（来源：上观新闻）
并不是说每🍍个人都会亲手写软🍔🇬🇱件，人们🛸🏏依然会创🆓🧙♀️造并分享，大家🏋️♀️🍜也依然喜欢好用4️⃣🧐的工具，只是😋🧯所需的😎📎技能点变了♍🇺🇲。尤为关键的是，🇮🇸ReBalan📞ce 并非对所🇾🇪有输出进行无差🍫🕡别截断🎮。另一个让我兴奋的✏🇸🇮领域是：目前🇸🇰🇺🇸使用 AI 😇👑的人分为两类🔑。我们比较满意的🗣一点，是💃🗓任务列表的设计🦝🙅♂️方式💌。具体做法分四个阶🇦🇬段：首先，🦏把零散的🧽🤹♂️情节性记🧑忆（episo⏬🐜dic🙅♂️，具体的👨👨👦事件）通过聚类⚗提炼成语🇲🇱义模式（se🇫🇲👽seo和geo的区别mantic🌷🕎，通用😫🚆规律）；其次，对🎞🏎每个语🇳🇷🇪🇨义模式计算🌄置信度（🚳要求至少🧥5条证据🚥支撑，且置信度公🌿式考虑证据🌙🍓量和偏🇬🇼📀离均值😵⛪的程度），🥙只保留置信度≥0🎸.7的模式🤶🏀；然后，基于这些👨❤️💋👨🐣结构化模式，7️⃣用模板🙋生成自然语言"👥🙂软提示"（so🇧🇭😩ft pr🧁◽ompts），无▶🏦需调用任何L📶🇹🇳LM，🥑零额外计算🥵成本；最后，🇬🇬💞在每次*️⃣新对话开始时，把🈚⛱这些软提示自动🕗注入到系统🧾©上下文里（上限1🧖♀️500个词😓元），让AI的行🏨为在不知🐊不觉中被过去的💲经验塑造🦔。
Matt：那🇻🇺整个系统的“in💢tellige💿🙅♂️nce laye🦐r（智能层）”🇺🇸还是在模型本⏱身，对吧？比如🇦🇺🚴 Cowork💲🔏 如何把😍一个任务😰⛵拆解成多个子任🤡务，这些都🧬是模型🥚在做？🕶 Feli🐆🇦🇺x： 是的，不🇸🇭过是“模🌰型 + 人”的协🚌作🕡📋。十年前，St📲eve 在🇰🇲与他引入公司❓🇰🇿的 CEO J🇸🇻😍ohn🕶◼ Scul💆♂️ly 经历了一🧺场激烈的斗争🚅⏪后离开了 A😀💓ppl🧴🧛♀️e📓🚶♀️。
