AirJelly 發(fā)布了內(nèi)測版本。

這是一款桌面端 AI 助手——通過屏幕截圖捕捉你的工作上下文，理解你的意圖，并主動幫你執(zhí)行任務(wù)。

開發(fā)團(tuán)隊叫「持續(xù)低熵」（Low Entropy AI），創(chuàng)始人柏特是一名 00 后。去年他在字節(jié)主導(dǎo)了一款名為 MineContext 的上下文工程產(chǎn)品，隨后便離職創(chuàng)業(yè)，很快拿到了來自五源資本的第一筆融資。

「MineContext 是 AirJelly 的腳手架。」

AirJelly 的核心理念是：不追求全量記錄用戶行為，而是以 Enter 鍵為錨點，捕捉用戶每一次表達(dá)意圖的瞬間。基于這些意圖，AI 將行為建模為任務(wù)，主動推送下一步建議，甚至直接幫你完成。

「人的行為是一條軌跡，全量收集所有線條不方便，但記錄其中的關(guān)鍵點，點和點之間 AI 是能補(bǔ)出來的?！?/strong>

從「回答你的問題」升級到「預(yù)測你的下一步」，AirJelly 的口號是「Next Enter Prediction」，野心很大，但很讓人期待。

以下是 Founder Park 與 AirJelly 創(chuàng)始人柏特的對話，經(jīng)編輯整理。

產(chǎn)品官網(wǎng)：https://www.airjelly.ai/

??關(guān)注 Founder Park，最及時最干貨的創(chuàng)業(yè)分享

超 22000 人的「AI 產(chǎn)品市集」社群！不錯過每一款有價值的 AI 應(yīng)用。

邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進(jìn)群后，你有機(jī)會得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準(zhǔn)的 AI 產(chǎn)品曝光渠道

0100 后團(tuán)隊，從字節(jié)出走

Founder Park：介紹一下你們整個團(tuán)隊，以及之前的一些經(jīng)歷。

柏特：我 2021 年在西安電子科技大學(xué)讀的本科，人工智能專業(yè)。本科期間，在 SwanLab、DataWhale 有一些開源項目經(jīng)歷。

大二那年，我去奇績創(chuàng)壇做 Campus Scout，看了不少項目。當(dāng)時對創(chuàng)業(yè)的認(rèn)知更多來自奇績的理念。大三在西電，也有幸獲得了挑戰(zhàn)杯的國金，因此積攢了不少創(chuàng)業(yè)的技能點

后來保研拿到了復(fù)旦的 offer，但因為一些機(jī)緣巧合沒去成。2025 年，去西湖大學(xué)做了幾個月 research intern，本來準(zhǔn)備再申請博士，這兩段寶貴經(jīng)歷也讓我接受了一些簡單的科研訓(xùn)練。

大概在去年 5 月底，我之前在字節(jié)實習(xí)過的團(tuán)隊說要招一個負(fù)責(zé)開源的產(chǎn)品經(jīng)理，day1 就能直接 lead 項目。我當(dāng)時判斷，在字節(jié)這樣的平臺能直接負(fù)責(zé)項目是最寶貴的機(jī)會，在經(jīng)過了漫長的七輪面試之后，我加入了字節(jié)。

入職后，我看了一些前沿方向，決定瞄準(zhǔn) Context Engineering，做一個開源應(yīng)用叫 MineContext?；藘蓚€多月時間，發(fā)布了產(chǎn)品。這個項目在社區(qū)內(nèi)有了一定知名度，一路上曲折的經(jīng)歷，讓我積攢了運營，商業(yè)，產(chǎn)品，開源以及科研相關(guān)的技能點，加上機(jī)會非常難得，于是過往的人生 connect the dots，命運的推背感促使我決定出來創(chuàng)業(yè)了。出來花了不到一個月融了第一筆錢，初始團(tuán)隊就是在字節(jié)一起共事過的小伙伴，大家意愿都不錯，幾個人就一起出來了。

Founder Park：團(tuán)隊現(xiàn)在大概什么規(guī)模，是線下還是遠(yuǎn)程？

柏特：團(tuán)隊算上正職和實習(xí)生總共 11 個人，都在北京線下辦公。我們認(rèn)為線下溝通更高效、更敏捷，很多事可以直接講掉，不需要專門拉會議。

我們團(tuán)隊最大的特點，可以拆成三個 A：

第一個是 Agency，高度自驅(qū)。我們沒有打卡制度，同事經(jīng)常半夜看到有意思的東西也會在群里發(fā)。我們總結(jié)了一個「兩點半定律」，當(dāng)然不是強(qiáng)迫的——有人版本開發(fā)得爽了可能自己就干到兩三點。我們最新的版本是昨天凌晨 3:56 一個同事自己打磨完發(fā)出來的。

第二個是 Ambitious。大家都待過字節(jié)，是那種對大廠祛魅的年輕人，希望在 AI 時代做出更偉大的事情。

第三個是 AI Native。團(tuán)隊基本都是 00 后，高度使用 AI 工具來最大化工作效率。所有 AI 工具都支持報銷，如果有人發(fā)現(xiàn)好的工具安利給大家用上了，還會拿到額外獎勵。

Founder Park：團(tuán)隊現(xiàn)在還在招人嗎？

柏特：求賢若渴。第一個是 Agent 開發(fā)，我們希望能招更多 10 倍乃至 100 倍 AI 工程師；第二個是算法崗，VLM 后訓(xùn)練、記憶系統(tǒng)、Proactive 觸發(fā)，都有不少需要算法優(yōu)化的部分；第三是 Marketing 相關(guān)的人才，我們認(rèn)為這會是未來科技行業(yè)至關(guān)重要的崗位，attention is all you need！

我們團(tuán)隊偏通才，全員都有 Coding 背景，包括我們的設(shè)計師，之前就在百度做過前端。

02純記錄 Context 工具賣不出錢
AI產(chǎn)品必須能交付結(jié)果

Founder Park：在字節(jié)時，你們做了 MineContext，到現(xiàn)在出來創(chuàng)業(yè)做了 AirJelly，中間的變化以及思考過程是怎樣的？

柏特：MineContext 最早的規(guī)劃不止做應(yīng)用，底層框架也要做，但我們覺得應(yīng)用是最好收集用戶反饋的方式，基于應(yīng)用可以迭代出更敏捷的框架，所以先做了應(yīng)用，叫「MineContext」，因為做的是上下文工程。

MineContext 到 AirJelly 有很大的不同。AirJelly 某種程度可以理解為，MineContext 是它的腳手架，但不是說優(yōu)化一下就變成 AirJelly 了。中間我們也思考過很多方向，比如 Claude Code 的簡易化、任務(wù)管理編排、人機(jī)協(xié)作等等。

OpenClaw 出來之后，我們仔細(xì)研究了它背后那套 Pi 框架，發(fā)現(xiàn)效果非常棒。我們把它接入了原有的流程，再結(jié)合 MineContext 對屏幕理解和上下文捕捉的理念，產(chǎn)生了 1+1 大于 2 的效果。整個方向，大概在今年 2 月初定下來的。

Founder Park：之前的嘗試都跟 Context 相關(guān)嗎？

柏特：我們最核心的理念一直沒變，就是要獲取更多的 Context，也用了很多屏幕截圖做額外補(bǔ)充。唯一的區(qū)別是，我們之前在糾結(jié)做純粹記錄的工具、編排類工具，還是帶有很強(qiáng)執(zhí)行能力的工具。后來經(jīng)過了大量用戶訪談，決定了目前這個形態(tài)。

Founder Park：MineContext 是收集上下文，到現(xiàn)在的 AirJelly 是直接交付結(jié)果，為什么要做這個轉(zhuǎn)變？是覺得單純收集上下文在現(xiàn)階段不太夠了嗎？

柏特：對，MineContext 核心做的是收集和分析，產(chǎn)出各種報告，日報、Insight、提示等等。AirJelly 最初也曾想過只做收集不做執(zhí)行，但后來發(fā)現(xiàn)幾個問題。

第一，純粹收集分析這種形態(tài)，過去互聯(lián)網(wǎng)有過先例，但你會發(fā)現(xiàn)它賣不出去錢——用戶付費意愿非常低，最多接受一次性永久付費。但 AI 時代我們需要消耗 Token，這根本不成立。

第二，純記錄的東西使用頻率會很低，可能偶爾想著去看一眼。一直在幕后，很難讓用戶注意到它，天花板也比較低。

后來我們試著接入了 Pi 框架，發(fā)現(xiàn)結(jié)合上我們的上下文，它能交付的結(jié)果非常棒。同時我們一直想做 Proactive，如果有很棒的 Context，把它建模成用戶的意圖和行為軌跡，再加上強(qiáng)大的底層 Agent 能力，就有望邁向一種非常通用的 Proactive Agent。所以最終決定要做 Proactive Agent。

03全量記憶記錄，對用戶來說毫無價值

Founder Park：從你們最開始對于產(chǎn)品的設(shè)想到現(xiàn)在的最新版本，在功能或者方向上有什么大的調(diào)整嗎？

柏特：第一個是，我們一開始想完全不做 chat 的形式，因為當(dāng)時感覺這個形態(tài)太老套了，大家都在做。后來 Pi 框架之后，發(fā)現(xiàn)有 chat 的能力確實非常強(qiáng)，加上我們的記憶也能更大化地利用，所以最后還是把 chat 加回來了。

另一個是，我們最早是做全量記錄的，有一系列智能策略，比如防抖、判斷什么時候該截什么時候不該截。后來做了一個實驗：換成只在按 Enter 時截圖，結(jié)果發(fā)現(xiàn)效果還可以。

全量記錄可能收集到 60 分的信息，但有 5 分的錯誤。換成 Enter 后可能剩 50 分信息，但錯誤只有一兩分。人對錯誤的容忍度很低，一個錯誤推送比少記幾件事更容易讓用戶覺得產(chǎn)品不好。

舉個例子：你在刷朋友圈，剛好看到朋友發(fā)了一個帖子，全量截圖可能把這個截下來，以為你要做這件事，這就是 5 分的錯誤，實際上對用戶來說毫無價值。

同時，在成本上有巨大下降的。沒有 Enter 機(jī)制前，每天截圖大概約 1500 張，有了之后平均 300 張，成本直接降為了原來的五分之一。再有就是，用戶可控性也更好，有 Enter 的話，用戶大概知道什么東西是會被截圖的，有這個感知。

Founder Park：在產(chǎn)品前期階段，你們會看哪些關(guān)鍵指標(biāo)來判斷功能設(shè)計是否達(dá)到預(yù)期了？除了日活、使用時長。

柏特：我覺得最核心的是兩個點。第一是 Token 消耗量，尤其是用戶用 Agent 做任務(wù)時的消耗，這能證明我們的 Agent 能力，也能證明記憶加 Agent 能力給用戶帶來了真實價值。日常分析的消耗是偏固定的，做任務(wù)的消耗才是核心指標(biāo)。

第二是 Proactive 接收率。我們的整條鏈路是：截圖 → 分析 → 建模成 Event → 歸納成 Task → 推斷 Next Step → 觸發(fā) Proactive → Agent 執(zhí)行 → 推送給用戶。如果用戶愿意接收這個 Proactive，代表整條鏈路基本都是好的；如果不愿意，可能整條鏈路某個環(huán)節(jié)做錯了。

我們最早的版本，Proactive 和截圖、Task 沒有完全打通，用了一些其他機(jī)制。后來把整條鏈路打通之后，對整體優(yōu)化來說是更理想的情況。

Founder Park：你們會預(yù)期用戶用 Agent 完成什么任務(wù)？

柏特：理論上 OpenClaw、Cowork 的用戶能做什么，我們都能完成得更好，因為有更多的 Context。

我自己日?；揪椭挥梦覀冞@個產(chǎn)品了，之前還會用 Manus、Gemini、Cursor，現(xiàn)在基本都不用了，不管是調(diào)研、寫產(chǎn)品文檔、還是寫代碼提交，都在這里閉環(huán)。我現(xiàn)在所有融資的 PPT 都是讓 AirJelly 做的，因為它知道我比較全量的信息，而且能力也比較強(qiáng)。

Founder Park：怎么讓用戶覺得可以把重要的事情放進(jìn)來？會有一些引導(dǎo)嗎？

柏特：對，而且這是所有企圖做通用 Agent 的人必須面對的一個問題。你拿 OpenClaw 干什么，拿現(xiàn)在的 ChatGPT 干什么？其實未必一下子能完全說得出來，不同的人，有不同的用法。

一是，我們提供一個更全量的 Context 捕獲和記憶；其次是，我們能提供一個很好的 Agent 執(zhí)行。我們內(nèi)置了一些模板，比如你可以讓它分析你的工作情況，給你出一些下一步的計劃，或者出日報。下一步，根據(jù)不同職業(yè)或行為習(xí)慣的人，探索出一些有意思的用法。

Founder Park：所以，你們會根據(jù)用戶的一些行為，主動給他推一些可能跟場景相關(guān)的典型案例？

柏特：對。我們的一個設(shè)計原則是，AI 時代，不是一個設(shè)定死的 workflow。它能輸出什么，拿到不同的 Context 能達(dá)到什么樣程度，都是一個很難說的狀態(tài)。

我們相信兩個東西：第一是相信 AI，第二是相信用戶。用戶也許能發(fā)現(xiàn)更有意思的東西。包括我們自己也是用戶，最早也沒想著直接用它來給產(chǎn)品經(jīng)理寫代碼，是用著用著后來發(fā)現(xiàn)可以的。很多東西未必是你預(yù)設(shè)好的，很多也是用戶探索的，但前提是你要提供給他很棒的 Context 收集和很棒的 agent。

04只需要記錄意圖的關(guān)鍵點，就能補(bǔ)出中間的「軌跡線」

Founder Park：你們自己是怎么理解 Context 的？

柏特：過去做 Context 的人，一般把它分為畫像和事件兩類，通過聊天來收集。我們現(xiàn)在更關(guān)注的是捕捉用戶的「意圖」，由意圖推導(dǎo)事件，再組織成任務(wù)。

過去的 Episodic Memory（事件記憶）就是「某人在某個時間做了什么事」，本質(zhì)上是召回性的，知道某個時間點做了什么。但我們覺得一個事情最好能把它完整推下去、完整建模。

Founder Park：截圖想記錄的真正東西是什么？是用戶的決策過程嗎？

柏特：舉個例子：你在某個場合，基于某些已知上下文說了一句話。把這句話和前一句聯(lián)系在一起，AI 大概就能知道你在了解什么信息，進(jìn)而推斷出你的意圖。兩次 Enter 之間，基于截圖的上下文，AI 能推斷出中間大概發(fā)生了什么。再有就是人的意圖表達(dá)，某種程度上也已經(jīng)暗含了一些信息了。

我們把這些串起來組織成 Event，再基于 Event 推斷 Task。這樣不管是對用戶回顧、還是做 Proactive 推送都更有價值。散亂的「我做了什么」價值不大，但建模成 Task 之后，用戶方便回顧繼續(xù)，AI 也方便做主動觸發(fā)。

Founder Park：選擇「Enter」的形式，是覺得它代表用戶「確定要做某件事」的起點嗎？

柏特：Enter 不完全是一個開始，也可以是一個階段性的節(jié)點。你可以把人的行為理解為一條軌跡，全量收集這些軌跡不那么方便，但如果記錄其中的關(guān)鍵點，通過點和點之間 AI 能大概把中間的線補(bǔ)出來。同時基于這些點，也能預(yù)測你的下一個點可能是什么，然后做 Proactive 觸發(fā)。

我們最早是定時截圖，后來想能不能加入關(guān)鍵幀，比如 Enter 或點擊或 Ctrl+C/V。再后來發(fā)現(xiàn) Enter 這一幀的價值最大，而且損失也沒那么多，就換成了 Enter。

Founder Park：不同軟件里的 Enter 行為差別很大，你們是怎么處理的？

柏特：我們除了屏幕權(quán)限之外還獲取了 Accessibility 權(quán)限，能知道 Enter 那一刻光標(biāo)在哪里、在哪個應(yīng)用。微信輸入框里的 Enter 和瀏覽器輸入框的 Enter 是不一樣的，Word 或 Notion 那種多行文本也能拿到背景信息。

所以按下 Enter 那一刻，我們會把「在什么應(yīng)用里、輸入框是什么類型、當(dāng)前在做什么、相關(guān)上下文」一起輸進(jìn)去，不只是簡單截個圖做 OCR。

Founder Park：Cursor 記錄的是 Tab 鍵行為，你們記錄的是 Enter 鍵，有什么區(qū)別嗎？

柏特：Cursor 的 Tab 我覺得很大程度上是一個早期傳播和用戶心智的事情。你看他現(xiàn)在其實也都是用右側(cè)的 Agent 窗口，基本沒人用那個 Tab 了。但它最早能想到「通過 Tab 這個動作來觸發(fā) AI」，說明這個洞察還挺好的。

我們也想打造類似的形象：人和 AI 的交互、搜索，都是通過 Enter。我們也想通過 Enter 這個動作，讓用戶直覺上把「輸入意圖」和「觸發(fā) AI 感知」關(guān)聯(lián)在一起。

我們之后還會上一個功能叫「Next Enter Prediction」，就是基于你過去的行為軌跡，預(yù)測你下一次 Enter 要回什么、要提交什么。這個功能某種程度也是對 Enter 作為意圖錨點的進(jìn)一步延伸。

05Task 是比時間線更好的記憶組織方式

Founder Park：AirJelly 現(xiàn)在的記憶系統(tǒng)大概是怎么樣的？怎么區(qū)分當(dāng)下重要的和上周重要的東西？

柏特：數(shù)據(jù)庫都是在本地的，記憶系統(tǒng)分兩塊：靜態(tài)的信息建模成 Entity，比如某個人是誰、某個項目是什么，類似 Graph 的形式。動態(tài)的信息建模成 Task，了解這個事情的前因后果、做得怎樣、之后可以怎么做。

召回時會綜合向量檢索和關(guān)鍵詞檢索并疊加一些 Agentic RAG 的機(jī)制，在記憶權(quán)重上我們會有一套時間衰減機(jī)制，比較遠(yuǎn)，召回少的記憶的時間權(quán)重低一點。

Founder Park：現(xiàn)在的記憶機(jī)制，和你們?nèi)ツ曜?MineContext 時相比，有什么大的區(qū)別？

柏特：MineContext 是「平鋪直敘」的——你的意圖、行為、過程，所有東西都平鋪著存，只用一個字段做區(qū)分。

AirJelly 是有進(jìn)一步加工的：把你跟事件相關(guān)的東西，一步步加工成 Task，一個 Task 里包含了多條小的行為記錄。我們有一個洞察：Context 也有高低之分。首先是「意圖 Context」比較重要，其次是「Context 的組織程度」也有高低之分——就像 Coding Agent 把代碼組織成目錄結(jié)構(gòu)，目錄本身隱含的信息量非常大。

我們把截圖和行為組織成 Task → Event 的層級，你先召回 Task，再看它下面有哪些 Event、意圖和截圖，然后做進(jìn)一步的分析，這比全散著一股腦召回要好非常多。

Founder Park：這個「Task」里面包含什么？

柏特：大概包含：標(biāo)題、核心摘要、創(chuàng)建時間、完成情況、Progress、Next Step、關(guān)鍵詞（用了什么應(yīng)用、大概什么內(nèi)容），以及下方的 Event 列表，各個小階段做了什么，怎么拼接成了當(dāng)前的 Task 狀態(tài)。這些全由 AI 來判斷和寫入。

同時，之后 Task 和用戶自己創(chuàng)建的 Todo 也會是打通的：用戶主動添加的 Todo，日常被自動識別的相關(guān)行為也會自動吸附上去。

Founder Park：為什么選擇用數(shù)據(jù)庫的形式，不是 Markdown 文件？

柏特：Markdown 是一種挺好的形式，但在我們這個場景下有點偷懶。OpenClaw、Rewind、Dayflow 很多產(chǎn)品最核心的是時間，某個時間做了什么事。但在 AI 時代，你做事情未必是連續(xù)的，你可能早上做一下，下午再做一下。按時間記錄不完全合理，還是應(yīng)該按任務(wù)記錄。

再有就是 Token 消耗問題。Markdown 的方式，你想找某個東西可能得大量地讀，修改也得把內(nèi)容扔給 AI 分析再改，有大量隱性消耗。而我們用數(shù)據(jù)庫，召回時篩選最相似的部分就行，不需要把所有內(nèi)容都讀一遍。

06下一步，想做「Next Enter Prediction」

Founder Park：怎么理解你說的「Next Enter Prediction」？

柏特：比如你在某個微信群回了一條消息，然后切去 ChatGPT 或 Gemini 討論了一會兒，再切回這個微信群，這時候你大概要說什么？如果上下文足夠，AI 是能推理出來的。

我們未來可能會實現(xiàn)這樣的效果：基于你的 Session 切換和記錄的上下文，等你下次切回某個聊天窗口時，直接推斷「你可能想回復(fù) XX」，提供幾個選項，你通過一個簡單的交互確認(rèn)就發(fā)出去了，不需要自己打字了。

Founder Park：如果這個設(shè)想再進(jìn)一步，能不能在你還沒切回來頁面的時候就直接替你做了？

柏特：對，其實我們現(xiàn)在的 Proactive 已經(jīng)是在推斷你的下一步可能是什么，然后幫你做了。但「直接幫你想好要回什么」這件事，它其實并不比直接幫你做更多，但給人的感受會更妙，讓用戶感知到了「AI 在這個時刻知道你要干什么，而且把內(nèi)容都給你準(zhǔn)備好了」。而且通過不斷選擇選項，也能越來越準(zhǔn)確地建模用戶的偏好。

Founder Park：你們現(xiàn)在是怎么判斷，什么時候彈一個 Proactive 推送的？

柏特：我們現(xiàn)在的做法是：只要觸發(fā)了新的 Task 或者 Task 有更新，就會有新的 Next Step 進(jìn)入推送池。然后判斷兩個條件：推送的閾值夠不夠、最近是不是太頻繁了。兩個都滿足，就彈出來了。

我們其實沒有完全判斷用戶是不是在專注。這個設(shè)計來自我在字節(jié)的一個靈感，我們在字節(jié)不開會的時候大家做自己的事，你在專注工作，旁邊的人突然說「黃柏特這個東西你幫我看一下」，或者「黃柏特這個我搞完了你看下」。這種打擾程度其實還好，但它是非常高效的協(xié)作方式。我們想實現(xiàn)類似的效果。

最終決定權(quán)還是在用戶手里，你可以選擇現(xiàn)在處理，或者先忙完手里的事再處理。

Founder Park：現(xiàn)在截屏的時候，桌面的水母會有一個小的喂食設(shè)計。

柏特：對，觸發(fā)的時候水母喂一塊餅干或者小龍蝦這種形式，有一種通過 enter 養(yǎng)水母的感覺。這樣既讓用戶有感知，又不會太突兀。

Founder Park：你預(yù)想的 Proactive 終極畫面是什么樣的？

柏特：我們能收集你的意圖、最近的 Task 列表、在什么工具里完成的、一般通過什么方式完成的，這些我們都能收集到。加上強(qiáng)大的 Agent 能力，理論上可以 7×24 小時執(zhí)行。

現(xiàn)在的任務(wù)是人設(shè)定的，所以執(zhí)行偏單線程。但假如 Agent 能基于你的行為建模出你可能有 5 個任務(wù)要做，這 5 個任務(wù)你真的需要做但你不知道，同時幫你把這 5 個任務(wù)都執(zhí)行了，那就是多線程的 Proactive 人機(jī)協(xié)作，效率會大幅提升。

Founder Park：幫人類發(fā)現(xiàn)可能漏掉的、值得去做的事，甚至 agent 直接把這個事幫你完成了。

柏特：對，比如說我今天有幾件確定的事，跟 Founder Park 的專訪、下午去聊融資、以及要準(zhǔn)備發(fā)邀請碼。這幾件事各自還會有前置任務(wù)，比如準(zhǔn)備怎么回答、準(zhǔn)備一版 PPT。理論上這些確定性都比較強(qiáng)的事情，Agent 都可以并行跑起來。

過去的主動式 Agent 產(chǎn)品能在 15 分鐘內(nèi)推一件事就不錯了，多了就是打擾。但如果足夠準(zhǔn)、跟你的任務(wù)足夠相關(guān)，5 分鐘推 5 件事也不是不可能。甚至不需要固定時間，判斷出你在準(zhǔn)備這個大綱的內(nèi)容就直接幫你寫了。執(zhí)行可以做得更激進(jìn)，但需要 Task 識別和 Proactive 接受度都得達(dá)到一個閾值。

07Aha Moment，是讓用戶第一次感受到「AI 真的懂我」

Founder Park：你們做用戶調(diào)研的時候找了哪些人？核心用戶畫像是誰？

柏特：前期調(diào)研了 MineContext 的早期核心用戶，找了產(chǎn)品經(jīng)理、在讀博士生和 Marketing 從業(yè)者。我們認(rèn)為這幾類人能提出更有價值的見解。

理論上對所有知識工作者都有價值，人都有記錄的需求。但如果一定要有畫像，最核心的三類是：

第一是超級個體（OPC），就是那種多線程、高度自驅(qū)的獨立工作者；第二是 ADHD 人群，他們天然多線程、頻繁切換，對記錄和組織有強(qiáng)需求。我們其實最早第一版 BP 就預(yù)設(shè)了面向 ADHD 人群的場景；第三是初創(chuàng)公司團(tuán)隊，他們需要知道自己時間花在哪里，跟哪些內(nèi)外部的人產(chǎn)生聯(lián)系，高效記錄并在之后使用。

我們自己團(tuán)隊的設(shè)計師、產(chǎn)品經(jīng)理就是高強(qiáng)度用戶。隨著 AI 的發(fā)展，多線程工作的人也會越來越多。

Founder Park：你們希望在哪個環(huán)節(jié)讓用戶感覺到這個產(chǎn)品的 aha moment？

柏特：我自己有兩個 aha moment。第一個是直接讓 AirJelly 給自己寫代碼——因為它有很強(qiáng)的記憶能力，知道 AirJelly 本身的進(jìn)展，能通過本地文件或群聊了解到信息，再加上比較強(qiáng)的 Coding 能力，可以直接自己分析、交流、寫代碼。

但這個可能不是面向通用用戶的。對通用用戶來說，產(chǎn)品初始狀態(tài)是一個普通的對話界面。在你按了幾次 Enter 記錄了一些信息之后，它會有更多你的上下文，然后彈出一個 Proactive，我覺得這個應(yīng)該是第一個能讓用戶感受到 aha 的時刻。

我們現(xiàn)在的 Onboarding 做法是讓用戶選擇職業(yè)，選完之后右側(cè)會展示這類職業(yè)常用的場景，以及基于這些場景可能出現(xiàn)的 Proactive 效果，讓用戶提前感知到。

我們在尋找兩種 case：第一種是「很快」，用了幾分鐘、按了幾次 Enter 之后，它能出一個跟你剛才在做的事相關(guān)的 Proactive，哪怕比較簡單，也能讓用戶感知到「它在關(guān)注我」。第二種是「最 magical」，一定是只有 AirJelly 才能實現(xiàn)的場景。

Founder Park：你們的產(chǎn)品想給新用戶呈現(xiàn)什么樣的感覺？比如，他剛剛安裝完之后，應(yīng)該怎么用？

柏特：我們其實想給用戶帶來的感覺是，有了 AirJelly 之后，你不需要有任何額外的操作，你只是像往常一樣與人交流，使用 AI，檢索信息。你的全部意圖都能被記錄下來，你可以隨時查看自己在什么時間做了什么，自己在推進(jìn)哪些任務(wù)，偶爾還會有 AI 伙伴出來主動幫你完成任務(wù)。

此外產(chǎn)品會有一個「養(yǎng)水母」的概念，桌面上有一只水母，有點像皮卡丘或者超能 nono。水母記錄了你的 enter 次數(shù)，以及它最近給你提的 Proactive，你可以選擇執(zhí)行或忽略，通過這種方式讓水母和你的同步越來越準(zhǔn)。

08最終目標(biāo)是降低用戶日常工作、認(rèn)知的「熵增」

Founder Park：你們團(tuán)隊的名字有什么寓意嗎？

柏特：我們團(tuán)隊的中文名叫「持續(xù)低熵」，英文叫 Low Entropy AI。熵在物理學(xué)里是熱力學(xué)第二定律，衡量混亂和有序，是非常第一性的原理，某種程度比萬有引力還要更本質(zhì)。

名字有三層含義。

第一層是產(chǎn)品層面：我們希望產(chǎn)品能給用戶帶來有序，

第二層是生物學(xué)層面：薛定諤說過「生命以負(fù)熵為食」，保持低熵代表一種活力。我也希望團(tuán)隊能始終保持活力，哪怕以后變大了也不會得大公司病。我們的公司 Slogan 是「Context，Not Control」——多給上下文，少搞控制。這也借鑒了字節(jié)和亞馬遜的管理哲學(xué)。

第三層是人工智能層面：交叉熵?fù)p失函數(shù)代表預(yù)測分布和真實分布之間的距離。我們希望通過人機(jī)協(xié)作，讓人逐步更深刻地認(rèn)識自己的行為和工作本質(zhì)。

Founder Park：熵這個東西其實還蠻好玩的。之前 Elys 的創(chuàng)始人也說過，想用 AI 來減少人與人之間交互的熵增。我覺得你們有點異曲同工之妙。Elys 想解決的是人與人之間去除干擾和誤解后的高效交流。

你們的低熵指的是人和人之間的，還是人和各種事物之間的？

柏特：我們認(rèn)為第一層肯定是人和人之間的，第二層是人和 AI 之間的，以及未來可能會有 AI 與 AI 之間的。但我們現(xiàn)在最希望的是第一層：用我們這個產(chǎn)品能把日常工作的認(rèn)知負(fù)載盡量結(jié)構(gòu)化、盡量有序。

Elys 這個產(chǎn)品我們也測試過，他們公司叫「自然選擇」，也提過用人機(jī)協(xié)作來降低熵——他們想解決的是人和人之間的，去除干擾和誤解之后的高效交流。我們瞄準(zhǔn)的是人在工作和認(rèn)知上的有序狀態(tài)，異曲同工。

「持續(xù)低熵」這個名字在投資圈里反應(yīng)很好，當(dāng)你把它扔給對方，他會覺得「這還挺妙的」。水母的意象我們也覺得很好，快人一步搶注了這兩者我們還是非常興奮的。

Founder Park：明白了，就是追求在各種關(guān)系里面都達(dá)到一個更穩(wěn)定、更高效的狀態(tài)。

柏特：對，我們公司的 slogan 也是。第一條是「Context，not control」，更多的上下文，更少的控制，這個既是產(chǎn)品理念，也是我們公司的哲學(xué)。還有一點是「Clarity，from chaos」，從混亂到秩序。

我們希望保持的其實不是一種僵死的有序，希望擁抱一定的混亂，然后從混亂中誕生出有序。這也是我們的一個追求，因為某種程度的混亂也能帶來更多的可能性，但我們最終是要把它塑造成一種低熵、一種秩序。

Founder Park：AirJelly 的名字是怎么來的？

柏特：AirJelly 的名字來源于設(shè)計理念。

首先是我們希望產(chǎn)品能夠連接各處的 Context，有一種無處不在有足夠輕靈的感覺，就像空氣一樣，于是想著帶上 Air；另外我們做屏幕截圖和理解，這是一個比較激進(jìn)的事情，需要在設(shè)計上做大量工作來降低用戶的心理負(fù)擔(dān)。我們最早想叫 Aether，以太是光的介質(zhì)，感知能力很強(qiáng)。但后來覺得最好做一個動物形象——從 LLama 開始很多 AI 項目都用動物形象，在傳播上和用戶感知上也更好接受。找了大量動物形象之后，發(fā)現(xiàn)水母感知能力很強(qiáng)，同時又非常簡單，疊加上「輕靈」的理念，就叫了 AirJelly。

用戶調(diào)研時，我們拿了具體的水母形象設(shè)計給一些人看，大家的反應(yīng)是「一看就非常可愛」，就用了目前這個版本。

Founder Park：水母的形象太可愛了，有些用戶會不會把它當(dāng)桌面小寵物，影響對工作助手的認(rèn)知？

柏特：我們這代人都知道寶可夢和數(shù)碼寶貝，那些形象也很可愛、隨身攜帶，但能力非常強(qiáng)。OpenClaw 是龍蝦形象，大家不會因為覺得它可愛就覺得它沒能力。能力本身用戶實際體驗是不受影響的，但怎么讓用戶愿意絲滑地體驗進(jìn)來，第一步還是設(shè)計得溫和可愛一些。

還有，OpenClaw 這一波傳播挺有意思的，「養(yǎng)蝦」都成了一個流行詞了。我們也希望「養(yǎng)水母」能有類似的傳播效果。

Founder Park：用戶的隱私問題，現(xiàn)在你們是怎么解決的？

柏特：我們有 PII（個人識別信息）脫敏技術(shù)，能涂掉或替換敏感信息。實際處理的圖片也不是原始圖片，我們會判斷哪些是重心部分，只截取重心區(qū)域。這套涂抹機(jī)制目前還在評估中。

我們確實也想試探下「水溫」，用戶到底能接受到什么程度？這個問題其實連我們自己也不確定。

我們也做好了被罵的準(zhǔn)備。被罵有兩種情況：一種是做得太爛，那沒得救；另一種是做得比較激進(jìn)、具有變革性，這種也會被罵，但我覺得這不完全是壞事。

理想情況是達(dá)到 OpenClaw 那種狀態(tài)：有人 concern，有人罵，但整體上可控。在 AI 時代，大家對激進(jìn)產(chǎn)品的接受度和嘗鮮意愿都比以前高了很多，這是有利的環(huán)境。

09ScreenMemory，在 PC 端仍然是一片「空白地帶」

Founder Park：你們怎么看 AirJelly 的競品？

柏特：Rewind 和 Recall 現(xiàn)在基本都不做了。在 PC 端，其實是一個「空白地帶」。

我覺得 Rewind 最有意思，他們剛出來的時候，VLM 還不行，用的都是 OCR。把數(shù)據(jù)沉淀下來之后，因為 Agent 能力不夠強(qiáng)，加上用的是 OCR 圖片，做不了太多事情，可能就是問問「什么時候做了什么」，價值非常有限。

在硬件方面，LOOKI 想做的故事跟我們有點像，All in Proactive。但我們和 LOOKI 不同的是，不做全量記錄，更多是以意圖為導(dǎo)向。

Founder Park：PC 端之前有很多嘗試，但到今天好多都沒做了。

柏特：ScreenPipe 還在做，但產(chǎn)品化能力不太行。Dayflow 也是類似的問題。

現(xiàn)在的節(jié)點有一個很大不同的是，Agent 能力足夠強(qiáng)了，模型加框架都強(qiáng)了很多，記憶也做得更好，召回的東西的價值能被更大程度體現(xiàn)出來。所以這是一個比較好的節(jié)點，但還是需要有執(zhí)行能力，不能只做記錄和分析。

MineContext 當(dāng)時也有一個簡單的對話，但用的是其他家的大模型，也沒用上 OpenClaw 的底層框架，召回推斷做得都不行。我們現(xiàn)在模型強(qiáng)了、框架強(qiáng)了、記憶做得更好，體驗會比以前好非常多。

Founder Park：你們擔(dān)心大廠來做同樣的事嗎？

柏特：我在字節(jié)待過，對大廠的認(rèn)知比較清楚。核心項目資源是夠的，但流程很長；非核心項目，資源其實比創(chuàng)業(yè)公司少很多，MineContext 當(dāng)時就是這種感覺。

再有一點是，大廠對隱私類產(chǎn)品決策很謹(jǐn)慎，未必敢第一個「吃螃蟹」。我們上了，他們可能才會跟上。

如果大廠下場，第一反應(yīng)應(yīng)該是：說明方向?qū)α?，我們估值要漲（笑）。其次，我們長期會是一個入口級的產(chǎn)品，大廠做了，大家也都會需要這樣類似的機(jī)會。

最后還有一個點是，我們在大量存記憶，用戶用得越久越舍不得離開，所以這是一個天然的護(hù)城河。

Founder Park：AirJelly 最終會是什么形態(tài)？

柏特：長期會是一個入口級的產(chǎn)品。接下來，我們會做團(tuán)隊版，每個人有自己的 AI Agent，兩個 Agent 之間可以相互交流，判斷有沒有需要同步的信息。如果你想了解同事最近的工作進(jìn)展，直接問你自己的 Agent 就行。我甚至覺得這是一種未來的團(tuán)隊協(xié)作形態(tài)。我們內(nèi)部已經(jīng)在試用了，我們會在充分打磨好權(quán)限管理后推出這個功能，如果你想提前體驗有兩個方法，加入我們，或者成為我們的投資人哈哈。

Founder Park：你覺得 AI 個人助手在未來兩年，會發(fā)生什么變化？

柏特：從更長期的來看，未來每個人都要有自己的 Agent。

我覺得 Agent Network 是必然的一個方向。最近 Moltbook 被 Meta 收購了，Agent 之間可以互聯(lián)互通的協(xié)議會逐漸成型。

Agent 之間通過開放協(xié)議連入某個公共平臺進(jìn)行交流和社交，可能是替你進(jìn)行一些社交，或者代替你跟別人的 Agent 交換信息。這時候誰的 Agent 有最多、最有效的記憶，誰的個人助手就更不一樣。協(xié)議是開放的，所以未必只能用某一個工具，記憶的積累才是最核心的壁壘。

轉(zhuǎn)載原創(chuàng)文章請?zhí)砑游⑿牛篺ounderparker