「Message ChatGPT…」
當我們開啓某個話題前，ChatGPT 空白的輸入框裏默認寫着這一句話。
和 ChatGPT 的交互，就像和朋友的聊天，你來我往，從上到下，線性的結構非常直觀。
然而，這就是和 AI 互動的最佳模式嗎？
還在翻和 ChatGPT 的聊天記錄？一種很新的交互方式來了
學生時期，我們應該都見過白板，老師用可以擦除的馬克筆，在白色的平滑板面上寫公式。
Canva、Figma 等設計平台，則提供了在線白板工具，它們沿襲了物理白板的特點，但畫布是無限的，形式也更加自由，就像現實的辦公桌一樣，可以靈活地放置各種東西，很適合進行頭腦風暴。
▲ 在線白板工具示意圖. 圖片來自：Canva
如果 ChatGPT 也以白板的方式和我們互動，會產生什麼奇妙的化學反應？
Flowith 就是這樣一款 AI 內容生成工具，最近發佈了公測，一週新增約 2 萬名新用户。
它在形式上最大的亮點是，把縱向的聊天記錄，轉變成了動態的畫布，為人機交互提供了一種很新的方式。
Flowith 支持 GPT 4 Turbo、Claude 3 Opus 等模型，本質和 Perplexity 差不多，都是在他人的地基上搭建服務，但創新之處各有千秋。
Flowith 的底部仍然有輸入框，但你是在一塊類似在線白板的無限畫布上，和 AI 互動。
這裏還引入了一個新概念：節點。
每次提問產生新的節點，節點可以再發散和引用，串成很多不同的線。
舉個例子更加直觀，直接問 AI：「給我頭腦風暴 5 個 AI 創業想法。」
Flowith 給出的答案是：AI 醫療影像診斷、AI 在線教育平台、AI 智能投資顧問、AI 智能家居可穿戴設備、AI 場景消費推薦。
然後，我們可以在「AI 智能家居和可穿戴設備」的分支下，追問目前有哪些主要玩家。
第一次看到答案以卡片的形式分叉和移動，心裏會忍不住「哇」一聲。
這個例子使用的是「思維導圖發散模式」。除此之外，Flowith 還提供了自動決策模式、聯網超級搜索模式、生成圖片模式，適合不同的問題和場景。
開放性的問題多半交給思維導圖模式，聯網搜索模式則像 Perplexity 的平替，能搜索、能總結，甚至還能開腦洞。
當我輸入「國內 AI 搜索的發展情況如何」，Flowith 的輸出分成三欄。
左邊提供實時搜索結果和圖片，可以進一步追問，讓 AI 總結某個鏈接的內容；中間對幾個 Google 排名靠前的鏈接進行了總結，等於輸出了一篇短小的「文獻綜述」。
但右邊才是最有趣的一欄，AI 給出了知識圖譜，幫我們拓展思路，搭建知識體系。
「AI 搜索發展現狀」本身是一個非常寬泛的問題，Flowith 延伸出了不少細分的方向：AI 在搜索引擎功能中的集成、AI 搜索算法的進展、AI 搜索結果中的偏見……
好奇心強的人類，可以不斷探索下去。選中知識圖譜的動態效果也有些魔性，QQ 彈彈，像果凍的質感。
而在自動決策模式下，Flowith 會根據你的提示詞，自動切換到最合適的 AI 模型，判斷是否需要聯網搜索，是否需要文生圖，是選擇速度優先的 GPT-3.5，還是更強的 GPT-4 和 Claude 3，可以窺見 Agent 的雛形。
比如，問問廣州今天的天氣如何，Flowith 就會進行實時搜索。
從整體來看，Flowith 的動態 UI 也很酷，整塊畫布可以拖拽、縮小、放大，節點可以引用、追問、刪除、重新生成。
使用 Flowith，有些類似我們過去在草稿紙上塗塗畫畫思考問題，發散、延伸、刪除，漫無邊際，不像邏輯清晰的大綱，也不像和 ChatGPT 之間直觀的聊天記錄。
但這就是我們使用畫布的目的，在發散創意的過程中，慢慢地把思路捋清，如同流水那樣滔滔不絕。
畫布式 AI 的可視化，本身就是思考的外顯。
形式影響思考，拒絕讓大腦困在「聊天框」
創新的形式，本質是為了實現人類和 AI 更高效的交互。
如果説 ChatGPT 是聊天式的 AI，Flowith 這類產品，可以簡稱為畫布式的 AI。
類似地，設計平台 Figma 的在線白板工具 FigJam，也在去年 8 月提供了內置的 AI 部件 Jambot。Jambot 結合了 ChatGPT 的生成能力，可以進行頭腦風暴、總結、改寫等。
參與開發的產品設計師 Aosheng Ran 在發佈時提到：
▲ Jambot
和聊天式的 AI 互動，確實存在侷限性。
ChatGPT 等聊天機器人是基於線性的結構，但思考往往不是線性的，大模型又有一定的隨機性，生成的內容，比如文案、翻譯、代碼，往往需要反覆修改、對比和測試。
ChatGPT 縱然可以反覆生成，但如果某個問題對話了幾百次，聊天記錄過長，我們可能也不知道自己聊到哪裏了。
哪怕把一個問題研究清楚了，ChatGPT 無法直觀地呈現從這個問題引發出去的不同分支。
但畫布式的 AI 是不一樣的煙火。
同一塊畫布上，我們可以反覆修改提示詞，或者用不同的大模型多試幾次，答案全部保留；我們也可以同時完成多項任務並查看結果，搜索、頭腦風暴、內容總結等需求並行不悖。
▲ 圖片來自：X@DerekNee
比如，假期快到了，我先用了頭腦風暴模式，讓 Flowith 列出 AI 旅行助手應當具備的 5 個特點，再用了聯網搜索模式，讓它直接找出 3 個目前最主流的 AI 旅行助手應用。
以此類推，涉及到需要反覆生成、對比內容的創作場景，以及發揮 AI 多項能力的工作流，畫布式的 AI 往往比聊天式的 AI 更有趣、更直觀，也更具互動性，不必新開很多的聊天頁面，本身就是一塊無限的創作土壤。
在線白板工具引以為傲的團隊協作功能，也是畫布式 AI 所擅長的，聊天式 AI 只能甘拜下風。
ChatGPT 支持共享聊天記錄，但不能從分享的鏈接繼續對話。
Perplexity 支持分享搜索結果，其他用户可以在原有的基礎上追問，但追問後會創建新的鏈接，和我們分享的並不在同一個頁面。
然而，Flowith 只要開了「可編輯」的權限，對方就可以參與團隊協作，在輸入框提出自己的問題。如果只是「可查看」，雖然沒有輸入框，對方也可以發表評論。
想象一下，我們分享一個「flow」給別人，直接在畫布上進行實時多人生成和討論，又不會干擾原有的痕跡，激情和甲方 Battle，有種在飛書文檔揮斥方遒的感覺了。
類似 Notion 的模板，如果不知道怎麼更高效地使用，Flowith 還提供了 Discover 頁面，向你推薦別人的用法。驗證可行的工作流，被加工成了一個個開箱即用的半成品。
之所以反覆強調畫布和聊天的不同，甚至隱隱有些把它們對立起來，是因為交互的方式，潛移默化地影響着我們思考的方式。
如果只是看到一個輸入框，可能我們的思維也會陷入「對話模式」，像和人類交流一樣和 AI 説話，向它問好，問它如何一夜暴富，或者向它傾訴自己的心情。
這樣的用法也很好，但當使用 AI 的方式更多、更自由，內容生產也就有了更多的可能，AI 能力的邊界也就離我們更近。
創新不是終點，不迷信任何一種交互形式
畫布式的 AI 和聊天式的 AI，並非你死我活的替代，而是美美與共的互補。
聊天式 AI 固然有缺點，畫布式 AI 也並非總是笑到最後。
如果只是找一個簡單的問題、瞭解某個陌生的概念，還是求助 GPT-4 和 Perplexity 更快。
作為一個初出茅廬的產品，Flowith 也不是那麼好用，短板肉眼可見。
生成圖片模式支持的模型不多，目前只有 Stable Diffusion 和 DALL·E 3，之前支持 Midjourney，但現在不可選了。
同時，Flowith 調取的模型有 2 個梯隊，高級的 T1 和基礎的 T2。雖然 GPT-3.5 Turbo 等 T2 模型在邀請朋友後無限次免費，但 GPT-4 Turbo、文生圖模型等 T1 模型有使用額度。
在個人的體驗之中，Flowith 也出現了一些奇怪的狀況，但不確定這些問題的普遍性。
用中文向 Flowith 提問，答案也可能是全英，有些影響用户體驗。拿同樣的提示詞問 GPT-4 和 GPT-3.5，回答的都是中文。
雖然 Flowith 支持讀取 PDF，但如果上傳的文件過大，很可能不成功。
Flowith 的交互也不夠流暢，輸入新的問題時，其他節點和整體界面總會發生動態的變化，有時候會讓人迷失視覺的重心。雖然效果酷炫，但新鮮感只是一時的。
另外，在對 Flowith 的某個節點進行追問時，上下文不一定連貫，出現過答非所問的狀況。
儘管產品還不那麼成熟，但 Flowith 做了和 Perplexity 類似的事情：在大語言模型的基礎上，考慮怎麼應用 AI 的能力，讓 AI 更好地加入我們的工作流。
Flowith 開發者 @DerekNee，在 X 分享了他對產品的見解——不應該只把 Flowith 看作是一個白板 AI 工具。
他本身是 GPT-4 和 AI 產品的重度用户，但在寫文案、寫代碼、搜索內容時，主流的聊天式 UI 不夠高效，不適合反覆的修改、對比和測試。
在他看來，白板是為了讓大眾理解二維畫布、節點概念的一個代替詞，Flowith 的核心依然是幫助用户生成內容，探索 Human-AI 新的、更有效的交互方式。
這和 Figma 的理念不謀而合。推出 Jambot 時，Figma 在博客寫道，AI 是一種增強工作和協作的工具。與其説讓 AI 為你做事，不如説 AI 在幫助你做得更好。
WPS、釘釘等辦公軟件 AI 化，聽用户的指揮一鍵生成 PPT，讓 AI 助理進行文檔速讀，其實也是這個道理。
Flow 的本意「流動」，某種程度上就是我們對 AI 工具的期許：幫助人類的思維流動起來。
其實，我們思考和解決問題的方式已經被 AI 改變了。
Perplexity 等 AI 搜索，漸漸變成了日常離不開的產品，人類提出問題，它們搜索、摘要、成文，自己已經是一個成熟的工作流了，我們付出更少，但效率更高。回想只用傳統搜索引擎的日子，萬古如長夜。
還沒有和人類磨合得很好的 Flowith，無法代替 ChatGPT，但這不是問題。
Canva 等設計平台能在 Adobe 的領域闖出一條路，是因為搭建產品的底層與 Adobe 不同，前者是模板和部件，後者是對圖片的像素級調整。
Canva 搶不走 Adobe 的忠實用户，但吸引了不會或者沒法用 Adobe 的用户。
Flowith 也是類似，本質是在填補市場的空缺。Perplexity 不重複 Google，Flowith 不重複 Perplexity。
ChatGPT 引領了聊天式的 AI，用起來確實便捷又簡單，在它之後，很多產品照做了，用户也默認接受了。
然而未來，我們與 AI 的協作，不會只是翻譯、問答，應該允許更多有趣的想法發生，它們不一定成功，但足夠帶來驚喜。
畢竟，AI 的時代，變化總是很快，必然還有更新鮮的 AI 交互方式，提升效率、創新思維、改變工作流。
在玩過更多產品之後，我們才能歸來仍是少年地驚呼：這才是我想要的 AI 應用。
資料來源：愛範兒（ifanr）
當我們開啓某個話題前，ChatGPT 空白的輸入框裏默認寫着這一句話。
和 ChatGPT 的交互，就像和朋友的聊天，你來我往，從上到下，線性的結構非常直觀。
然而，這就是和 AI 互動的最佳模式嗎？
還在翻和 ChatGPT 的聊天記錄？一種很新的交互方式來了
學生時期，我們應該都見過白板，老師用可以擦除的馬克筆，在白色的平滑板面上寫公式。
Canva、Figma 等設計平台，則提供了在線白板工具，它們沿襲了物理白板的特點，但畫布是無限的，形式也更加自由，就像現實的辦公桌一樣，可以靈活地放置各種東西，很適合進行頭腦風暴。
▲ 在線白板工具示意圖. 圖片來自：Canva
如果 ChatGPT 也以白板的方式和我們互動，會產生什麼奇妙的化學反應？
Flowith 就是這樣一款 AI 內容生成工具，最近發佈了公測，一週新增約 2 萬名新用户。
它在形式上最大的亮點是，把縱向的聊天記錄，轉變成了動態的畫布，為人機交互提供了一種很新的方式。
Flowith 支持 GPT 4 Turbo、Claude 3 Opus 等模型，本質和 Perplexity 差不多，都是在他人的地基上搭建服務，但創新之處各有千秋。
Flowith 的底部仍然有輸入框，但你是在一塊類似在線白板的無限畫布上，和 AI 互動。
這裏還引入了一個新概念：節點。
每次提問產生新的節點，節點可以再發散和引用，串成很多不同的線。
舉個例子更加直觀，直接問 AI：「給我頭腦風暴 5 個 AI 創業想法。」
Flowith 給出的答案是：AI 醫療影像診斷、AI 在線教育平台、AI 智能投資顧問、AI 智能家居可穿戴設備、AI 場景消費推薦。
然後，我們可以在「AI 智能家居和可穿戴設備」的分支下，追問目前有哪些主要玩家。
第一次看到答案以卡片的形式分叉和移動，心裏會忍不住「哇」一聲。
這個例子使用的是「思維導圖發散模式」。除此之外，Flowith 還提供了自動決策模式、聯網超級搜索模式、生成圖片模式，適合不同的問題和場景。
開放性的問題多半交給思維導圖模式，聯網搜索模式則像 Perplexity 的平替，能搜索、能總結，甚至還能開腦洞。
當我輸入「國內 AI 搜索的發展情況如何」，Flowith 的輸出分成三欄。
左邊提供實時搜索結果和圖片，可以進一步追問，讓 AI 總結某個鏈接的內容；中間對幾個 Google 排名靠前的鏈接進行了總結，等於輸出了一篇短小的「文獻綜述」。
但右邊才是最有趣的一欄，AI 給出了知識圖譜，幫我們拓展思路，搭建知識體系。
「AI 搜索發展現狀」本身是一個非常寬泛的問題，Flowith 延伸出了不少細分的方向：AI 在搜索引擎功能中的集成、AI 搜索算法的進展、AI 搜索結果中的偏見……
好奇心強的人類，可以不斷探索下去。選中知識圖譜的動態效果也有些魔性，QQ 彈彈，像果凍的質感。
而在自動決策模式下，Flowith 會根據你的提示詞，自動切換到最合適的 AI 模型，判斷是否需要聯網搜索，是否需要文生圖，是選擇速度優先的 GPT-3.5，還是更強的 GPT-4 和 Claude 3，可以窺見 Agent 的雛形。
比如，問問廣州今天的天氣如何，Flowith 就會進行實時搜索。
從整體來看，Flowith 的動態 UI 也很酷，整塊畫布可以拖拽、縮小、放大，節點可以引用、追問、刪除、重新生成。
使用 Flowith，有些類似我們過去在草稿紙上塗塗畫畫思考問題，發散、延伸、刪除，漫無邊際，不像邏輯清晰的大綱，也不像和 ChatGPT 之間直觀的聊天記錄。
但這就是我們使用畫布的目的，在發散創意的過程中，慢慢地把思路捋清，如同流水那樣滔滔不絕。
畫布式 AI 的可視化，本身就是思考的外顯。
形式影響思考，拒絕讓大腦困在「聊天框」
創新的形式，本質是為了實現人類和 AI 更高效的交互。
如果説 ChatGPT 是聊天式的 AI，Flowith 這類產品，可以簡稱為畫布式的 AI。
類似地，設計平台 Figma 的在線白板工具 FigJam，也在去年 8 月提供了內置的 AI 部件 Jambot。Jambot 結合了 ChatGPT 的生成能力，可以進行頭腦風暴、總結、改寫等。
參與開發的產品設計師 Aosheng Ran 在發佈時提到：
引用我想我們被困在聊天框裏了。就像我們現在被困在 Zoom 中一樣。
▲ Jambot
和聊天式的 AI 互動，確實存在侷限性。
ChatGPT 等聊天機器人是基於線性的結構，但思考往往不是線性的，大模型又有一定的隨機性，生成的內容，比如文案、翻譯、代碼，往往需要反覆修改、對比和測試。
ChatGPT 縱然可以反覆生成，但如果某個問題對話了幾百次，聊天記錄過長，我們可能也不知道自己聊到哪裏了。
哪怕把一個問題研究清楚了，ChatGPT 無法直觀地呈現從這個問題引發出去的不同分支。
但畫布式的 AI 是不一樣的煙火。
同一塊畫布上，我們可以反覆修改提示詞，或者用不同的大模型多試幾次，答案全部保留；我們也可以同時完成多項任務並查看結果，搜索、頭腦風暴、內容總結等需求並行不悖。
▲ 圖片來自：X@DerekNee
比如，假期快到了，我先用了頭腦風暴模式，讓 Flowith 列出 AI 旅行助手應當具備的 5 個特點，再用了聯網搜索模式，讓它直接找出 3 個目前最主流的 AI 旅行助手應用。
以此類推，涉及到需要反覆生成、對比內容的創作場景，以及發揮 AI 多項能力的工作流，畫布式的 AI 往往比聊天式的 AI 更有趣、更直觀，也更具互動性，不必新開很多的聊天頁面，本身就是一塊無限的創作土壤。
在線白板工具引以為傲的團隊協作功能，也是畫布式 AI 所擅長的，聊天式 AI 只能甘拜下風。
ChatGPT 支持共享聊天記錄，但不能從分享的鏈接繼續對話。
Perplexity 支持分享搜索結果，其他用户可以在原有的基礎上追問，但追問後會創建新的鏈接，和我們分享的並不在同一個頁面。
然而，Flowith 只要開了「可編輯」的權限，對方就可以參與團隊協作，在輸入框提出自己的問題。如果只是「可查看」，雖然沒有輸入框，對方也可以發表評論。
想象一下，我們分享一個「flow」給別人，直接在畫布上進行實時多人生成和討論，又不會干擾原有的痕跡，激情和甲方 Battle，有種在飛書文檔揮斥方遒的感覺了。
類似 Notion 的模板，如果不知道怎麼更高效地使用，Flowith 還提供了 Discover 頁面，向你推薦別人的用法。驗證可行的工作流，被加工成了一個個開箱即用的半成品。
之所以反覆強調畫布和聊天的不同，甚至隱隱有些把它們對立起來，是因為交互的方式，潛移默化地影響着我們思考的方式。
如果只是看到一個輸入框，可能我們的思維也會陷入「對話模式」，像和人類交流一樣和 AI 説話，向它問好，問它如何一夜暴富，或者向它傾訴自己的心情。
這樣的用法也很好，但當使用 AI 的方式更多、更自由，內容生產也就有了更多的可能，AI 能力的邊界也就離我們更近。
創新不是終點，不迷信任何一種交互形式
畫布式的 AI 和聊天式的 AI，並非你死我活的替代，而是美美與共的互補。
聊天式 AI 固然有缺點，畫布式 AI 也並非總是笑到最後。
如果只是找一個簡單的問題、瞭解某個陌生的概念，還是求助 GPT-4 和 Perplexity 更快。
作為一個初出茅廬的產品，Flowith 也不是那麼好用，短板肉眼可見。
生成圖片模式支持的模型不多，目前只有 Stable Diffusion 和 DALL·E 3，之前支持 Midjourney，但現在不可選了。
同時，Flowith 調取的模型有 2 個梯隊，高級的 T1 和基礎的 T2。雖然 GPT-3.5 Turbo 等 T2 模型在邀請朋友後無限次免費，但 GPT-4 Turbo、文生圖模型等 T1 模型有使用額度。
在個人的體驗之中，Flowith 也出現了一些奇怪的狀況，但不確定這些問題的普遍性。
用中文向 Flowith 提問，答案也可能是全英，有些影響用户體驗。拿同樣的提示詞問 GPT-4 和 GPT-3.5，回答的都是中文。
雖然 Flowith 支持讀取 PDF，但如果上傳的文件過大，很可能不成功。
Flowith 的交互也不夠流暢，輸入新的問題時，其他節點和整體界面總會發生動態的變化，有時候會讓人迷失視覺的重心。雖然效果酷炫，但新鮮感只是一時的。
另外，在對 Flowith 的某個節點進行追問時，上下文不一定連貫，出現過答非所問的狀況。
儘管產品還不那麼成熟，但 Flowith 做了和 Perplexity 類似的事情：在大語言模型的基礎上，考慮怎麼應用 AI 的能力，讓 AI 更好地加入我們的工作流。
Flowith 開發者 @DerekNee，在 X 分享了他對產品的見解——不應該只把 Flowith 看作是一個白板 AI 工具。
他本身是 GPT-4 和 AI 產品的重度用户，但在寫文案、寫代碼、搜索內容時，主流的聊天式 UI 不夠高效，不適合反覆的修改、對比和測試。
在他看來，白板是為了讓大眾理解二維畫布、節點概念的一個代替詞，Flowith 的核心依然是幫助用户生成內容，探索 Human-AI 新的、更有效的交互方式。
這和 Figma 的理念不謀而合。推出 Jambot 時，Figma 在博客寫道，AI 是一種增強工作和協作的工具。與其説讓 AI 為你做事，不如説 AI 在幫助你做得更好。
WPS、釘釘等辦公軟件 AI 化，聽用户的指揮一鍵生成 PPT，讓 AI 助理進行文檔速讀，其實也是這個道理。
Flow 的本意「流動」，某種程度上就是我們對 AI 工具的期許：幫助人類的思維流動起來。
其實，我們思考和解決問題的方式已經被 AI 改變了。
Perplexity 等 AI 搜索，漸漸變成了日常離不開的產品，人類提出問題，它們搜索、摘要、成文，自己已經是一個成熟的工作流了，我們付出更少，但效率更高。回想只用傳統搜索引擎的日子，萬古如長夜。
還沒有和人類磨合得很好的 Flowith，無法代替 ChatGPT，但這不是問題。
Canva 等設計平台能在 Adobe 的領域闖出一條路，是因為搭建產品的底層與 Adobe 不同，前者是模板和部件，後者是對圖片的像素級調整。
Canva 搶不走 Adobe 的忠實用户，但吸引了不會或者沒法用 Adobe 的用户。
Flowith 也是類似，本質是在填補市場的空缺。Perplexity 不重複 Google，Flowith 不重複 Perplexity。
ChatGPT 引領了聊天式的 AI，用起來確實便捷又簡單，在它之後，很多產品照做了，用户也默認接受了。
然而未來，我們與 AI 的協作，不會只是翻譯、問答，應該允許更多有趣的想法發生，它們不一定成功，但足夠帶來驚喜。
畢竟，AI 的時代，變化總是很快，必然還有更新鮮的 AI 交互方式，提升效率、創新思維、改變工作流。
在玩過更多產品之後，我們才能歸來仍是少年地驚呼：這才是我想要的 AI 應用。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊