在哥大，剛?cè)雽W(xué)不久的趙一霖和蔣若涵參加了一次量子物理黑客松。講座從邏輯門講到代碼實(shí)現(xiàn)，零基礎(chǔ)的他們聽得格外吃力。一邊是晦澀的教材，另一邊是 ChatGPT 迅速卻淺顯的答案。可當(dāng)他們自己把核心概念層層拆開，才發(fā)現(xiàn)并沒有想象中復(fù)雜。那一刻他們意識到：知識未必難，難的是沒有人真正把它講明白。

他們不滿足于流于表面的答案。

趙一霖和蔣若涵身上有一種近乎 Agent 的主動性，他們稱之為「結(jié)構(gòu)外的生長力」。不被既定路徑牽引，也不只是完成被分配的任務(wù)，而是帶著自己的判斷往前走。他們白天上學(xué)，晚上創(chuàng)業(yè)，兩人見面時(shí)的問候從來不是「你今天過得怎么樣」，而是「你遇到了什么問題」。

從去年 9 月至今，Hyperknow 已經(jīng)迭代五個(gè)大版本，小版本累計(jì)數(shù)百次。

還在中學(xué)時(shí)，趙一霖常常想：如果身邊有一個(gè)真正懂他思想、理解他進(jìn)度、熟諳他全部背景的人，會是什么體驗(yàn)？后來，他慢慢成長為這樣的人，能把難題講簡單。再后來，他意識到，大家真正缺少的就是一個(gè) Hyperknow——一個(gè)理解你學(xué)習(xí)上下文、回應(yīng)你每一個(gè)問題的伙伴。

2025 年 11 月，通用學(xué)習(xí)智能體 Hyperknow 正式發(fā)布，圍繞真實(shí)學(xué)習(xí)場景打造個(gè)性化專屬模型。三個(gè)月后，Hyperknow 3.0 上線。它開始主動思考與規(guī)劃，提前判斷你的下一步。

未來總會拋出一個(gè)接一個(gè)的問題。好在二十歲的自信和希望依然充足，足以支撐他們一次次向前。

服務(wù)所有對知識好奇的人

Q：請兩位先簡單介紹一下自己。

趙一霖：大家好，我是趙一霖。我在哥倫比亞大學(xué)讀大三，今年選擇了休學(xué)創(chuàng)業(yè)，是 Hyperknow 的創(chuàng)始人。

蔣若涵：大家好，我叫蔣若涵，在哥大讀大二，現(xiàn)在也在休學(xué)創(chuàng)業(yè)。

Q：跟大家介紹一下 Hyperknow 這個(gè)產(chǎn)品吧。

蔣若涵：我們目前做的是一個(gè)「通用學(xué)習(xí)智能體」平臺。一開始是從我們自己學(xué)習(xí)中遇到什么困難出發(fā)，后來發(fā)現(xiàn)大家的痛點(diǎn)都來自于：沒有一個(gè)足夠好的渠道能把各種知識真正講清楚。

現(xiàn)在有課堂、有 YouTube、有 ChatGPT，但它們往往都做不到「即有深度，又淺顯易懂，同時(shí)還真正貼合每個(gè)人的學(xué)習(xí)需求」。過去大家學(xué)習(xí)時(shí)經(jīng)常會被各種信息噪音困住，拖慢你真正理解的過程。

我們想做的就是讓 AI 去承擔(dān)這部分噪音，讓學(xué)習(xí)者專注于理解本身。

Q：是什么樣的契機(jī)讓你們決定在大學(xué)前兩年出來 Gap 創(chuàng)業(yè)？

趙一霖：我在哥大有個(gè)一起做科研的好朋友，當(dāng)時(shí)我們在做 AI for Science 方向的研究。我們從 2024 年年初開始一點(diǎn)點(diǎn)把技術(shù)跑通了，但后來 Sakana AI 搶先發(fā)布，被認(rèn)為是首個(gè)能夠獨(dú)立完成科學(xué)研究全過程的 AI Scientist。

那位同學(xué)經(jīng)常跟我說一句話：「一霖，你是一個(gè)很有想法的人。你應(yīng)該看自己生活里真正遇到了什么問題，然后想一想，能不能把它做成一家公司。」

他反復(fù)拷問我。我當(dāng)時(shí)還說：「我不是來給你做研究的嗎？」結(jié)果這句話在我心里卡了很久。我想了兩個(gè)月也沒想明白，反而越來越郁悶。

直到若涵來了哥大，我們倆報(bào)名參加一個(gè)量子物理的黑客松。就在那一刻，有了一個(gè) click 的瞬間。

趙一霖（左）和蔣若涵（右）哥大求學(xué)期間合影

在黑客松之前，有一系列講座講邏輯門、代碼實(shí)現(xiàn)到底是怎么工作的。我們當(dāng)時(shí)是零基礎(chǔ)，聽得非常痛苦。為了聽這些課，我們翹了很多和朋友的飯局。

結(jié)果我們看老師給的教材發(fā)現(xiàn)太深奧了，問 ChatGPT 也解釋不清，最后靠自己才一點(diǎn)點(diǎn)弄明白。我們發(fā)現(xiàn)這個(gè)核心概念其實(shí)特別簡單：量子的「門」類似電路里的門，只是某個(gè)地方反過來了。

那一刻我突然就覺得很奇怪：為什么這個(gè)知識本身這么簡單，卻沒有人真正把它講明白？

我們做的就是一個(gè)能把問題講明白的平臺，既硬核又易懂。這一刻，我第一次清楚地看見了我們的問題。

Q：你們?nèi)ツ昃鸵呀?jīng)萌生了做產(chǎn)品的想法。這一年來迭代了幾個(gè)版本？

趙一霖：有一天晚上，我們和團(tuán)隊(duì)開會，準(zhǔn)備智能體在團(tuán)隊(duì)內(nèi)部的第一次完整亮相。我把之前所有的前端代碼都翻了出來，一版一版跑了一遍，才發(fā)現(xiàn)從去年 9 月正式開始到現(xiàn)在，我們至少已經(jīng)迭代了五個(gè)大版本，內(nèi)部的小版本加起來可能有幾百個(gè)。

我當(dāng)時(shí)把這些頁面全部截屏發(fā)到群里，大家都感慨變化太快了。我們團(tuán)隊(duì)整體節(jié)奏一直是「move fast, break things」的狀態(tài)，非常密集地迭代。

在宿舍打造第一版 Hyperknow Agent 的過程

我們第一版產(chǎn)品 AI Workspace 只是希望幫助學(xué)生更好地理解知識�；氐� 2024 年 10 月，它可能是第一個(gè)真正幫助學(xué)生做深度學(xué)術(shù)搜索和學(xué)術(shù)解釋的平臺。那時(shí)候甚至還沒有「Deep Research」這個(gè)概念。

Q：這次 Hyperknow 3.0 有什么重點(diǎn)更新？

蔣若涵：Hyperknow 3.0 的構(gòu)思始于去年 10 月。我們在聚焦提供足夠清晰、易懂講解的同時(shí)，也重新反思了現(xiàn)有 AI 學(xué)習(xí)的整體形態(tài)。

我們發(fā)現(xiàn)，很多時(shí)候，學(xué)習(xí)的沖動其實(shí)卡在「不知道該怎么提問」這一步。

因此，我們設(shè)計(jì)了一個(gè)「全包圍式的學(xué)習(xí)助手」（All-Round Learning Assistant）。它可以連接像 Canvas LMS 這樣的教學(xué)系統(tǒng)，也支持用戶建立自己的課程知識庫。智能體會主動捕捉課程進(jìn)度的變化，判斷你可能的下一步行動。

在用戶提問之前，它就已經(jīng)在后臺準(zhǔn)備好完成學(xué)習(xí)任務(wù)所需的材料。等到真正需要時(shí)，內(nèi)容就在你手邊。

在疑問產(chǎn)生之前，問題就已經(jīng)解決。

在 Hyperknow 3.0 中，我們還推出了「深度學(xué)習(xí)課堂」（Deep Learn Sessions）。這是一個(gè)結(jié)構(gòu)化的章節(jié)學(xué)習(xí)空間，由 AI 主動引導(dǎo)，而不是等待學(xué)生提問，更像是一鍵創(chuàng)建屬于你的專屬課程。因?yàn)楹芏鄬W(xué)習(xí)者并不了解一個(gè)學(xué)科或課題下具體包含哪些內(nèi)容，也不清楚知識點(diǎn)之間的關(guān)聯(lián)。碎片式的學(xué)習(xí)很難建立系統(tǒng)化的知識結(jié)構(gòu)。

在深度學(xué)習(xí)課堂中，AI 會逐層引導(dǎo)、循序漸進(jìn)教學(xué)，并結(jié)合視頻、互動動畫等多種學(xué)習(xí)材料，幫助學(xué)習(xí)者更系統(tǒng)、更深入地理解整門課程。

我們已經(jīng)有內(nèi)測用戶用這一模式準(zhǔn)備比賽，在幾乎沒有上課的情況下完成期末備考，取得了不錯的成績。

Q：有不少用戶反饋喜歡 Hyperknow 主動提問的功能。

趙一霖：「主動式提問」是我有天凌晨一點(diǎn)，在家附近一條路上散步時(shí)突然想到的。

當(dāng)時(shí)我就在想：我們到底在哪些情況下會比 GPT 更好用？或者說，什么時(shí)候你會更愿意來用我們？

剛發(fā)布時(shí)，我有位同學(xué)也在做自己的項(xiàng)目，但一直沒用過 Hyperknow。他就問我：「誒，你這個(gè)知識搜索到底和 GPT 有什么不一樣？」

我就跟他說：「你先用一下，你就知道了。」

他先看到我們有一個(gè) Agent 思考過程完整的流程展示，接著是 Web Search。一般模型會搜索 10 個(gè)左右的網(wǎng)頁，但我們一次會搜索 50 個(gè)。

這 50 個(gè)網(wǎng)頁搜出來后，Hyperknow 會逐個(gè)閱讀，然后才生成答案。每一段內(nèi)容還會標(biāo)注來源，你點(diǎn)進(jìn)小標(biāo)簽就能看到它來自哪個(gè)網(wǎng)頁，核心是什么。

這種感覺在學(xué)習(xí)中會提供一種額外的多巴胺。

Q：你們能完成什么 ChatGPT 很難做到的事？

趙一霖：我們自己覺得很有意思的一個(gè)功能就是剛剛提到的「小抄」。很多國外課程是常見的半開卷考試 Cheatsheet（參考紙），教授會允許你從 PPT 里整理出一張正反面的 A4 紙帶進(jìn)考場。

這是一個(gè)非常耗時(shí)的過程。如果用 ChatGPT 生成 PDF，你會發(fā)現(xiàn)它不太理解「參考紙」到底該長什么樣。它生成的內(nèi)容字多、排版不對，看起來很粗糙。

但我們的設(shè)計(jì)是從學(xué)生真實(shí)使用視角出發(fā)的。大部分學(xué)生做小抄時(shí)會把一張紙分成四列，頁邊距和字設(shè)置得很小。如果是理科，我們還會把所有公式摘出來，把每一個(gè)量的釋義標(biāo)注清楚。

Hyperknow 生成的 cheatsheet（參考紙）

你給 ChatGPT 上傳一本 500 頁的書，它不會真的把這本書完整讀完。出于計(jì)算負(fù)擔(dān)或上下文窗口的限制，它往往會壓縮，甚至直接用公開信息來「猜」這本書的內(nèi)容。

但我們會完整地讀你上傳的文件。目前我們可以處理最多一千頁的文檔，比如一個(gè)學(xué)生整個(gè)學(xué)期的 PPT。

Q：如果用一句話來形容 Hyperknow，會怎么說？

趙一霖：很多人讀書時(shí)可能都用過「作業(yè)幫」。拍照解題，當(dāng)下是會了，但第二天就忘了。三天之后老師再問，你就會想：「誒，這題怎么解來著？」

這只是求一個(gè)答案，而不是理解一個(gè)過程。

在 AI 時(shí)代也是一樣。我問 ChatGPT：什么是神經(jīng)網(wǎng)絡(luò)？它給我一個(gè)答案，我看完就會產(chǎn)生一種「哦，我懂了」錯覺。但這個(gè)過程實(shí)在是太快了。

真正的理解，是不僅知道這個(gè)詞的定義，還明白它如何工作，看過案例，甚至親自算過、模擬過，才算明白一個(gè)神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式。

雖然我們產(chǎn)品目前大概有六七成用戶是大學(xué)生，但我們也收到很多來自小紅書不同聲音的反饋。就像有家長說：「我是一個(gè)初中生的媽媽，能不能給孩子用？」

我們想服務(wù)所有對知識保持好奇的人。

Q：你們期待為用戶帶來什么？

趙一霖：在這個(gè)信息爆炸、信息又極容易被淺層獲取的時(shí)代，我們不太希望用戶只滿足于 ChatGPT 帶來的那種「我好像懂了」的感覺。

我們希望用戶能看到，原來還存在一種更好的 AI 解釋模式。而當(dāng)他們體驗(yàn)過后，會發(fā)現(xiàn)這種更深的理解是有愉悅感的。久而久之，他們會更愿意去深入，而不是停留在那種碎片化、片面的理解上。

Build in Public

Q：你們第一篇小紅書就有 1000 多贊，收到了大量產(chǎn)品反饋。當(dāng)時(shí)是怎么開始做小紅書的？

蔣若涵：這個(gè)結(jié)果很出乎我們意料。因?yàn)槲覀冊谛?nèi)能接觸到的同學(xué)網(wǎng)絡(luò)有限，做第一版產(chǎn)品的主要目的就是想接觸到更多不同背景的學(xué)生。

剛好小紅書是現(xiàn)在很多學(xué)生都會使用的平臺，于是我們就在小紅書上發(fā)了第一篇推文。

發(fā)完之后，我們就在想，怎樣才能更好地把大家的建議收集進(jìn)來。后來就在小紅書上建了第一個(gè)用戶群，很快就有幾百人加入。那段時(shí)間產(chǎn)品剛上線，數(shù)據(jù)庫和系統(tǒng)穩(wěn)定性都有不少問題，經(jīng)常掉線。群里的用戶一邊給我們提建議，一邊陪著我們一起修各種 bug。

壓力確實(shí)很大，但同時(shí)也很快樂。我們每天都在和用戶交流，一邊改產(chǎn)品，一邊看到最真實(shí)的反饋。

還有一件事讓我印象特別深。在規(guī)劃下一版產(chǎn)品時(shí)，我們邀請了一批用戶參加線上工作坊。那天是北京周末的一個(gè)早上，一共來了幾十個(gè)人。有醫(yī)學(xué)生提到需要閱讀大量文獻(xiàn)，學(xué)生命科學(xué)、學(xué)法律的用戶也提到閃卡（Flashcards）這樣的功能。訪談中很多建議后來都直接成為現(xiàn)在產(chǎn)品的一部分。

Q：有沒有收到一些意料之外的反饋？

趙一霖：前幾天我們剛收到一個(gè)有意思的反饋。有位用戶給 Hyperknow 的提示詞是：「我是一個(gè) 80 歲的老奶奶，請你用簡單的語言教我用 R 語言畫圖。」

Hyperknow 給了一個(gè)我們自己看了都覺得很好玩的回答。它是這么說的：「奶奶您好，您學(xué)得真好！我們可以用廚房來打個(gè)比方。你要先裝一個(gè)能跑 R 語言的編譯器，這個(gè)就像你的菜刀和灶臺�！�

那個(gè)用戶后來還說了一句話更逗。她說：「謝謝你，我孫女已經(jīng)幫我把環(huán)境裝好了�！�

她可能一方面是真的不太會操作，另一方面也是在挑戰(zhàn)我們的系統(tǒng)極限。但看到 Hyperknow 能給一個(gè) 80 歲的老奶奶用切菜做飯的方式來解釋 R 語言，我們覺得非常有意思。

Q：海外平臺上收到了哪些反饋？

蔣若涵：Discord 有很多讓我們深受鼓勵的反饋。我們海外推廣時(shí)吸引了不少來自不同大學(xué)的付費(fèi)用戶。

有幾位早期用戶一直默默關(guān)注著我們，會主動在問公司近況，甚至提出愿意幫我們把產(chǎn)品推薦到各個(gè)學(xué)校的 newsletter 里。

他們不僅認(rèn)可產(chǎn)品，也認(rèn)同我們在做的這件事情本身。這一點(diǎn)對我們來說是莫大的鼓勵。

我們也擔(dān)心國內(nèi)和海外用戶的學(xué)習(xí)習(xí)慣會不會差異很大，所以希望通過 Discord 更多了解海外用戶怎么學(xué)習(xí)，看 Hyperknow 能不能真正適配。

這一年觀察下來，雖然文化背景不同，但大家都要考試、都要上學(xué)，學(xué)習(xí)中的核心痛點(diǎn)是高度一致的。

Hyperknow 創(chuàng)業(yè)初期在哥大校園宣傳

Q：對產(chǎn)品未來有什么期待？

蔣若涵：我們希望加強(qiáng)模型的主動性。

去年 9 月在討論產(chǎn)品形態(tài)時(shí)，我們就已經(jīng)在想這個(gè)問題�！朵撹F俠》里的 Jarvis 一直是我對「未來 AI 形態(tài)」的一個(gè)想象。它不是等你開口，而是會主動觀察你在做什么，判斷你需要什么，然后介入，幫助你把事情完成。

我們希望 Hyperknow 未來能更完整地掌握學(xué)習(xí)的上下文，比如學(xué)生課程信息、難點(diǎn)、知識水平。有了這些信息后，Agent 就可以更準(zhǔn)確地判斷你此刻真正需要什么，是不是快考試了，是不是該開始復(fù)習(xí)了，接著主動為你準(zhǔn)備相應(yīng)的學(xué)習(xí)材料。

我們和很多用戶聊過，大家都提到一個(gè)很真實(shí)的問題：當(dāng)你用 GPT 這類通用模型時(shí)，往往沒有足夠的時(shí)間和心力把 prompt 打磨得足夠精準(zhǔn)。

現(xiàn)在的大多數(shù) AI 產(chǎn)品仍需要用戶先走到輸入框前，把問題想清楚，AI 再被動回答。但我們希望未來，你甚至不需要想今天該做什么，AI 已經(jīng)幫你規(guī)劃好。

也就是從一個(gè)工具，慢慢發(fā)展成一個(gè)真正陪伴你學(xué)習(xí)的伙伴。

Q：AI 或許能讓學(xué)習(xí)真正變得個(gè)性化。

趙一霖：我們在小紅書評論區(qū)里看到，大家特別認(rèn)可「自主學(xué)習(xí)」這件事。

現(xiàn)在大家用 AI 反倒有點(diǎn)被動。往往是課上遇到不會的問題，才去問 ChatGPT。但學(xué)習(xí)里的「多巴胺」不是把問題丟給它就結(jié)束，而是它能把一個(gè)原本很難的知識講清楚。就在那一刻，你會突然覺得：「誒，我真的懂了�！�

我們希望這種「多巴胺」能讓大家形成一種體驗(yàn)：用 Hyperknow 學(xué)知識是一件快樂的事情。

Q：小紅書上很多用戶說已經(jīng)訂閱了 ChatGPT。相較于通用模型，Hyperknow 的優(yōu)勢是什么？我為什么還要付費(fèi)？

蔣若涵：雖然 ChatGPT 記憶很強(qiáng)，但它畢竟還是一個(gè)通用模型，你的各種記憶會混在一起。而且它的記憶窗口很長，很難一直非常準(zhǔn)確地識別你當(dāng)下到底是誰、你處在什么學(xué)習(xí)場景里。

但我們的個(gè)性化是完全基于學(xué)生學(xué)習(xí)場景來做的。

你所有學(xué)習(xí)相關(guān)的內(nèi)容都會在我們的記憶體系里被記錄和組織。它會繪制每個(gè)用戶的學(xué)習(xí)者畫像，以不斷提供更貼合你的回答。

我們未來還會接入更多學(xué)習(xí)場景的數(shù)據(jù)源，包括學(xué)校的教學(xué)管理系統(tǒng)和課上錄音。相當(dāng)于你第一次向它提問的時(shí)候，它就開始為你個(gè)性化定制一個(gè)專屬的學(xué)習(xí)模型。

過去、現(xiàn)在和未來的 Agent

Q：你們怎么理解 Agent？

趙一霖：回到 2023 年創(chuàng)業(yè)之前，我對「Agent」這個(gè)詞一開始挺反感的。

Agent 中文翻成「智能體」。但從英文來看，Agent 是「代理」的意思，比如機(jī)票代理、火車票代理。我一開始覺得它特別模糊、抽象，甚至有點(diǎn)討厭。

但我后來慢慢能感受到，從最早的一批產(chǎn)品到現(xiàn)在，大家對 Agent 的定義在不斷收斂、越來越清晰。

最早做 Agent 用的是那一套很典型的 LangChain，本質(zhì)上是一個(gè)接一個(gè)的流程庫、框架。我剛剛提到的哥大朋友就在一家咖啡廳給我們演示過 Agent：你能看到它的思考邏輯，它在調(diào)用工具的時(shí)候，會在終端里顯示一行綠字，說「I’m using xxx library to do something」，一行轉(zhuǎn)完，一個(gè)任務(wù)就完成了。當(dāng)時(shí)我覺得特別震撼。

過去的 Agent 更像是一個(gè) workflow 或者 pipeline。一個(gè) Agent 號稱可以幫你自動規(guī)劃旅行，但實(shí)際上它是一個(gè)被設(shè)計(jì)好的流程，是一個(gè)固定腳本。

Agent 能繼續(xù)向前進(jìn)化，很重要的原因在于基座模型本身的能力提升。當(dāng)推理能力、泛化能力和工具調(diào)用能力變強(qiáng)之后，你就不需要再為它設(shè)計(jì)完整流程，而是可以把目標(biāo)交給它，讓它自己完成規(guī)劃。

另一個(gè)迷人的點(diǎn)是工具的出現(xiàn)。大模型一旦有了工具，就像是多了很多觸手，真正連接到外部世界。

就像 Manus 通過瀏覽器操作來完成任務(wù)，瀏覽器背后是 API 控制。再比如 Python 工具，它可以聯(lián)網(wǎng)搜索、判斷信息來源、篩選結(jié)果數(shù)量，還能生成文件、畫圖、做科研繪圖，甚至解一部分復(fù)雜問題。這些全部都是工具，給模型提供了更多「觸手」。

它不再只是用文字給你一個(gè)回答。未來它可以是圖片、閃卡、習(xí)題、視頻、PPT，各種不同形態(tài)的輸出。我覺得現(xiàn)在的 Agent 本身就已經(jīng)很迷人了。

Hyperknow 生成的概念解釋結(jié)果

Q：Hyperknow 是我目前了解到的第一個(gè)「通用學(xué)習(xí)智能體」。這里的「通用」具體意味著什么？

趙一霖：我們的「通用」有兩個(gè)層面。一個(gè)是使用場景上的通用，另一個(gè)是模型能力本身的通用。

就像我們本科學(xué)的計(jì)算機(jī)和物理，一個(gè)很典型的問題是：什么是神經(jīng)網(wǎng)絡(luò)？你去問 ChatGPT，它可能會給你一個(gè)相對淺顯的解釋。但你去維基百科一查，滿屏都是公式，非常難讀。

Hyperknow 希望給出的是一種深入淺出的解釋。它有教科書式的嚴(yán)謹(jǐn)，同時(shí)又能根據(jù)你的學(xué)習(xí)背景去定制解釋的難度和覆蓋范圍。

我們的解題也不是直接給答案，而是一步步引導(dǎo)你：這個(gè)題目用到的第一個(gè)定理是什么？你是否理解這個(gè)定理？然后再一步一步往下推演。它更像是陪你走完整個(gè)思考過程，而不是告訴你結(jié)果。

和普通模型相比，Hyperknow 還有更強(qiáng)的推理和泛化能力，具備更多工具。

它可以使用網(wǎng)絡(luò)搜索工具、規(guī)劃工具、記憶工具等等。當(dāng)它在解釋一個(gè)知識點(diǎn)時(shí)，不僅有我們內(nèi)部調(diào)優(yōu)過的一整套解釋邏輯，還能連接外部信息源，比如抓取網(wǎng)上資料、學(xué)術(shù)瀏覽器的內(nèi)容，甚至結(jié)合用戶過去的問題、偏好、知識水平。

我們的 Agent 還能在用戶授權(quán)的情況下讀取學(xué)習(xí)文件。就像國外很多學(xué)校使用 Canvas 等教學(xué)系統(tǒng)，教授會把所有課程資料放在上面，Hyperknow 可以直接基于講義給你更貼合課堂的解釋。

Q：對底層模型你們未來有什么展望，會讓 Hyperknow 有更好的表現(xiàn)？

趙一霖：上下文窗口是一個(gè)非常關(guān)鍵的能力。

不管是手寫筆記還是 PPT 圖表，我們之所以能夠閱讀上千頁文檔且進(jìn)行視覺化閱讀，都依賴于模型上下文長度的提升。

2023-24 年非常流行的技術(shù)是 RAG（Retrieval-Augmented Generation）向量檢索。它的思路是把大量信息放進(jìn)數(shù)據(jù)庫，通過語義檢索找到最相關(guān)的部分，而不是把所有信息都塞進(jìn)模型。

但最近大家提到 RAG 的頻率在下降。因?yàn)檫^去模型的上下文窗口很小，每一個(gè) token 都很珍貴，所以必須做篩選。但隨著上下文窗口變大，現(xiàn)在我們可以把更多甚至全部信息直接放進(jìn)去，就不再需要那么復(fù)雜的篩選流程。

蔣若涵：上下文窗口不僅是對讀長文檔有幫助，對我們做更精細(xì)的個(gè)性化同樣重要。更多的 context，意味著模型更全面地理解一個(gè)學(xué)習(xí)者。

結(jié)構(gòu)外的生長力

Q：你們想象中未來的學(xué)習(xí)會是什么樣？

蔣若涵：我們那天在小紅書評論區(qū)看到一個(gè)用戶講，「自主學(xué)習(xí)」未來可能會占越來越大的比例。

在學(xué)校里，學(xué)生可能會更多依靠一種個(gè)性化的方式去決定自己要怎么學(xué)、用什么節(jié)奏學(xué)、什么方式最適合自己，不一定都嚴(yán)格貼合學(xué)校既定的統(tǒng)一進(jìn)度。

每個(gè)人都會有自己的節(jié)奏，真正做到因材施教。對學(xué)校來說，如果學(xué)生獲取和理解知識這件事，本身已經(jīng)可以通過更高效、更貼合個(gè)體節(jié)奏的方式完成，那學(xué)�；蛟S可以把更多精力放在一些更貼近社會的實(shí)踐性內(nèi)容上，更偏向于「做人做事」的教育。

Q：你們各自有堅(jiān)持了很久的愛好。一霖是個(gè)火車迷，若涵則對戲劇感興趣。你們這些愛好是怎么形成的？對你們后來做產(chǎn)品有沒有影響？

趙一霖：我是個(gè)火車迷。我媽媽和外公都在鐵路系統(tǒng)工作，所以小時(shí)候經(jīng)�？椿疖嚒�

我真正重拾這個(gè)愛好是在初中。那段時(shí)間壓力比較大，我常常去北京站旁邊的明城墻遺址公園，看火車經(jīng)過，也在那里認(rèn)識了很多朋友。

如果只是自己拍、自己看，總覺得有點(diǎn)浪費(fèi)。我曾經(jīng)把照片投稿給一個(gè)很喜歡的火車網(wǎng)站，但一直沒有被采用。我就想，那為什么不開一個(gè)新的平臺？于是我建了一個(gè)網(wǎng)站，讓大家上傳自己拍的火車照片，也分享和火車有關(guān)的故事。

趙一霖創(chuàng)建的火車網(wǎng)站截圖

后來我慢慢意識到，照片只是表象，真正吸引我的是火車所承載的故事�，F(xiàn)在網(wǎng)上常說，18 歲之前要坐一次火車去拉薩。為什么是火車？因?yàn)榛疖嚧淼氖且环N過程，一種體驗(yàn)，它會帶來很強(qiáng)的情感和視覺觸動。

我也特別喜歡看火車從小地方駛向北京、上海這樣的大城市，在車上能看到非常市井、真實(shí)的生活場景，這些對我觸動很大。后來我去了廣州、四川、西藏、新疆，采訪過很多車迷、司機(jī)和旅客。

直到現(xiàn)在，我偶爾還能在小紅書上刷到有人轉(zhuǎn)發(fā)我們網(wǎng)站的內(nèi)容。那一刻對我來說很觸動。

蔣若涵：我第一次接觸莎士比亞是在初中活動看了《哈姆雷特》的片段，很快就自己在班里拉了一個(gè)小劇組，把戲帶到年級舞臺上去演。

無論周圍的人在做什么，無論學(xué)習(xí)或生活里發(fā)生什么，總會有一段時(shí)間，我可以走進(jìn)劇場，把自己完全沉浸進(jìn)去，認(rèn)真地去感受和思考。

戲劇教會我一種拋開功利、進(jìn)行深度思考的能力。我覺得這種能力在當(dāng)下信息爆炸的時(shí)代很稀缺。我們做 Hyperknow 本質(zhì)上也是希望把這種「深度理解」的能力還給大家。

戲劇創(chuàng)作和做產(chǎn)品有一個(gè)很像的地方：在真正推到大眾面前之前，你都要經(jīng)歷很長一段不確定的煎熬。

你會反復(fù)問自己：這個(gè)故事講清楚了嗎？觀眾能不能看懂？會不會產(chǎn)生共鳴？做產(chǎn)品也是一樣。在不確定中反復(fù)反思、不斷調(diào)整的過程本身就很重要。

蔣若涵戲劇演出照片

Q：你們在如何學(xué)習(xí)上有什么心得和體會？這些經(jīng)驗(yàn)怎么沉淀？

趙一霖：只有你把別人講懂了，你才算真正學(xué)會。

我比若涵大一屆，有時(shí)候在大學(xué)里上同一門課，考前我會給她把 PPT 和重點(diǎn)內(nèi)容過一遍。很多時(shí)候，在給她講的過程中，我反而發(fā)現(xiàn)自己哪里理解得還不夠完整，于是回去再翻書推一遍。然后再講，講著講著就真的懂了。

Q：過去一年里，你們最難忘的一段經(jīng)歷是什么？

趙一霖：上一版產(chǎn)品 AI Workspace 讓我們對自己做的事情產(chǎn)生過很大懷疑。不是方向錯了，而是用戶體驗(yàn)出了問題。它有點(diǎn)像老式飛機(jī)的儀表盤，你要撥這個(gè)按鈕、點(diǎn)那個(gè)按鈕，點(diǎn)三四步之后，才能到達(dá)真正有「啊哈時(shí)刻」的地方。

后來我們意識到，可能是把好東西藏得太深了。于是決定解耦，把對用戶最重要的東西直接放在最前面。這也和我們作為開發(fā)者的習(xí)慣一致，我們自己也不太喜歡使用太復(fù)雜的工具。

現(xiàn)在的 Hyperknow 承擔(dān)了之前 Workspace 沒有完成的一些使命。工作臺里原有的功能，Agent 都能實(shí)現(xiàn)，還做得更自然。但這對團(tuán)隊(duì)來說是個(gè)不小的挑戰(zhàn)。我們每一次迭代都會問自己：這一版，是不是我們接下來要長期走下去的那一版？

我們的辦公室在一條胡同里，想事情的時(shí)候就常常在附近的大街上來回走。很多個(gè)凌晨三四點(diǎn)，我也會出來走一會兒，一邊走，一邊討論這些問題。

后來臨近開學(xué)，我們先把上一版放下，不急著擴(kuò)大推廣。做了一版更小的原型給身邊同學(xué)和老用戶測試，把最小閉環(huán)跑通，再看反饋。結(jié)果不錯，我們也就繼續(xù)沿著這條路走下去。

Q：如果在你們剛上高中、大學(xué)的時(shí)候就有了 Hyperknow，會有什么不一樣嗎？

趙一霖：若涵就不需要我陪著她一起整理整門課的內(nèi)容了（笑）。

在自學(xué)這件事情上，我們會花大量時(shí)間去找原始資料，真的要自己一篇一篇論文去搜、去讀。但如果當(dāng)時(shí)有 Hyperknow 這樣符合科研型學(xué)習(xí)者需求的工具，它就可以把所有文獻(xiàn)完整地讀一遍，并且做到每一行都有清楚的解釋。

很多 AI 閱讀工具本質(zhì)上只是把信息搬給你，但不關(guān)心你到底懂不懂，沒有真正介入理解和思維層面。

有一個(gè)學(xué)生命科學(xué)的朋友給 Hyperknow 的反饋?zhàn)屛矣∠蠛苌睢?strong>他說，Hyperknow 不只是逐行標(biāo)注來源，它真的把整篇文獻(xiàn)消化了一遍。

我們希望做的就是把復(fù)雜的文件轉(zhuǎn)化成一個(gè)人真正能讀懂、能吸收的狀態(tài)。

蔣若涵：Hyperknow 對學(xué)文科的同學(xué)也很有共鳴。

哥大的核心課程常常要求學(xué)生在兩三天內(nèi)完成 200-300 頁的閱讀任務(wù)。但包括 ChatGPT 在內(nèi)的很多工具都無法真正完整讀完這些文獻(xiàn)。它們往往會把 200 頁內(nèi)容進(jìn)行壓縮處理，只讀開頭和結(jié)尾，中間抽樣幾個(gè)段落。因此我們經(jīng)常會發(fā)現(xiàn)信息不夠準(zhǔn)確，或者它無法告訴你某個(gè)結(jié)論具體來自文件的哪一頁，甚至?xí)霈F(xiàn)幻覺。

而 Hyperknow 在文獻(xiàn)總結(jié)上可以做到，每一個(gè)事實(shí)都對應(yīng)到原文中的具體位置，甚至標(biāo)注到具體哪一頁、哪一句。

如果在完成這種高強(qiáng)度閱讀時(shí)有 Hyperknow，很多原本需要花上好幾個(gè)小時(shí)反復(fù)鉆研的工作，或許就不必再那么辛苦地自己硬扛了。

最好的產(chǎn)品由學(xué)習(xí)者一起打造

Q：現(xiàn)在團(tuán)隊(duì)整體狀態(tài)如何？

趙一霖：我們很像是一個(gè)共建的過程。團(tuán)隊(duì)大多是來自北美和國內(nèi)高校的同學(xué)。大家看到了我們在社媒上發(fā)的內(nèi)容，對產(chǎn)品本身真正產(chǎn)生了興趣，被打動，然后主動找到我們。有時(shí)候我在面試時(shí)也會說，「不用急著決定，你先試用一下我們的產(chǎn)品，感受一下�！�

Q：對產(chǎn)品使用最深的用戶往往有最真實(shí)、最深入的理解，能一起共創(chuàng)出更好的東西。

蔣若涵：我們團(tuán)隊(duì)都是大學(xué)生，對學(xué)習(xí)這件事有很強(qiáng)的親身體驗(yàn)。

很多成員是從用戶轉(zhuǎn)化而來。我們在選擇伙伴時(shí)會特別看一點(diǎn)：你是不是對創(chuàng)業(yè)本身感興趣？過去有沒有做過個(gè)人項(xiàng)目、開源項(xiàng)目，或者參加過黑客松？

我們希望團(tuán)隊(duì)成員都有一個(gè)共同的特質(zhì)，就是有 agency，有較強(qiáng)的主觀能動性。大家都真心把它當(dāng)作自己的產(chǎn)品來對待，愿意一起做得更好。

整個(gè)團(tuán)隊(duì)做事都很投入，迭代節(jié)奏也比較快。我們給自己的要求是一周之內(nèi)完整 review 一遍當(dāng)前版本，必要的話甚至重建一遍。任何一個(gè)新功能或突破性的進(jìn)展，我們都希望以半周為單位推進(jìn)。

Hyperknow 團(tuán)隊(duì)創(chuàng)業(yè)過程中的照片

Q：你們未來的終極愿景是什么？

蔣若涵：從小學(xué)、初中、高中到大學(xué)，現(xiàn)在的教育體系通常需要 16 年完成。但我們發(fā)現(xiàn)，真正學(xué)到所需的知識不一定要這么久。

我上大學(xué)后，有時(shí)候創(chuàng)業(yè)比較累，晚上熬夜，白天就沒那么多精力去上課。我會在期末的一周用自己的方式把整個(gè)學(xué)期老師講的內(nèi)容學(xué)完，成績也還不錯。

這讓我意識到，不是知識本身太難，也不是理解它一定需要這么長時(shí)間，而是在很長一段時(shí)間里，我們更多是在適應(yīng)一套體系下的規(guī)則。但考試和作業(yè)這些規(guī)則未必適合每一個(gè)人的學(xué)習(xí)節(jié)奏。

我們希望 Hyperknow 能讓未來的自主學(xué)習(xí)體驗(yàn)更好。原本可能需要 16 年完成的學(xué)習(xí)過程，借助 Hyperknow，未來或許 3-5 年就足夠。

Q：你們未來一年希望給用戶帶來什么？

蔣若涵：我們希望在本學(xué)期結(jié)束前把現(xiàn)在這版產(chǎn)品的最終設(shè)想真正做出來，推向市場。我們也希望在北美和國內(nèi)的校園里都能產(chǎn)生一定的影響力。有一天你在校園里走著，能聽到同學(xué)在討論：「我在用 Hyperknow，它幫了我什么�！�

Q：你們的 superpower 是什么？

趙一霖：我這個(gè)人性格比較急。我可能有點(diǎn)像我外婆。我外婆對時(shí)間的把控特別強(qiáng)，像我小時(shí)候早上 6 點(diǎn)半要起床，她一定會在 6 點(diǎn) 20 就把我叫醒，早飯 6 點(diǎn) 10 分就已經(jīng)給我做好了。

我可能就是團(tuán)隊(duì)的外婆，負(fù)責(zé)把整體節(jié)奏往前推。若涵有時(shí)候更偏向高質(zhì)量、有節(jié)奏地去交付事情。但我可能就會說，咱們能不能稍微再快一點(diǎn)？今天晚上先別睡，先把這個(gè)事做完？

蔣若涵：這也是為什么我主要做前端，他做后端。

Q：你們希望用戶在搜索什么時(shí)會想到 Hyperknow？

蔣若涵：我們希望是任何一個(gè)概念。

現(xiàn)在你去搜索一個(gè)概念，出來的可能是一個(gè) PPT、一個(gè)網(wǎng)頁。未來我們希望有一種 Hyperknow 的詞條。它像 PPT 一樣清晰，但比維基百科更易懂，同時(shí)又保留足夠的專業(yè)深度，還是高度個(gè)性化的。

所以不是 Ask Google，也不是 Ask Wikipedia，而是 Ask Hyperknow。

Q：你們目前有沒有招聘需求？

蔣若涵：我們現(xiàn)在主要在招前后端的技術(shù)人才，同時(shí)也歡迎對市場運(yùn)營有想法的同學(xué)。我們希望你能主動發(fā)現(xiàn)一個(gè)產(chǎn)品或市場上的缺口，去思考如何填補(bǔ)，而不是被動完成任務(wù)。如果想聯(lián)系我們，可以通過真格的平臺留言，也可以直接給我們發(fā)郵件：contact@hyperknow.io

Q：Agency 和好奇心是與生俱來的能力嗎？

趙一霖：我覺得 agency 來自一種「結(jié)構(gòu)外的生長力」。

你不只做別人給你布置的任務(wù)，而是愿意自己去想一個(gè)點(diǎn)子，然后把它做出來。我從小學(xué)、初中到高中，一直都有一些學(xué)習(xí)之外的事情，可能在大家眼里有點(diǎn)耽誤時(shí)間，但對我來說非常有意義、也讓我快樂。

你會擔(dān)心，如果家人不支持怎么辦？如果沒做成怎么辦？但我后來覺得做成與否沒那么重要。即使失敗了，它本身也是一次學(xué)習(xí)。

很多真正有創(chuàng)造力的結(jié)果往往不是來自布置的任務(wù)，而是來自一個(gè)人主動地說：「雖然沒人讓我做，但我就是覺得這件事很有意思。」

我腦子里經(jīng)常會想到多鄰國那個(gè)小貓頭鷹。這肯定不是 CEO 說：「你給我設(shè)計(jì)一個(gè)綠色的貓頭鷹，還要生病、流鼻涕。」它一定來自某個(gè)創(chuàng)作者長期的思考和直覺，他天天在想，然后有天靈光一現(xiàn)：「我覺得這個(gè)形象對了」。

我們都還很年輕，今天說的很多判斷可能十年后回看也不一定完全正確。但這種不確定性反而時(shí)時(shí)刻刻在提醒我們要更開放、更愿意學(xué)習(xí)。

這種結(jié)構(gòu)外的探索本身就需要一種勇氣。

想聊聊你的想法？聽創(chuàng)始人親述背后的真實(shí)故事？真格將在「此話當(dāng)真」播客交流群舉辦首期 AMA，邀請 Hyperknow 創(chuàng)始人趙一霖和蔣若涵做客。掃碼添加真格小助手，備注「進(jìn)群」，我們周四見。

文｜Cindy
視頻｜Cindy、Menmen、Nuohan、Coco