帖子
账号 8568537813
使用了深度研究的专业模式,询问了一个医疗问题:“针对新生儿的分泌性中耳炎治疗方法。” 在经过5轮搜索-分析的循环后,给出一份万字报告,用时12分钟。 COT大致如下: 1. 拆解问题,确定研究的主要领域和子主题,确定多个研究维度和关键词,并行调用,每个count=20,page=1 2.基于第一轮的基础信息,开始多轮细化研究的循环:【关键信息缺口】-深度阅读核心权威文献/精准补充搜索 以上看起来很合理对吧,但很快就出现问题了 - 首先是在第五轮分析时,仍存在五个关键信息缺口,但似乎触达了迭代上线,在明知内容缺失的情况下,还是输出了调研报告。 - 更大的反差在于,得到报告后,使用自带的【AI核查功能】,把核心的数据内容几乎全部删除了! - 我不清楚这些被删除的数据真的是幻觉,还是说AI核查功能出了问题。 - 最终,明明是消耗大量token的研究报告,在核查之后,很多关键段落竟然只删减信息不增加信息,导致从专业报告变成了“水货”
夜航星
905
回复 @ · 取消
0 条评论
青柚测评1· 2026-10-28
已经推出那么久了还是这么垃圾,要不是为了我的旅游抽奖,真的是看都不想看!!! 作为美团的第一款屎逝级创新产品,看得出来美团想做的是一款AI助理,帮助用户完成日常的一些琐事包括订餐、规划行程,在绝大多数时候都是以幻觉提供“稳定”输出的产品,目前存在"功能不完善、技术不可靠、体验不友好"三大核心问题,虽然定位为"小而美的AI生活小秘书",但实际表现更像是"大而不当的半成品",整体感觉更像是实习生的练手项目仓促上线?如果真是这样不如早点关掉,别让用户笑出声 0. 入口有问题,这样一个本应深度嵌入美团APP的服务,却独立成一个单独入口。事实上,美团APP内也早已存在一个名为“小团”的AI搜索助手,虽然无法代替用户下单,但是体验更为成熟(至少是能够准确理解用户意图并返回相关推荐),小美与主业务系统割裂严重,既然已有能力整合进搜索链路,为何还要另起炉灶呢?不得不引起人的深思hhh,真的有种同一个公司,两种智商的荒诞感 1. 习惯性遗忘上下文,在提出第一个需求后对于不符合推荐的商品提出新的需求后会习惯性遗忘我第一句话说了什么,注意力机制需要人来激活 2. 图1,明明有卖的东西他说没有,但是意外的是居然还知道要凑单 3. 图2不支持指定时间预约下单,在要求提供一日三餐的时间、预算以及希望每一餐吃什么以后,他只是告诉我在明天早上八点半提醒我下单,且不说第二天没提醒,只告诉我预算分配算什么?另…
305
北岸的猫1· 2026-10-28
我作为一个保安(真保安),其实不会写代码(只会一点基础的html),折腾这些纯粹是个人爱好,话说AI写代码确实极大的提高了写代码的简易方便程度,我其实25号就已经更新了国内版本,并拿到了solo资格,26日晚上顺手做了一个美团外卖的商户后台(单纯想试试国内版本的solo模式还有国内大模型的能力),和国际版相比,缺少了重要的 solo builder模式,默认就是solo coder模式,可能是国内产品觉得coder模式更符合国内使用习惯?从大模型的代码方式来看,个人感觉有点像kimi的k2组合了豆包1.6!输出速度很快,代码风格也很像k2的风格,还有那个plan模式,我使用的感觉是没什么效果?上下文部分184K,就我来说比较够用了,因为我多数时间是用在做文案,在聊天窗口这里可以@自己编写的智能体来实现需要的智能体组合调用,这块还是很心水的,至于关键的生成页面的速度,我个人感觉吐代码的速度是挺快的但是,生成最终结果还是慢过国际版!在后端逻辑这部分卡了很久,思考的时间也是最长的,看了下代码风格感觉就是k2呢,国内大模型还需要更加努力呢!在后端生成这块速度明显要慢很多了,而且很多地方有明显的错误,本来是已经生成了,实际上它一直在自我修正中,最终没有完成这个项目的成功,报错了。我还尝试了下用solo模式写文案,怎么说呢,这部分也算是有点意思的内容,先通过智能体做一个小红书的文案专家,在生成…
905
慢半拍1· 2026-10-28
Refly 标榜自己是和“Vibe Workflow”,这个降低技术门槛、试图用 Agent 节点重构自动化流程的愿景我是非常买单的,官网呈现出的极简克制感也确实在第一眼拉高了期待值。但深入体验后,我感觉目前 V1.0 版本最大的问题在于场景落地的“水土不服”以及自动化 ROI 的倒挂。 首先是模版库(Templates)的选品策略让我很困惑:既然团队源自国内且强调普惠小白,但预设案例里清一色的 X (Twitter)、Ins、LinkedIn 和 RSS 抓取,明显是针对海外生态的生长土壤。对于我们这种想做国内资讯去噪、或者只是想做一个简单的“新闻日报”的用户来说,几乎没有直接可复用的抓手,场景割裂感极强。 其次,在核心体验上,我实测了官方推荐的“新闻抓取+邮件摘要”,发现整个链路的运行 Latency(延迟)偏高。对于这种轻量级的信息获取任务,如果工具的执行效率跑不赢我手动操作,那自动化的爽感和价值就被完全稀释了。 最后,所谓的“自然语言一句话创建”目前还没能很好地解决用户的冷启动焦虑——这就好比给了我一把万能钥匙,但我却找不到锁在哪。我甚至尝试结合外部 AI 的建议去生成一些特定的流,但落地效果依然不理想,感觉工具对意图的理解力和最终的执行力之间还存在不小的 Gap。 总的来说,现阶段的 Refly 更像是一个有着漂亮概念外壳的 MVP,对于真正想上手解决具体痛点的用…
404
青柚测评1· 2026-10-28
ShellAgent 2.0 初体验:想法很好,但产品还需打磨 首先,非常感谢降临派提供的邀请码,让我有机会提前体验到 ShellAgent 2.0。 说实话,最近对各种 Agent 都有点审美疲劳了。Github 上开源的框架一个接一个,轮子满天飞,但对普通人来说,门槛还是挺高的,不是要配一堆复杂的参数,就是做好了也不方便分享给朋友用。 所以 ShellAgent 喊出“三句话生成 App”的时候,我一下就来劲了。这不就是我想要的那个“零代码版的 Coze”嘛!把那些烦人的技术环节都包圆了,直接对话就能搞定,期待值直接拉满。 但实际上手折腾了几个场景,感觉就和想的不太一样了。 首先是稳定性和端到端体验的问题。 我尝试了几个在其他平台上相对成熟的场景,但在 ShellAgent 2.0 中都遇到了阻碍。例如,在测试“小红书笔记搜索”功能时,应用返回了一些看似存在但实则为 Mock 的数据;而在尝试“文生图”功能时,无论如何调整,系统都反复报错,无法成功生成图片。我理解,这些基础能力在 Coze 等平台的能力边界内是完全可以实现的,这让我感觉 ShellAgent 2.0 在核心功能的稳定性和流程的端到端打通上,还有一段路要走。对于 ToC 产品而言,用户的第一次体验至关重要,如果无法顺利跑通一个基本流程,很容易造成用户的流失。当然,我也相信这只是早期内测阶段的问题,期待官…
702