当前的阅读产品,不管是古早的RSS阅读器,还是现在的基于公众号的订阅,都没能解决一个一直存在的问题就是信息过载,太长不读,即便是收藏到稍后读类产品如Readwise后,也还是会变成待读不读。所以既然这是一个痛点,那么现在有了AI技术的加成后,现状会不会有什么变化呢?

这里的核心要点是说对于用户当前时刻的阅读需求,能在用户主动订阅的所有信源的文章池里找到最适合读取的内容,可以排个序选择出几篇来。用户不同时刻的需求可能是不同的,比如早上想看会新闻,晚上想看点社交媒体的轻松内容,然后静下来后再看些严肃深度的文章等等。当然也可以选择不限于已有的订阅内容,同时接受系统的推荐,这听起来有点像是今日头条或者公众号的推荐流了,这里的最大区别是用户的自主可控性,以及内容的开放性。比如我此刻就想看某个博主的文章,或者我之前从互联网上收集的某篇文章,那我要能方便地操作,这些对RSS阅读器或者Readwise等专门的阅读工具要容易些,但这些工具却不够智能,它们没法智能地满足我此刻个性化的需求。那可能有哪些办法呢?为了下文叙述的方便,我给这个新产品简单命名为AI Reader,它要解决的就是这里说的问题。

这里首先要面临的一个问题是AI Reader对用户的了解,至少是阅读兴趣方面的了解。有几个层面,第一对用户的全面了解,肯定不是应用层产品要做的事情,这些更适合模型层如ChatGPT的Memory功能,或者平台型公司如Google等积累了用户的许多数据,或者Meta、腾讯等有用户社交关系链的公司。但在未来也许可以调模型层公司的接口经用户授权后获取用户更多必要的信息来为用户更好地服务。

第二个层面是AI Reader是不是要成为一个全能的阅读助手,这意味着它要接入到用户的一切阅读行为中,我认为不是的,至少前期不是的,它要解决的核心需求是上边说的找到当前最适合用户阅读的内容。如果是一个全能的阅读助手,那更切合的是时下流行的AI浏览器,如Arc浏览器公司新出的Dia等,它的产品功能会更全面普适些。还有一个非常容易关联到的点是AI Reader的功能是否会被众多的AI笔记或者AI知识库产品给涵盖,我同样认为不是的,举个当前的例子,Readwise后来出了Reader产品,可以订阅RSS,但它的RSS功能只是附加,不够完善,它也建议重度用户去流行的RSS阅读器里使用,甚至Newsletter产品Substack也曾做过RSS阅读器,后来停了;至于Notion等跟RSS阅读器就更是不同的产品了。当然这些产品就阅读这个行为来说,可以互相集成,以无缝衔接整个的阅读流程。

所以AI Reader在当前的LLM(大语言模型)应用架构里较准确的定位其实是个阅读Agent,那它可以收集用户的阅读行为以建立用户的阅读兴趣画像,同时结合LLM的强大功能,以及与其他Agents的集成,进而更好地服务用户的核心需求:找到当前最适合阅读的内容。这里LLM及其他Agents可能起到的功能包括:

  • 信息来源,新闻杂志或用户在别的App里订阅收藏的文章等

  • 总结,概括文章的内容,压缩知识

  • 筛选及匹配,从用户订阅的内容池里边匹配用户当前感兴趣的东西

  • 鉴别及个性化,LLM可以鉴别什么是好的,什么是向上的,以及很重要的什么是适合当前用户的内容,学术研究需要读论文,而普通用户需要的是科普

  • 推荐,由于系统是开放的,所以可以帮助用户推荐自己订阅以外更精彩的内容

如上列取的只是LLM可能为阅读辅助支持的点,具体还要在实践中去验证,比如AI总结功能很多时候并不能代替阅读原文,它起到的是筛选作用,那可能更适合放在后台去自动匹配用户的兴趣,而不是直面用户。

第二个问题是阅读的文章来源,除了公开的来源,如RSS外,众所周知互联网越来越成了一座座孤岛,那一种方法就是用户对于散落在各个来源的文章做个初步的筛选,然后直接收藏到AI Reader,像Readwise做的那样,只是这样可能比较麻烦。此外更强大的就是软件的架构做本地化(Local Software),它是用户本地的助手,不仅随时随地在用户手边可剪藏文章,还可以设置自动地订阅用户本地的某些文章来源,比如用户订阅的公众号文章在本地是可以通过技术获取到的,但不收集上传用户非必要的信息到云端。最后我们也期待LLM的生态更丰富起来,如MCP的广泛支持等。

这个产品现在还没有出现,但我看到有些专业用户已经在自己打造类似的流程,如范冰、评论尸和张宁等,正如Alan Kay所说:预测未来的最好方法就是去创造未来,所以我会一直关注期待着相关的产品和技术,也欢迎感兴趣的读者和我交流。更多的相关内容以后再聊。

分类: 互联网

发起讨论 文新社区