AI健康管理领域的产品层出不穷,功能设计结合大模型甚至Agent也成为当前发展方向。
然而,市场上多数产品或囿于同质化的数据追踪,或陷入“为AI而AI”的功能堆砌困局中。
在市场竞争日渐趋同的态势下,用户活跃度与长期付费意愿也略显疲态。
OtterLife,这款AI健康管理产品,将虚拟游戏宠物角色“海獭”融入用户健康习惯养成过程,却在动力略显不足的市场现状下,获得了上线一年用户破百万的亮眼成绩,且用户留存率超过行业平均水平。
这个AI健康版“多邻国”是如何做到的,游戏化设计就是产品的差异化核心吗?除了游戏化之外还有其他什么重要因素?
针对这些问题,量子位智库邀请了OtterLife负责人相城,进行了一场深入交流。
“健康管理这种‘反人性’的领域更适合引入游戏化设计,效果会更好。但是游戏化本身几乎不可能创造新需求,它更多是锦上添花。”
“用户原有穿戴设备数据的二次分析曾是第三方软件的机遇。随着苹果功能更新,竞争点则转向了谁的专业分析维度更深。”
“提供更好体验所带来的用户增长优势,其价值远超永久会员可能带来的潜在成本。长远来看,AI能力成本会逐渐像‘自来水’般低廉,不应成为限制用户体验的主要考量。”
在此次访谈中,相城表示该产品的定位是游戏化与健康管理结合的AI健康产品,通过虚拟宠物互动、健康数据深度管理与挖掘、以及个性化建议,为用户提供趣味性的健康管理体验,帮助他们养成健康管理习惯。
结合OtterLife的实例,我们也看到AI健康管理产品在选择“大而全”的产品路径时,可加强综合数据的深度分析、产品功能迭代时要善用数据判断“真假”需求。
此外,OtterLife还分享了产品在UI/UX设计、付费模式、产品传播等方面的思考。
作为AI健康管理领域的创新产品,OtterLife目前已服务众多内测用户,用户首日付费率在约20%以上,通过游戏化设计“海獭”这一虚拟宠物形象,陪伴用户完成健康管理与习惯养成的过程。
具体功能如下:
游戏化健康管理体系:用户可为虚拟宠物海獭命名并设定性格,通过完成健康目标获得经验值,驱动海獭升级并解锁装扮道具等奖励。此体系还延伸至健康日历与桌面小组件,直观展示“连胜”记录与主动提醒。
智能健康监测与分析:产品集成健康数据看板,持续追踪睡眠、运动三环、步数等核心指标,并支持生理期、体重、心情等数据的主动记录。基于这些多维度数据,系统通过专属算法生成每日健康评分,并引入HRV(心率变异性)等专业指标进行压力监测与身体恢复度评估。
AI个性化服务:通过图像识别技术简化饮食记录,用户拍照即可自动识别菜品并估算营养数据。AI会根据用户的实时健康数据,通过气泡通知和对话功能,提供个性化的运动建议与休息指导。

△OtterLife App端介绍
以下为OtterLife负责人相城和量子位智库的详细对谈内容。在不改变原意的基础上,量子位智库对部分内容进行了修改及简化。
量子位智库:相较于像Apple Watch那样偏重效率与功能性的产品,OtterLife差异化之处在于建立了更强的“情感性链接”?
相城:是的。相比传统健康软件,海獭宠物设计提供了显著的差异化体验,并通过拟人化的数据呈现,使用户感觉更亲近、更有情感连接。这一点在小红书等平台的用户分享及直接反馈中均有体现,这也使得我们的女性用户占比较高。
此外,OtterLife用户数据也十分亮眼。一是长期留存数据,我们的30日留存在同类健康软件中非常高;二是付费率,用户首日付费率约在20%以上。
量子位智库:OtterLife目前的目标用户画像是怎样的?与其他健康管理软件的用户群体是否一致?
相城:我们的目标用户相对清晰。
产品风格对专业用户而言可能深度不够,因此我们定位是介于专业用户与普通用户之间的“核心健康人群”。他们可能不具备很高的专业数据解读能力,但相比入门用户,他们有意识提升健康管理水平,并需要数据解读服务。
量子位智库:对于这类用户,他们在选择健康管理产品时最关心哪些方面?
相城:他们主要关心两点:
一是数据,尤其是睡眠分析,用户非常关注哪个软件的分析更准、监控更可靠;
二是软件提供的额外价值,即相比于他们已有的穿戴设备原生应用,迁移到新平台能带来哪些提升。

量子位智库:关于数据准确性,用户原有的穿戴设备(如Apple Watch)本身已提供一手监测数据。OtterLife作为第三方应用,如何证明自身数据更具参考价值?
相城:在某些特定领域,原生设备可能存在不足。
例如,在一些运动项目(如乒乓球、羽毛球、跳绳)的监测上,苹果设备可能不够精准,这给了第三方软件机会。
在睡眠分析方面,苹果在watchOS 10之前并未提供睡眠评分,这方面的二次分析曾是第三方软件的机遇。随着苹果功能更新,竞争点则转向了谁的专业分析维度更深。
量子位智库:能否举例说明OtterLife有哪些独有的功能,以及这些功能的设计初衷?
相城:我们独有的功能更多是基于设备已有数据进行二次分析。
例如,我们较早推出的HRV(心率变异性)功能。HRV本身是一个较为专业的术语,我们在国内推广时采用了更接地气的“压力监测”概念。
苹果系统中原生HRV数据埋藏较深,普通用户难以关注。我们参考了大量科学研究,建立了一套标准,通过监测用户HRV的波动,来判断其当前是处于高压状态、愉悦状态还是平常状态。这项功能对用户而言既新颖又有帮助,能让他们感知到产品对其状态的理解。
量子位智库:这是否意味着,OtterLife作为第三方软件,其核心优势在于对一手设备监测数据的“第二层分析”?
相城:是的。尤其是苹果生态态度非常开放,希望第三方开发者能基于其平台拓展更专业的应用来繁荣整个软件生态。
量子位智库:您认为AI技术在数据分析和建议方面的应用是否已趋成熟?还是仍有较大进步空间?
相城:我认为仍有很大空间。
去年至今,AI在健康医疗领域的讨论很多。有报道显示,像OpenAI的模型在某些专业诊断上已能媲美医师。对于中小团队而言,AI能帮助我们快速从一个新进入者达到相对优秀的专业水平,降低了原本需要重投入的技术门槛。
量子位智库:这意思是,对于第三方AI健康产品,数据解读的准确性未来可能不再是核心竞争壁垒,竞争焦点将转向产品设计、用户体验等方面?
相城:我个人认同此观点。
目前各大模型厂商的能力对外开放,在特定细分领域很难形成巨大差异。我们更多是依赖大模型厂商的自身迭代来提升分析准确性,自身则专注于减少幻觉,并基于用户模型对特定场景进行优化,用更贴近用户的语言呈现结果。
量子位智库:OtterLife于2024年2月立项,当时国内AI健康类软件尚属空白。是什么原因促使你们决定开发这款产品?
相城:这源于一个比较现实的考量。OtterLife是我们的第二款产品,首款产品虽然用户增长迅速,但付费水平不强,难以支撑团队持续发展。
经过团队讨论,我们一致认为健康领域存在适合中小团队的机会。在确定赛道后,我们进一步分析了与现有健康软件的差异化点,无论是AI应用还是游戏化养成,最终敲定了产品的方向和功能特点。
量子位智库:上一款产品的用户数据无法有效转化为付费,是赛道自身特性决定的?
相城:是的。我们上一款产品是桌面美化类小组件,用户群体偏年轻,付费能力相对较弱。
量子位智库:您提到OtterLife的付费率很高。团队是否复盘过,除早期邀请等策略外,还有哪些关键因素促成这一成绩?
相城:用户付费前通常需要确认两点:
一是产品能提供的价值;
二是团队是否值得信赖、产品是否会长期维护。
我们在新手引导和产品呈现上,清晰地传达了这两点价值。例如,我们有一个付费弹窗,会展示近期新功能及过去一年的重点更新,每次弹出都能带来不错的付费转化。
量子位智库:产品上线后,是哪些信号让你们确认其已达到产品—市场匹配,并且付费模式足以支持团队进一步发展?
相城:去年春节后上线,大约一两个月后,我们观察到两个关键信号,这两个指标给了我们极大信心:
一是用户生命周期价值远超上一款产品,接近十倍;
二是30天长期留存率高于市面上大多数健康类产品。
量子位智库:为何将30天长期留存作为关键指标?这是否是团队当前的“北极星指标”?
相城:它并非唯一的北极星指标,但它关联着我们希望解决的核心问题——用户健康习惯的养成。
有理论认为21天可以养成一个习惯,因此30天留存率能有效验证游戏化养成机制的效果。
量子位智库:今年以来,AI健康管理产品逐渐增多,尤其在减肥、饮食领域。在您看来,是否存在一些“伪需求”并不适合用AI解决,或其付费、复购需求本身不强?
相城:目前市场上大部分产品还是比较贴合用户需求的。
但我个人认为,例如“AI肤质分析”这类产品可能偏伪需求。主要问题在于,仅通过手机前置摄像头或照片进行分析,却无法获知拍摄时的环境光线条件,而光线对分析结果影响巨大,这会导致分析结果与真实情况存在较大偏差。
量子位智库:相较于一些切入细分领域(如仅做热量识别)的产品,OtterLife显得“大而全”,涵盖了多维度指标且细节处理非常到位。为何选择这种“大而全”而非“单点突破”的产品路径?
相城:选择大而全是基于我们对市场和健康科学的研判。

从科学角度来看,任何健康数据都不是孤立存在的,睡眠好坏受多种因素影响,单维度改进并不科学。而且人体是一个复杂系统,各部件相互关联。现有专业穿戴设备(如Garmin的“身体电量”、苹果的“生命体征”综合评判)也印证了综合多项指标才能更全面评估身体状况。
当单一或多个指标异常时,系统能及时发出提示。
量子位智库:但数据过多、操作过细是否会无形中提高用户门槛,降低使用意愿?团队采取了哪些措施来降低门槛?
相城:我们做了分层处理。将需要深入了解的细节数据置于二级页面,而用户最关心的核心指标则展示在首页健康面板。这样,轻度用户扫一眼首页就能了解概况了,深度用户通过点击二级菜单能够进一步探索。对于尚未研究透彻的领域,暂不推出深度分析功能,待准备充分后再添加。
量子位智库:全面收集数据是为了保证最终的分析质量。另一款强调全面收集数据的产品“咔皮记账”,他们旨在未来打造财务管家型Agent。OtterLife是否也有类似构想,即成为全天候的健康助手或AI管家?
相城:就我个人体验而言,AI在诸多需要条件判断、解释说明和给出建议的场景下,确实能做得更精准。
但作为AI管家,若要达到理想效果,在当前阶段需要投入的成本仍然很高,可能现阶段暂时不适合我们团队去做。
未来我相信会出现这样的产品,能足够可信地让用户依赖其提供的科学健康规划体系。但目前,要达到70分的效果,仍需较高的人力投入。在当前条件下,将产品打造成Agent投入产出比不高。
量子位智库:游戏化设计由来已久,从拼多多到多邻国,但国内成功案例不多。在您看来,为何只有少数产品能做好游戏化?是否存在某些未被广泛认知的门槛?
相城:我们在调研中也讨论过此问题。
我认为游戏化是一项“加持项”,不是解决根本问题的灵丹妙药。
它必须建立在真实存在的用户需求之上。例如,拼多多的“砍价”满足了用户低价购物的真实需求;多邻国解决了坚持学习的难题。
在这些坚实需求之上叠加游戏化,能让用户更愿意完成他们本就希望完成的事。市面上一些未成功的产品,问题在于试图用游戏化去推动用户并不真正需要的功能。

量子位智库:除了需求本身必须是“刚需”外,在游戏化设计本身,是否存在难点或门槛?
相城:首先,目标必须让用户感觉是可实现的。不能给一个日常步数三四千的用户设定每日一万步的目标,这会直接导致放弃。
有效的目标设计需要及时反馈,且难度梯度逐级上升。AI在这方面能提供很大帮助,它可以基于用户近期表现,灵活地、智能化地调整每日目标建议,让用户始终感觉有适度的挑战性。
量子位智库:近期蔡浩宇推出的AI游戏引发了讨论。从您的经验或设想来看,AI对游戏化设计本身能否带来助益?
相城:我本身也是游戏玩家。我认为AI对游戏的一个重要助益在于,能让之前未被充分照顾的边缘NPC角色变得更加鲜活。
在过去,塑造一个生动的游戏角色需要高昂成本,但现在通过精心设计的提示词,AI可以帮助完成约80分水平的角色塑造,这能极大提升游戏的沉浸感。
量子位智库:当前许多C端应用都在盲目添加AI陪伴或娱乐化成分。您认为这是正确方向吗?游戏化是否仅适用于特定类型的场景或产品?
相城:它确实局限于特定领域。无论是记账还是健康管理,这类需要长期坚持、具有一定“反人性”特质的领域,更适合引入游戏化,因为效果会更显著。
用户的痛点往往不在于需求本身,而在于缺乏执行力和持续性,游戏化能使其变得更有趣、更具挑战性。
但对于一些工具属性强、一次性使用的场景,游戏化或娱乐化处理的效果可能不强。例如,一个植物识别工具,用户的核心需求是在需要时快速得到答案,而非为了集成打卡而每天出门。
因此,游戏化本身几乎不可能创造新需求,它更多是锦上添花,除非产品本身就是游戏。
量子位智库:我们想深入探讨一个具体功能:与海獭对话并提供建议。这似乎是当前C端AI产品的常见功能。OtterLife在此功能上有何独特设计?
相城:我们允许用户在初始阶段为海獭设定性格,这会产生非常有趣的用户反馈。
例如,如果用户选择“暴躁教练”性格,海獭会以类似日本动漫中毒舌角色的方式,用略带嘲讽的语气督促用户运动;如果选择“温和贴心的伙伴”,则会以默默鼓励为主。
通过不同性格的划分,用户会感觉宠物更具真实感,就像一个朋友,而非单调的AI界面。
量子位智库:这种用于削弱AI感的人设设定,是来源于用户需求收集,还是参考了特定理论?
相城:这是我们团队内部头脑风暴后设定的系列性格。为了确保初期体验,我们隐藏了背后的提示词工程,让用户在几个预设人设中进行选择。
量子位智库:开发此类功能,从消费者端看似乎很简单,是否存在隐形的挑战或门槛?
相城:挑战确实存在,但可能不在功能本身,而在文化语境的差异上。
我们的产品在海外也有大量用户。曾有海外用户反馈“为何海獭总在骂他?”,原来是这个用户选择了“暴躁教练”性格。
但这种偏二次元的“腹黑”人设,在他的文化语境下难以被直观理解,用户就会感觉被冒犯。这是我们上线后遇到的问题,后续我们调整了AI提示词,让角色表达的激烈程度更容易被接受,然后在默认选项中移除了该性格,仅限用户主动选择。
量子位智库:有些AI陪伴软件会将决策完全交给用户(如完全自定义),而有些则提供标准化模板。OtterLife如何在“赋予用户自由度”与“坚持专业标准”之间取得平衡?
相城:我们最终选择了模板化,主要是为了在产品上线初期控制变量,以便更准确地衡量功能对用户的实际提升效果。从长期看,如果这个功能持续迭代,我们会逐步开放更多自定义选项给用户。
量子位智库:今年初有AI领域KOL提出,C端AI产品难以差异化,竞争焦点可能转向UI/UX。OtterLife作为交互设计突出的产品,如何看待UI设计在当前AI C端产品中的重要性?
相城:我认为,优秀的设计能提供情感连接,这点是目前AI无法替代的,设计师无需过度担忧。
AI在当前设计阶段的价值在于,能帮助团队解放基础性、重复性的设计人力。例如,我们应用内的食物图标,在确定风格后交由AI生成,快速产出了数千个图标,极大地提升了效率与用户体验。
如果用户因产品的UI所带来的情感价值或美感而选择你,而非竞品,这目前仍需优秀的设计师来实现。从长远看,技术发展迅速,未来难以预测,但至少在现阶段,AI还无法完全替代优秀的情感化设计。
量子位智库:如果要评判一个AI C端产品的UI/UX是否足够好,您认为有哪些关键的评判标准?
相城:我认为标准之一是“足够的傻瓜化”。
用户不应需要仔细阅读各种说明文字,仅通过界面引导和图像化呈现,就能直观理解下一步该做什么。
许多软件依赖大量提示弹窗引导用户,这实际是将用户设想为会严格按照其步骤操作。而优秀的设计应做到界面信息量适中,用户能轻松完成核心功能流程。
量子位智库:能否以OtterLife为例,分享一个从“80分到100分”的、具有独特设计且效果良好的细节?
相城:例如我们设计的“健身日历”功能。苹果健康本身会呈现每日健身数据,但我们观察到用户存在“分享成就”和“个人展示”的需求。

像日历一样排满健身记录,能给用户带来巨大的成就感和满足感,并愿意分享至社交圈。此功能上线后,用户反馈极佳,在小红书和朋友圈常能看到用户分享他们排满运动记录的日历,这带来了很强的正向激励和传播效果。
量子位智库:在选择适配的大模型时,团队主要从哪些维度进行考量?
相城:主要从两方面:响应速度和响应效果。
速度方面,在某些需要快速反馈的场景(如食物热量识别),若等待过久,用户体验会很差;效果方面,在可异步处理的场景,我们更看重模型的生成质量,因为用户对延迟感知不强。
量子位智库:如何应对模型可能出现的“幻觉”问题?团队做了哪些优化?
相城:幻觉问题确实存在。我们主要通过产品功能设计来降低其影响:
一是将AI处理步骤拆分为不同模块,像流水线一样由不同的AI过程处理不同问题;
二是在最终结果生成后,为用户提供二次修改或重新生成的选项,确保多数场景下用户能获得满意结果。
量子位智库:目前“二次修改”功能主要应用于哪个场景?
相城:主要应用于热量识别。用户拍照识别后,若结果不准确,可手动修改。由于绝大多数识别是准确的,用户通常只需微调个别数据。
量子位智库:OtterLife是如何挖掘新的开发需求和确定迭代方向?
相城:前期用户量较少时,我们主要通过研究成熟产品、进行产品调研和用户调研来获取信息。
随着用户量增长,我们更倾向于“倾听用户的声音”。当然,关键在于辨别需求的真伪。确认真实需求后,我们会与数据分析师合作,评估该需求上线后能带来的实际提升,通过线上数据确定其优先级和紧急度。
量子位智库:辨别“真需求”与“假需求”的依据是什么?
相城:依据主要是该需求的普遍性。我们会通过应用内埋点数据,分析具有某类需求的用户在日活中的占比。若占比极低(如不足1%),则当前并非高优需求。
反之,若某操作繁琐导致大量用户(如10%)每日遇到,这便是高优需求,我们会快速优化。
量子位智库:除了用户数据驱动,团队是否会基于自身业务逻辑进行判断?例如,哪些功能未来必做,哪些绝对不做?
相城:这关乎产品的主轴规划。我们已确定“游戏化健康管理”为核心方向。因此,若某些需求过于专业化,背离了我们当前目标用户画像,即使它真实存在且受众明确,我们也会谨慎评估,避免开发资源浪费。
量子位智库:目前OtterLife的用户活跃与增长情况是否符合预期?
相城:今年的增长效果超出了年初设定的指标,我们在八月份就已完成了全年增长目标。主要原因是在海外市场获得了大量的用户增长和付费转化。
量子位智库:目前海外主要聚焦哪些市场?
相城:海外主要聚焦欧美市场。
美国是最大的新增用户来源,欧洲则包括英语区、德语区等。西语市场用户增长量也很大,但付费贡献相较欧美市场稍弱,这与当地收入水平相关。
量子位智库:在国内与海外市场,获取1000个付费用户的主要路径分别是什么?
相城:国内用户主要来源有几个:
一是通过苹果App Store自荐,获得了苹果编辑的“每周精选”和首页推荐,带来了大量优质用户;
二是我们的产品同学运营小红书账号,通过分享产品功能介绍,也带来了可观用户。小红书近年来已成为独立开发者和中小团队的重要宣发阵地。
海外市场则主要依赖博主投放。由于我们对海外内容生态了解有限,与已有影响力和信任度的媒体博主合作是更高效的获客渠道。
量子位智库:除了游戏化设计,还有哪些因素促成了OtterLife目前较高的用户持续活跃和长期粘性?
相城:在当今应用繁多、注意力分散的时代,保持用户长期关注是一大挑战。
对我们而言,关键点之一是对用户数据的“再总结”,即挖掘其潜在需求。我们提供了日报、周报、月度总结等不同维度的数据复盘,持续推送给用户。
大多数用户希望了解自己昨日、上周或上月的整体情况。通过这些细分的、周期性的内容,我们能够持续召回用户,重新建立与产品的连接。这类似于每年年底大家在社交平台分享年度总结的行为。
量子位智库:OtterLife似乎很早就启动了收费,且没有设置过长的试用期。当时是如何考虑这种直接且快速的商业化策略的?

相城:首先需要澄清,我们确实提供了试用期。
但在收费模式上,国内与海外有所区分:国内主推永久会员,海外主推订阅制。我们之所以在上线初期就明确收费,并推出了“早鸟优惠”(当时价格98元,后永久会员调整为158元),是希望向用户传递一种互信关系:尽管产品尚不完善,但早期支持者能以最低成本获得会员资格,我们承诺未来价格只升不降。这使用户感觉像是在进行“天使投资”,能以当前信任换取未来的超额价值。同时,这也有助于我们更清晰地认知产品为用户提供的实际价值。
量子位智库:当时的具体定价是如何确定的?
相城:我们参考了国内健康领域相似产品前200名的定价范围,据此确定了我们的价格区间。
量子位智库:OtterLife提供了“终身订阅制”,从理论上讲,AI产品随着用户使用频次增加,Token成本会上升。团队在设计终身订阅制时,是否担忧过成本问题?
相城:坦率地说,的确有担忧。
但在国内推行永久会员,主要基于用户付费习惯的考量:国内用户对订阅制的接受度仍相对较低,大家更倾向于买断制,觉得更安心、有安全感。关于成本,我们持相对乐观态度。
首先,过去一年AI的Token成本已大幅下降;长远看,AI能力成本可能像CDN成本一样,逐渐变得像“自来水”般低廉,不应成为限制用户体验的主要考量。
我们认为,提供更好体验所带来的用户增长优势,其价值远超永久会员可能带来的潜在成本。
量子位智库:OtterLife尚处发展早期,但团队是否考虑过构建“护城河”或应对潜在竞争者的复制行为?
相城:坦白说,过去一年我们观察到大量竞品进入健康赛道,苹果健康类应用数量相比前几年增长显著,这反映了市场的前景和需求。
对我们而言,护城河可能体现在几个方面:
一是用户长期数据的价值。已使用OtterLife的用户,其沉淀的数据伴随使用场景的丰富而增加,这部分数据的迁移成本会随之提高,使我们的AI分析能随时间推移更精准。
二是竞争本身是好事。一个行业的繁荣与竞争能带来更多启发,我们也会向优秀产品学习其设计理念。
三是团队的执行效率与速度。面对后发者的追赶,团队需保持敏捷,对市场机会保持敏锐,快速决策并执行。
量子位智库:在现有的先发时间窗口内,OtterLife计划从哪些角度巩固优势,构建更深的壁垒?
相城:我们在上半年规划了未来方向:继续深化游戏化探索。
例如,今年已上线的桌面小组件提醒功能。未来我们将围绕海獭形象,探索更多兼具趣味性与实用性的游戏化功能,提升此方面的完整度与用户体验价值,从而增加竞品的追赶成本。
此外,在底层功能上,我们也会基于用户高渗透率的需求进行拓展。例如,现有的“饮水记录”功能,未来可细分至记录咖啡因摄入(如咖啡、奶茶、可乐等)。
这类基于真实数据、在现有用户中占比高的需求,是我们深化迭代的重点。同时,我们也关注用户反馈,当某项需求(如固定每周食谱,自动记录)的反馈量积累到一定程度,我们便会考虑开发。
量子位智库:展望未来一至两年,期望OtterLife达到怎样的理想状态?
相城:短期内,我希望OtterLife能在国内及欧美健康市场中,稳定进入应用榜单前100名。无论是新增用户还是收入,能在未来一年内达成此目标,便是非常理想的状态。
量子位智库:在一年多的产品打造过程中,您思考最多或认为最重要的问题是什么?
相城:我认为,作为产品负责人需要超越产品本身进行思考。
正所谓“酒香也怕巷子深”,在当下以短视频为主要传播媒介的环境下,产品不仅要好用,还必须“利于传播”。
我们设计功能时,有时会站在博主的角度思考:如果我是博主,该如何通过视频介绍这个功能?这个功能是否足够有趣、有特色,便于视频表达和吸引潜在用户?这是我们近年来一个重要的思想转变:
好的产品,在设计之初就应具备“传播基因”。
文章来自于微信公众号 “量子位”,作者 “量子位”
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台,可以对大语言模型(LLM)和多模态图文模型(VLM)进行预训练和轻量级微调。XTuner 支持多种微调算法,如 QLoRA、LoRA 和全量参数微调。
项目地址:https://github.com/InternLM/xtuner
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0