟的", "source": "source_caption" }, { "start": 681.0, "end": 699.4, "text": "而中国的大厂 我认为短期内更可能把这样 的personal agent做成生态型的agent 一个真正的personal agent 它是围绕用户的需求去展开的 啊我要写邮件 我要用云数据 我要去其他地方购物 它就会给我去展开", "source": "source_caption" }, { "start": 699.433, "end": 718.833, "text": "不同的这个相应的APP 像Openai它是一个AI原生的公司 它不存在电商购物订机票订 酒店这样的生态服务在它的 这个公司的生态里面围绕 所以它是完全可以围绕 用户本身的需求去展开的 只要你连接到了我的 连接器的生态里面就可以了", "source": "source_caption" }, { "start": 718.967, "end": 739.1, "text": "但是国内的一些大厂就不同了 千问它最懂的是淘宝的生态 腾讯它最懂的是微信生态 而豆包它最接近手机的操作层 Meta它掌握了很多的社交关系和APP 而Openai它现在的Dot是可以站在一个 中立的生态位去做各方向的连接的", "source": "source_caption" }, { "start": 739.167, "end": 758.933, "text": "当然未来啊 有可能它会有屁股 现在它还是一个中立的状态 而这些生态和各个大厂间的关系 我觉得也是未来一年的竞争格局 和竞争结构中非常有意思的地方 接下来我们进入到第三部分", "source": "source_caption" }, { "start": 759.167, "end": 779.433, "text": "Dot实操的体验和理解 我们先来看 这里是Dot的界面 很多人啊 会陆续的收到推送 在左侧这个位置啊 可以点击your Dot 就进入到创建你的Dot的界面 在这里我们先点击继续 一进来之后 它会就让你主动的做各种连接", "source": "source_caption" }, { "start": 779.8, "end": 798.033, "text": "连接谷歌的日历通讯录 drive邮箱等一系列的插件 为了更丝滑的体验 可以直接选择默认的连接 然后在这里啊 它让你选择你的Dot在哪里运行 一个是your Dot computer 就是你的云端的一个电脑 还有一个是本机电脑", "source": "source_caption" }, { "start": 798.2, "end": 817.233, "text": "你想过没有 现在我们用chatgpt 实际上有两种类型的端 一类是网页端 一类是桌面端 而网页端和桌面端 你觉得最大的区别是什么 最大的区别 实际上就是网页端所有的内容 它都是云上的", "source": "source_caption" }, { "start": 817.267, "end": 835.667, "text": "都是在线的 但是你本机的此电脑的很多东西 它不是完全在线化的 它有很多内容就是 存在你的Mac电脑上面的 包括它的系统环境 还有本地的一些插件 未来Dot可能把网页端和桌面端 全部就拉平了", "source": "source_caption" }, { "start": 835.8, "end": 854.2, "text": "全部都是在线化的 无非是现在它的算力空间 云端的服务器不足 这里我们就直接点击继续就可以了 根据它的引导 我们可以设置这个Dot的 能力和它的这个图标 我这里把它的名字叫做0DOT 颜色呢我选择亮黄色 好进入了Dot", "source": "source_caption" }, { "start": 854.233, "end": 873.467, "text": "现在我还什么没说 它就问我 看看有什么事能帮我推进 它这里帮我扫描到了我在 谷歌邮箱的两条新的邮件 刚刚我在创建Dot的时候 我连接了我的谷歌邮箱 在这里呢 它就直接给我推送了我 邮箱里面的重要的事项", "source": "source_caption" }, { "start": 873.533, "end": 892.267, "text": "但是明显的 它是有关于我的记忆的 因为它知道是我频道相关的邮件 它是有我的一定的上下文的 我可以点击这里的链接 查看邮件 就可以跳转到我的邮箱去处理 这里呢我就直接可以跟Dot说 让他帮我去处理邮件", "source": "source_caption" }, { "start": 892.4, "end": 912.0, "text": "我说帮我回复一下某一封邮件 他就根据我以往的邮件 内容给了我一些建议 然后问我的意见之后 直接他就回复掉了 实际上现在我基本上 已经不再自己看邮件了 我大部分时间是让我的Codex 让GPT定期的帮我收邮件 那我在GPT上面运行的时候呢", "source": "source_caption" }, { "start": 912.067, "end": 931.5, "text": "因为它知道我的使用习惯 每次回复邮件的时候会先跟我确认 邮件的内容草稿 我确定这个发送的内容ok之后 它才会真实的帮我发邮件 这里它就直接问也不问 大概的意思了解后直接发送掉了 当然我也去看了邮件 的实际的这个行文", "source": "source_caption" }, { "start": 931.5, "end": 950.3, "text": "他回复邮件的表达 是没有任何问题的 另外呢点击右侧 在头像这个地方 大家可以看到有一个打电话的标志 大家连接好就可以拨打电话 把你的Mac电脑的 麦克风等等设备打开", "source": "source_caption" }, { "start": 950.5, "end": 973.2, "text": "大家可以听一下我的 几段跟他打的这个电话 这里提的任务啊", "source": "source_caption" }, { "start": 973.2, "end": 1056.233, "text": "和我之前使用Muse 那个agent我是对标的 我是用来对比两个测试 出来的结果和效果怎么样 来对比Dot agent和Muse agent它们的 能力结构和差异点在哪里 同样的我跟他说啊 我要做10万的粉丝的订阅 我应该做哪些 也像Muse agents测评那一期", "source": "source_caption" }, { "start": 1056.267, "end": 1124.433, "text": "我也接着给他提要求说 我会有500美金的预算 我想提升我的节目质感 我可以做哪些努力 我想换一个新的麦克风 应该选择哪一款 整体打电话的过程呢", "source": "source_caption" }, { "start": 1124.433, "end": 1142.867, "text": "我觉得是有一点点卡顿的 然后我在跟他打电话的过程中 他的这个文字啊 是没有实时的铺在我跟他 的这个对话聊天过程的 他有一定的延迟 可能跟网络有关系 很多对话的聊天记录 是我和他的网络对话结束之后", "source": "source_caption" }, { "start": 1142.9, "end": 1164.2, "text": "他给我铺成到这个聊天窗口 出现一个文字的 如果大家在使用这个 打电话的功能的时候 一开始用不了 大家多试几次啊 因为最开始的时候我 用也打不通这个电话 在整个的对话过程中 包括使用文字版或者 是语音对话的过程中 我发现他的速度和Muse比是比较慢的", "source": "source_caption" }, { "start": 1164.2, "end": 1184.333, "text": "我估计大概率因为Muse它使用的 模型的强度和能力会弱一些 这一边使用的基础模型 它本身能力又强一点 使用的时间会更长一点 再加上网络延迟 整个Dot它的语音对话和使用 体验我认为没有那么快 它的速度反应会慢一点", "source": "source_caption" }, { "start": 1184.433, "end": 1204.133, "text": "但是它处理任务的深度会深一点 而且还有一个非常明确的体感 你可以看到Muse那边 它的整个的连接器是比较顺滑的 各种接口都接进去了 啊 1,500多个连接器 前面也给大家看了它的 API的接口弹的很顺滑 但是在这里 包括它的computer use也好", "source": "source_caption" }, { "start": 1204.233, "end": 1222.933, "text": "它的整个的操作也好 它的连接器的连接也好 都还是比较硬的 没有那么丝滑 在使用的直接的体感上面 可能目前这个阶段不如muse 而Muse它所覆盖的人群可能小白 可能普通的使用者消费者 它也能够使用", "source": "source_caption" }, { "start": 1223.033, "end": 1243.333, "text": "但是Dot它的使用门槛还是相对高的 它处理复杂任务的能力 我认为是远远比Muse强太多太多了 因为它本身的Harness框架非常强 我给它布置了一个非常复杂的任务", "source": "source_caption" }, { "start": 1243.567, "end": 1262.133, "text": "当然这个任务其实 涉及到我具体的业务端 没有办法完全的明文给大家看 但是我给大家看其中的一些截图 和我讲解其中的过程和思路啊 对大家也是有启发的 以这个例子为例啊 我要打通我的GPT和飞书的连接 作为信息共享 把它桥接起来", "source": "source_caption" }, { "start": 1262.3, "end": 1280.933, "text": "然后呢我要配置这个密钥 我使用Muse去配置的时候 它告诉我 用CLI的方式是无法 配置飞书的密钥的 但是在Dot上面 它帮我完成了 说明啊针对复杂问题 Dot明显比Muse更加靠谱 Dot比Muse聪明许多", "source": "source_caption" }, { "start": 1281.033, "end": 1299.333, "text": "而且我在布置这个 复杂任务给Dot在处理的时候 我突然看懂了Openai这一次的 整体的发布的逻辑是什么 因为我的这个飞书的API的密钥 你知道它存在哪里吗 它就存在这一次新发布的一个点", "source": "source_caption" }, { "start": 1299.333, "end": 1318.967, "text": "Codex的云环境中 你现在再重新看Openai发布 它的落脚点实际上就落在这个chatgpt 要变成新的时期的AI的操作系统 你会看到这样一个工作生态 从模型出发 这个模型它的能力更强", "source": "source_caption" }, { "start": 1319.033, "end": 1340.5, "text": "成本更低 然后帮助你快速的做出决策 给出最后的推理执行的决定 把它交给Dot 你的个人助理 这个个人助理他能 7X24小时的工作 它可以去调用在云端的各种工具 包括MCP浏览器APP computer use等等", "source": "source_caption" }, { "start": 1340.7, "end": 1358.967, "text": "也包括可以调用更多的外包服务 这种plugin这种插件 快速的把外部的能力接进来 所有的工作完成之后 把所有的结果把所有的结果把所有 的结果沉淀同步共享到一个space 这个工作空间 这里的space和之前的不同", "source": "source_caption" }, { "start": 1359.033, "end": 1379.2, "text": "它既是人可以去读 更多的是机器是agent 是Dot去读这里的工作 成果的分享和沉淀 再到最后形成chatgpt一个统一 的闭环的一个大的入口 大家看到这个各个方面 实际上它有点像把谷歌的", "source": "source_caption" }, { "start": 1379.233, "end": 1399.167, "text": "全家桶的它生态的那一套 也在这里做了一套复刻 所以它这里做的是一个工作生态 是一个工作系统 你通过这样的视角去理解 Openai的这一次Devday的发布 你的视野和你的理解会完全不一样 你会真正看懂它的这些操作", "source": "source_caption" }, { "start": 1403.267, "end": 1422.233, "text": "而且啊你看到这里 我还给大家分享一个非常 厉害的一个工作思路啊 我估计很多人都没有想到 这是我们完全原创的工作思路 就是怎么用好dot 这个具体的实操呢 我打算单独做一期 因为实操实际上是非常的复杂 在这里我先跟大家去讲思路", "source": "source_caption" }, { "start": 1422.4, "end": 1441.2, "text": "来给大家对理解Dot的能力 有一个更好的切入点 我们可以用chatgpt Dot云环境 加上Git Hub整合起来形成 一套非常厉害的工作系统 形成一个非常有效的工作平台 这个我已经在实践了 我给我的客户做的东西", "source": "source_caption" }, { "start": 1441.233, "end": 1461.733, "text": "我是不能跟大家去分享的 我会平移过来 把它放到我频道的产出跟大家分享 之后的节目 大家感兴趣一定记得关注我的频道 我先讲思路 这里呢是你的工作平台 首先作为我们人 我们先提出目标和材料给到Dot 让Dot作为我们接管任务的助手", "source": "source_caption" }, { "start": 1461.8, "end": 1480.0, "text": "那它就可以去理解这个目标 协调跟进然后 他的任务是交给我们 云端的电脑去工作的 因为每个人配了一个云电脑嘛 他不需要在本机 那么在未来我认为他跟我们 本机的电脑是融合在一起的 很可能未来我们的AGI时代是什么", "source": "source_caption" }, { "start": 1480.067, "end": 1499.8, "text": "就是我们和Dot在交互 我们不需要打开聊天窗口去交互 你看现在Muse爆火 DOT爆火 包括国内的一系列的personal agent爆火 是不是都说明了这个趋势 看懂了吗 而未来dot所承接它的 可能是新开发出来的硬件", "source": "source_caption" }, { "start": 1499.867, "end": 1519.667, "text": "前段时间不也说吗 Openai挖了一堆苹果的人 来开发AI的智能硬件 Muse一样啊 Meta爆火的那个钥匙扣 包括它的眼镜 这些都是这样的agent未来和你 交互承接的一个物理硬件 好在这里啊 我们可以把Git Hub和Dot去打通", "source": "source_caption" }, { "start": 1519.767, "end": 1538.233, "text": "这样你的代码仓库就和你 的云端助手连接起来 而在Git Hub这样的代码 仓库里面的各种skill 各种工具包 是不是都可以拿来 像插座像插头一样 直接插到dot上面 供它去使用 放在云端进行编码 进行干活", "source": "source_caption" }, { "start": 1538.333, "end": 1557.6, "text": "同时这里有一个云环境 这也是这一次他们Dev day 的一个重要的发布 那我刚刚说的我 配置的这个cli密钥 飞书的密钥就放在 这个云环境进行存储 连通起来在Muse 那个agent里面是做不了 这样的生产环境的交互的", "source": "source_caption" }, { "start": 1557.7, "end": 1577.433, "text": "而这些云端的代码 工具网络配置等等 都可以在GPT这里面的 云环境里面去配置 而整个的任务完成之后是什么 我这里联通的是飞书 飞书作为这一次AI这一轮的IM的工具 包括它一系列的整个的配置", "source": "source_caption" }, { "start": 1577.5, "end": 1595.567, "text": "我认为是比较好的 整体用下来我的 体验和感觉是非常好的 飞书的用法是什么呢 我把飞书和我dot连接起来这样 当我的所有工作内容成果完成之后 它就可以直接同步到飞书端", "source": "source_caption" }, { "start": 1595.667, "end": 1615.6, "text": "把所有的业务资料成果共享出来 那企业端的老板领导他就可以看到 比如说张三李四 他们每一次的进展是什么 所有的任务项目的概览 他就有非常明确的结果 而且飞书端它的AI一系列的工具 比如说它的多维表格等等成果展示", "source": "source_caption" }, { "start": 1615.7, "end": 1634.9, "text": "会有很好的观看体感 它的API的调用的速度也比较快 能够快速的哎 这个人在云端提交之后 然后Dot可以对他提交上来的成果 根据我之前给他做的一些内容 反馈的框架评估等等一系列东西 他就可以形成一个反馈机制", "source": "source_caption" }, { "start": 1635.033, "end": 1653.3, "text": "然后这个反馈机制 包括我的修改同步 我的意见 就又可以同时地传送给飞书 这样子我们的工作的同步化 实时化就可以做到非常好 而且你要知道 这个dot它是7*24小时在线的 即使我没有办法", "source": "source_caption" }, { "start": 1653.3, "end": 1671.5, "text": "人工马上去审核处理 AI也能够马上代替我 根据我以往的这个 思想上和框架上的继承 快速的对这个项目任务做出反馈 而且我还有一个非常绝的点子啊 我已经在用了 Dot它在第一个月不是不收费嘛", "source": "source_caption" }, { "start": 1671.633, "end": 1690.767, "text": "那他们Openai又把我们的 Codex的额度给砍半了 20X的直接变成10X了 那我觉得他省下的 TOKEN可能也都放在 Dot这里面了 那有个什么办法呢 你要知道 GPT你跟它沟通的时候 它是可以和Dot进行通信的", "source": "source_caption" }, { "start": 1690.767, "end": 1709.933, "text": "你可以做件什么事 就是你可以把任务发给GPT 让GPT把这个任务再发给Dot Dot现在调用的是云端的资源 它用的不是你本地的TOKEN啊 所以你就可以把一些 任务让云端去处理 然后返回你结果就可以了 这样TOKEN不就是能省下很多了吗", "source": "source_caption" }, { "start": 1710.033, "end": 1729.367, "text": "而且啊就算以后收费 你想想这也是一种 很好的业务处理的方式 你在GPT端 通过它的思考 通过一些高等级的Astra的模型 把整个的框架规划好 再把这个任务分发给Dot去处理 它相当于你的一个智能的助手 然后这个智能助手处理好之后", "source": "source_caption" }, { "start": 1729.467, "end": 1748.633, "text": "反正它也不下班 一直在工作 处理好之后再返回给你 相当于你的chatgpt就有下级 分发的一个执行的子agent了 所以我这样给大家讲完 大家有没有理解这个思路啊 如果没有理解 大家先理解整体的概念和方向 接下来我会做很多期节目", "source": "source_caption" }, { "start": 1748.733, "end": 1767.133, "text": "把这些东西细化讲讲 因为真的我觉得太有价值了 非常具有生产力价值 Dot我现用下来还有一些卡顿 有一些不那么完善的地方 但是因为它的 Harness它的框架和模型的", "source": "source_caption" }, { "start": 1767.167, "end": 1786.7, "text": "这个基础的能力啊非常强 你会感受到它明显比Grok bot和Muse强 它在云端实际上已经配置好 了各种脚本的程序和记忆 而且可以7*24小时的 作为你的助理去运行 还是很顺滑的 它不像当初那个Openclaw那样啊", "source": "source_caption" }, { "start": 1786.767, "end": 1805.867, "text": "不稳定 而且需要做非常多的 这种dirty job去配置 而且动不动就挂 BOT它的连接器和 安全边界都是比较强 相对比较稳定的 也不需要大家去长期的维护 只是说Openai它没有像Meta那样强的", "source": "source_caption" }, { "start": 1805.933, "end": 1826.433, "text": "商业生态的闭环能力 它商业化的场景上面比较弱 如果说都是面对ToC场景的话 我认为它们比拼的方向不同Dot呢 它更加偏向于高质量的生产和执行 而Muse呢更加偏向于 普通小白就可以快速", "source": "source_caption" }, { "start": 1826.633, "end": 1845.133, "text": "掌握的c端的查询和消费 且你用的时候啊 把doc和谷歌的各种办公的连接之后 真的很方便 比如说我收到一个邮件 dot就马上知道了 就马上来通知我去处理了 然后我的日程连接好之后 比如说我开完会 建了一个日程 到点它就会提前提醒我", "source": "source_caption" }, { "start": 1845.233, "end": 1863.233, "text": "那以后是不是我就 打开这个端就可以了呢真的是 非常智能哎呀 真的还有很多东西要跟大家去做 一期节目真的做不完 今天这期节目先聊到这里 这个国庆假期看来我又得在AI 频道上面跟大家一起过了 这期视频先做到这里 关于这些场景还有", "source": "source_caption" }, { "start": 1863.233, "end": 1874.7, "text": "哪一些你想了解的 欢迎在评论区跟我留言 我下期视频再给大家继续做更加 深入的分享和更加全面的分析 我们下期视频再见啦拜拜", "source": "source_caption" } ], "transcript_selection": { "schema": "videonote.transcript_selection.v1", "status": "SELECTED", "requested_language": "zh", "duration": 1874.767563, "reference_path": "/Users/sagawa/AI_WORK/video_notes/url/20261002_074152__实测Dot后_我才看懂OpenAI这次DevDay的布局_Dot_vs_Muse/reference_subtitle.vtt", "reference_kind": "manual", "reference_language": "zh", "selected_source": "youtube_manual", "decision_reason": "source_timing_retained", "whisper_rejected": false, "source_profile": { "segment_count": 771, "multilingual": false, "first_start": 0.0, "final_end": 1874.7, "duration_coverage": 0.999964, "maximum_gap_seconds": 63.3, "inverted_count": 0, "language": { "requested": "zh", "matched": true, "latin": 1281, "han": 7087, "kana": 0, "hangul": 0 }, "hallucination_region_count": 0, "hallucination_regions": [], "usable_full": false, "usable_partial": true }, "whisper_profile": { "segment_count": 738, "multilingual": false, "first_start": 0.0, "final_end": 1874.751, "duration_coverage": 0.999991, "maximum_gap_seconds": 27.76, "inverted_count": 0, "language": { "requested": "zh", "matched": true, "latin": 1286, "han": 7488, "kana": 0, "hangul": 0 }, "hallucination_region_count": 0, "hallucination_regions": [], "usable_full": true, "usable_partial": true }, "comparison": { "window_seconds": 30.0, "compared_window_count": 61, "median_score": 0.9533, "divergent_window_count": 2, "divergent_ratio": 0.0328, "divergent_windows": [ { "start": 960.0, "end": 990.0, "score": 0.1137, "sequence_similarity": 0.0737, "token_f1": 0.188, "divergent": true }, { "start": 990.0, "end": 1020.0, "score": 0.1687, "sequence_similarity": 0.1519, "token_f1": 0.2, "divergent": true } ] }, "timestamp_alignment": { "applied": false, "estimated_offset_seconds": 0.0, "matched_segment_count": 0, "match_scores": [] }, "caption_timing_repair": { "method": "monotonic_multi_anchor_piecewise_interpolation", "applied": false, "anchor_count": 0, "anchors": [], "source_block_count": 129, "whisper_block_count": 135, "matched_block_count": 92, "case_normalization": { "applied": false, "changed_segment_count": 0 }, "source_text_preserved": true, "reason": "source_timing_retained" }, "filled_source_profile": { "segment_count": 91, "multilingual": false, "first_start": 0.0, "final_end": 1874.7, "duration_coverage": 0.999964, "maximum_gap_seconds": 4.1, "inverted_count": 0, "language": { "requested": "zh", "matched": true, "latin": 1281, "han": 7087, "kana": 0, "hangul": 0 }, "hallucination_region_count": 0, "hallucination_regions": [], "usable_full": true, "usable_partial": true }, "whisper_duration_guard": { "media_duration": 1874.768, "rejected_segment_count": 0, "rejected_segments": [] } } }