我越来越不信“更强的模型”能解决生活里的问题
周末出门前,我经常会在手机里看半天:这个地方值不值得去,最近人多不多,只有半天时间够不够逛。AI 能帮忙整理路线和介绍,但真正让我决定出门的,往往是另一个人刚去过之后留下的感受。
最近看到乐奇联合小红书蜜薯后的消息,我想到一个很日常的问题:以后逛街、看展、挑东西时,AI 能不能少让我解释几遍,直接帮上眼前的忙?
顺着这次线索,我想了五个具体场景。它们也是我对 AI 眼镜最实际的期待。
1️⃣ 真实经验,让 AI 的建议更有生活感
我们问 AI 问题时,答案往往很完整,但生活里的选择需要更具体的细节。
同样是周末出行,有人想避开人群,有人想拍照,有人只想轻松散步。
这次联合,就是把小红书社区里不断更新的真实经验,和 Rokid 的眼镜载体结合起来。比如站在一家店门口,我可能只想知道:适不适合一个人坐会儿,环境会不会太吵。
如果在我开启并授权后,AI 能结合眼前的店铺,再从社区经验里找到相关参考,我就不用站在门口反复切换搜索页面。
别人觉得适合拍照,我可能只想歇歇脚,建议能不能帮上忙,就差在这些细节里。
2️⃣ Rokid 眼镜,让 AI 看见你正在看的世界
以前问 AI,我们常常要先描述现场:眼前是什么、自己正在比较什么,然后才能继续问。
这次联合,Rokid 提供智能眼镜软硬件方面的能力,以及开放生态和 AIUI 开发框架。小红书则把社区经验和 Agent 能力带进眼镜,探索更贴近现场的交互。
比如在店里挑通勤包,外形和颜色我自己就能看,真正犹豫的可能是:装了电脑以后勒不勒肩,下雨时好不好打理。
如果 AI 能知道我正在比较哪两款,再结合使用者的经验回应这些问题,眼镜就能省掉一个很麻烦的步骤:先拍照、查型号,再把自己的需求从头解释一遍。
我觉得眼镜的意义,不只是多了一个问 AI 的入口,而是有机会让 AI 结合你眼前正在发生的事,减少来回描述的步骤。
3️⃣ 我临时改主意,它能接得住
做攻略时觉得多走两公里没关系,真走到半路,可能就想坐下了。想象一下,AI 正在介绍下一处打卡点,我插话:“等等,今天不想赶了,找个附近能坐的地方吧。”
我期待它及时停下刚才的介绍,接着考虑新的需求。之前说过的预算、现在的位置,也不用让我重新交代一遍。
实时交互对我最有意义的地方,就在这里:我已经走累了,它得听得进这句临时改口。否则,再完整的路线介绍,也解决不了眼前的问题。
4️⃣ 交代过的事,能接着帮我留意
比如逛展前说一句:“今天主要想看摄影,碰到相关展区时提醒我。”
理想的体验是,我继续慢慢看展,AI 在我授权的任务范围内,看到相关导览信息时再提醒一下。我不用每到一个岔路口,都重新问一次该往哪走。
但如果我停在一幅作品前,它就立刻讲个不停,也会打断看展的兴致。我希望它有相关信息时简短提醒,其余时候安静待着。我说暂停,就停止与这项任务有关的观察。
这样的主动帮助,才让我觉得自己可以放心把一件小事交代出去。
5️⃣ 记得我的偏好,也听今天的想法
我以前说过喜欢安静的地方,下次找店时,AI 能记得,确实可以省掉不少解释。
但上次想安静,是因为要独自看书;这次约朋友出门,可能就想去热闹的市集。如果它一直拿过去的偏好替我筛选,我反而会觉得被限制了。
所以我期待的记忆,要能保留当时的情境,也能接受今天的新想法。我补充一句“今天想热闹一点”,建议就应该跟着调整,不用让我先费劲解释自己为什么“变了”。
从实时交流,到任务中的主动帮助,再到跨场景的个人记忆,这些能力共同指向了一个更长远的方向:Personal OS。
再往前想一步:早上在手机里商量好行程,下午戴着眼镜到了现场,如果我选择接续,之前的预算、时间安排和已经去过的地方,都能继续作为背景。
这样,我临时问“剩下一个小时,附近还有哪里值得看看”,就不用从头讲一遍今天的计划。这种少解释几次、少翻几次手机的轻松感,才是我期待的。
乐奇联合小红书蜜薯后,让我开始想象这样的 AI:犹豫时能提供有用参考,改口时能跟上,不需要时能安静待着。能把这些生活小事接住,我才会更愿意把它戴出门。
你最近一次觉得 AI“道理都对,就是不懂我”,是在什么时候?👀