金磊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

AI來(lái)了，學(xué)習(xí)方式也變樣了。

就好比面對(duì)最近大火的OpenClaw（原Clawdbot、Moltbot），單單是與它相關(guān)的Skills，就已經(jīng)有1700多個(gè)。

這個(gè)GitHub項(xiàng)目里有如此多的Skills，到底該怎么學(xué)才能記得?。?/strong>

That’s a big problem~

但也正如我們剛才說(shuō)的，AI來(lái)了，一切都變了。

現(xiàn)在，你可以把這個(gè)GitHub下載成PDF，然后直接喂給AI：

不大一會(huì)兒，一個(gè)與之相關(guān)的多鄰國(guó)式學(xué)習(xí)的課程就被AI搞出來(lái)了：

點(diǎn)進(jìn)去，映入眼簾的，就是一個(gè)涵蓋10節(jié)課的教程，包括對(duì)整個(gè)OpenClaw的知識(shí)框架和知識(shí)卡片：

在開(kāi)始學(xué)習(xí)之后，教程會(huì)先對(duì)OpenClaw的基礎(chǔ)知識(shí)做一個(gè)梳理，而且還是圖文并茂的那種：

與此同時(shí)，為了保證準(zhǔn)確性，課程還專(zhuān)門(mén)設(shè)置了對(duì)照學(xué)習(xí)的功能，可以比對(duì)上傳文件對(duì)應(yīng)的位置邊比對(duì)邊學(xué)習(xí)：

在每一個(gè)環(huán)節(jié)過(guò)后，還會(huì)有一個(gè)小測(cè)環(huán)節(jié)，例如它會(huì)問(wèn)你：

ClawHub注冊(cè)表在篩選技能時(shí)，剔除了哪些類(lèi)型的低質(zhì)內(nèi)容？

作答過(guò)后，AI也會(huì)基于正確答案，給予解析反饋：

如此一來(lái)，海量的新知識(shí)就會(huì)以課程的形式出現(xiàn)在我們面前，還有小測(cè)等形式能加深和鞏固記憶點(diǎn)。

學(xué)習(xí)新知識(shí)這件事，一下子就從枯燥無(wú)味變得鮮活了起來(lái)。

那么這到底是何許AI也？

不賣(mài)關(guān)子，它正是智譜清言APP推出的新功能——學(xué)習(xí)搭子。

不僅僅是網(wǎng)頁(yè)端，手機(jī)等移動(dòng)端現(xiàn)在也是可以用。

總而言之，現(xiàn)在所有的學(xué)科，都可以在學(xué)習(xí)搭子里以多鄰國(guó)的方式來(lái)學(xué)習(xí)。

主打的就是一個(gè)把知識(shí)和書(shū)讀薄、讀活和讀透，專(zhuān)治間歇性學(xué)習(xí)和轉(zhuǎn)頭就忘的毛病。

如此有趣的AI應(yīng)用，那么接下來(lái)，老規(guī)矩，必須安排一波深度實(shí)測(cè)~

這次真能學(xué)透幾百頁(yè)的論文

現(xiàn)在身處AI時(shí)代，很多人的痛點(diǎn)都是：每天新出爐的知識(shí)真的太太太多了。

而且有些新知識(shí)還是動(dòng)輒就上百頁(yè)論文的那種。

例如這篇近100頁(yè)的《大型語(yǔ)言模型初級(jí)認(rèn)證知識(shí)圖譜》，通常這種大部頭，丟給普通AI，它們只能通過(guò)RAG切片技術(shù)，猜出你要的答案，經(jīng)常出現(xiàn)上下文邏輯割裂。

但智譜清言的學(xué)習(xí)搭子，這次不一樣。

當(dāng)我們點(diǎn)開(kāi)“Transformer架構(gòu)”這個(gè)節(jié)點(diǎn)，AI沒(méi)有扔給我一段干巴巴的定義，而是生成了一個(gè)交互式的解釋卡片。

針對(duì)“注意力機(jī)制”，它甚至用一段代碼演示配合圖表，動(dòng)態(tài)展示了Query、Key、Value是如何計(jì)算權(quán)重的。

而且很多知識(shí)都是以有趣、生動(dòng)的動(dòng)畫(huà)來(lái)展示：

整整100頁(yè)的論文，活生生地被濃縮成了一張可交互的地圖。

遇到不懂的節(jié)點(diǎn)，點(diǎn)擊AI詳解，它會(huì)用蘇格拉底式的提問(wèn)引導(dǎo)你思考，而不是直接灌輸。

除了讀論文之外，像視頻/音頻這種時(shí)間太長(zhǎng)、信息密度極高的素材，也是經(jīng)常會(huì)出現(xiàn)聽(tīng)完就忘、回頭找知識(shí)點(diǎn)像大海撈針的問(wèn)題。

例如每年黃仁勛的演講，堪稱(chēng)是科技圈所有人重點(diǎn)關(guān)注內(nèi)容。

但很現(xiàn)實(shí)的一個(gè)情況是……動(dòng)輒兩小時(shí)的內(nèi)容，全是高密度的技術(shù)名詞：Blackwell、Omniverse、Digital Twin……

不過(guò)現(xiàn)在，你的學(xué)習(xí)方式，可以是把文字實(shí)錄或網(wǎng)站鏈接直接丟給智譜清言的學(xué)習(xí)搭子。

不難看出，學(xué)習(xí)搭子不僅提取了黃仁勛演講的關(guān)鍵信息，而且它還通過(guò)知識(shí)閃卡功能把重點(diǎn)知識(shí)梳理成PPT，可以說(shuō)是一目了然：

從教育角度來(lái)說(shuō)，這就是典型的雙重編碼理論，單純的文字很難記住，但“圖像+文字”的組合，能讓記憶留存率提升數(shù)倍。

同樣的，在每個(gè)學(xué)習(xí)章節(jié)的下方，還是會(huì)有測(cè)試的環(huán)節(jié)，讓我們對(duì)知識(shí)點(diǎn)進(jìn)一步做鞏固和加深：

用AI做爆款內(nèi)容，同樣也是困擾不少人的老大難問(wèn)題。

畢竟這是一個(gè)需要有創(chuàng)意、獨(dú)特視角的場(chǎng)景，同質(zhì)化內(nèi)容過(guò)多就會(huì)與爆款失之交臂。

我們這次實(shí)測(cè)就以《AI漫劇制作全解析》為例，在手機(jī)端上進(jìn)行學(xué)習(xí)。

可以看到，清言學(xué)習(xí)搭子會(huì)根據(jù)素材的內(nèi)容，自行調(diào)整學(xué)習(xí)課程的篇章，不會(huì)一根筋地全放到一塊。

在手機(jī)端同樣也是會(huì)包含對(duì)比學(xué)習(xí)、圖文并茂、隨堂測(cè)試等功能：

以及像讀過(guò)的書(shū)籍，想溫故而知新，在清言學(xué)習(xí)搭子這里也是可以的。

有請(qǐng)《馬斯克傳》：

從知識(shí)框架來(lái)看，清言學(xué)習(xí)搭子是通過(guò)深度的理解，把書(shū)籍的內(nèi)容以讓人一目了然、清晰的結(jié)構(gòu)來(lái)進(jìn)行劃分。

甚至在開(kāi)始閱讀前，它還會(huì)幫忙總結(jié)，讀完這本書(shū)你能收獲些什么。

并且還是通過(guò)測(cè)試等方式，加深你對(duì)書(shū)籍內(nèi)容的印象。

有一說(shuō)一，清言學(xué)習(xí)搭子這次真的是把知識(shí)讀薄、讀活、讀透給玩明白了。

那么接下來(lái)的問(wèn)題是：

怎么做到的？

很多AI讀文檔為什么讀不明白？

究其原因，因?yàn)樗鼈兪怯们衅姆绞阶x的：把一本書(shū)切成幾百塊，讀了這塊忘了那塊，自然不懂跨章節(jié)的邏輯。

對(duì)此，智譜清言利用了GLM旗艦?zāi)Ｐ偷?00k Token超長(zhǎng)上下文能力。

這意味著它是一次性把整本書(shū)“吃”進(jìn)去的。它具備全局注意力，所以才能畫(huà)出那個(gè)跨越全書(shū)的知識(shí)地圖，才能分析出招股書(shū)里前后呼應(yīng)的因果關(guān)系。

其次，不論你丟進(jìn)去的是PDF、Word、還是滿(mǎn)是廣告的網(wǎng)頁(yè)鏈接，對(duì)它來(lái)說(shuō)沒(méi)區(qū)別。

因?yàn)樗鼉?nèi)置了自研的高精度OCR引擎，專(zhuān)門(mén)針對(duì)復(fù)雜的論文排版、公式、圖表進(jìn)行了優(yōu)化。

甚至連掃描件里的手寫(xiě)筆記都能識(shí)別。它通過(guò)自動(dòng)化ETL管道，把所有噪音洗掉，喂給大模型的全是純凈的干貨。

以及內(nèi)置的動(dòng)態(tài)演示圖功能，用到的技術(shù)則是Code Interpreter（代碼解釋器）。

依托GLM強(qiáng)大的Coding能力，當(dāng)你需要解釋一個(gè)流程時(shí)，它直接生成可運(yùn)行的HTML/JS組件，一次通過(guò)率極高，把枯燥的概念，變成了可交互的Demo。

不僅如此，清言學(xué)習(xí)搭子還是懂教育的：結(jié)合了教育學(xué)中的布魯姆分類(lèi)法。

它會(huì)根據(jù)知識(shí)點(diǎn)的不同認(rèn)知層級(jí)（記憶、理解、應(yīng)用、分析），生成對(duì)應(yīng)的題目。

并且，利用大模型的邏輯能力，生成了動(dòng)態(tài)干擾項(xiàng)。這些選項(xiàng)看似正確，實(shí)則考察你對(duì)概念邊界的理解，徹底告別死記硬背。

智譜清言，改變了知識(shí)獲取的方式

黃仁勛曾說(shuō)：“我很懷念自己20歲的時(shí)候，那時(shí)我有‘無(wú)知’的權(quán)利；但現(xiàn)在的孩子不行，他們必須終身學(xué)習(xí)?！?/p>

在這個(gè)AI技術(shù)日新月異、論文滿(mǎn)天飛、新概念層出不窮的時(shí)代，我們大腦的“帶寬”已經(jīng)跟不上信息量的爆炸了。

傳統(tǒng)的學(xué)習(xí)方式是：搜索 -> 閱讀 -> 整理 -> 記憶 -> 練習(xí)。這個(gè)鏈路太長(zhǎng)、太痛苦。

智譜清言的學(xué)習(xí)搭子，試圖把這個(gè)鏈路重構(gòu)。

它不僅僅是把書(shū)讀薄，更是用多鄰國(guó)式的即時(shí)反饋、游戲化的闖關(guān)機(jī)制、可視化的知識(shí)圖譜，把反人性的苦學(xué)，變成了順人性的快學(xué)。

雖然市面上打著AI教育旗號(hào)的產(chǎn)品很多，但大多數(shù)只是換了皮的搜索框。

從這次實(shí)測(cè)來(lái)看，智譜清言是真正在用Agent的思維做教育——它不僅有B端基座模型的強(qiáng)悍能力（200k長(zhǎng)文本、多模態(tài)理解），更在C端體驗(yàn)上琢磨透了“怎么讓人學(xué)會(huì)”這件事。

目前，智譜清言的學(xué)習(xí)搭子已經(jīng)在網(wǎng)頁(yè)端和移動(dòng)端全量上線。

如果你也被那些永遠(yuǎn)讀不完的Paper、學(xué)不完的OpenClaw技巧搞得焦慮不已，不妨去試試（剛才我們提到的OpenClaw技巧課程，可以點(diǎn)擊下方鏈接或文末閱讀原文）。

畢竟，在AI時(shí)代，學(xué)得快，本身就是一種超能力。

OpenClaw實(shí)操課程地址：
https://chatglm.cn/share/hFcHuCy2