這種全新的交互方式，會成為未來AI應用的標配嗎？

你有沒有想過，為什么和 AI 聊天總感覺像在玩猜謎游戲？你說想訂機票，AI 問你去哪兒。你說去紐約，它問什么時候出發。你說下周三，它又問幾點。你說早上，它接著問要直飛還是轉機，經濟艙還是商務艙，要不要托運行李。這種來回問答的過程讓人抓狂，就像是在玩一場永無止境的"二十個問題"游戲。更糟糕的是，有時候你都不知道 AI 需要什么信息，只能等它一個一個問。這種交互方式看似自然，實則效率低下，完全違背了 AI 應該讓我們生活更簡單的初衷。

前 Meta AI 團隊成員創立的 Hero 公司剛剛發布了一項專利技術，可能會徹底改變這種局面。他們推出的 AI Autocomplete SDK 不是簡單的自動補全功能，而是一個能夠實時預測并呈現完成任務所需全部信息的系統。想象一下，當你開始輸入"訂機票"的時候，屏幕上立刻出現所有相關參數：出發地、目的地、日期、時間、航空公司、座位偏好、行李選項等等，你只需要填寫或選擇就好，不需要等 AI 一個一個問你。這聽起來像是一個小改進，但實際上它可能會讓 AI 交互速度提升 10 倍，成本降低 10 倍，并且為未來的增強現實設備奠定基礎。

Hero 不僅將這項技術用在自己的助手應用中，還通過 SDK 向其他公司開放。這意味著我們可能很快就會在各種應用中看到這種全新的交互方式。而且，他們剛剛獲得了 Forerunner Ventures 領投的 300 萬美元追加投資，這是在去年 400 萬美元種子輪之后的又一次資本認可。我深入研究了這項技術后發現，它的影響遠比表面看起來要深遠得多。

提示詞工程為什么會成為一個職業

這個現象背后反映的是當前 AI 交互方式的根本缺陷。大語言模型雖然能理解自然語言，但它們并不知道用戶想要完成什么任務需要哪些具體信息。就像 Hero 的 AI 工程師 Saharsh Vedi 說的："現在的問題是，負擔都在用戶身上，他們需要思考 AI 需要什么信息。"這完全顛倒了技術服務人類的關系。

我自己在使用 AI 工具時也深有體會。比如用 AI 生成圖片，我經常需要反復調整提示詞，嘗試不同的描述方式，才能得到滿意的結果。有時候我花在琢磨提示詞上的時間，比直接用傳統工具做圖還要長。更令人沮喪的是，即使你精心設計了提示詞，AI 也可能遺漏某些重要細節，導致結果不符合預期。然后你又得重新生成，這不僅浪費時間，對于按次收費的服務來說，還意味著額外的成本。

當前主流的 AI 應用都試圖通過各種方式解決這個問題。有些添加了建議按鈕，提供預設的提示詞模板。有些使用引導式問答，一步步收集用戶需求。還有些像 Adobe 的 Firefly 應用，把提示詞拆分成多個部分，比如創作音樂時分別輸入情緒、風格和用途。這些方法都在一定程度上改善了用戶體驗，但都沒有從根本上解決問題：用戶仍然需要主動思考和輸入信息，AI 仍然處于被動等待的狀態。

Hero 的方法則完全不同。他們不是讓 AI 更聰明地問問題，而是讓系統主動預測并呈現完成任務所需的全部信息。這種思路的轉變看似簡單，實則顛覆了整個交互范式。就像創始人 Brad Kowalk 說的："我們基本上意識到，你在互聯網上能做的任何事情，都只是一系列參數。一旦你看到了這一點，就很難再忽視它。"這句話聽起來簡單，但它揭示了一個深刻的洞察：無論多么復雜的任務，本質上都可以分解為一組參數，而這些參數是可以預測和呈現的。

AI Autocomplete 如何工作

AI Autocomplete 的核心理念是前置加載所有必要信息，而不是通過反復問答來收集。當你開始輸入或說話時，系統會實時更新界面，顯示完成這個動作所需的所有參數。這不是簡單的文本補全，而是一個理解任務結構、預測所需信息、動態呈現選項的智能系統。

拿訂機票這個例子來說。在傳統的 AI 助手中，你可能需要經歷這樣的對話：你說"我想訂機票"，AI 問"您要去哪里？"，你說"紐約"，AI 問"什么時候出發？"，你說"下周三"，AI 問"您希望幾點的航班？"，你說"早上"，AI 問"經濟艙還是商務艙？"，你說"經濟艙"，AI 問"需要托運行李嗎？"，以此類推。整個過程可能需要十幾輪對話，每次都要等待 AI 的回應。如果你在某個環節說得不夠清楚，或者 AI 理解錯了，還得重新來過。

但在 Hero 的 AI Autocomplete 系統中，當你輸入"訂機票"的瞬間，屏幕上就會出現所有相關字段：出發地、目的地、出發日期、出發時間、航空公司偏好、返程日期、座位類型、行李選項等等。你可以隨時停下來，只填寫你知道的信息，然后發送查詢。系統會根據你已經提供的信息，智能地建議或填充其他字段。你不需要等待 AI 一個一個問你，所有信息都在你眼前，你完全掌控著交互的節奏。

這種方法的優勢是多方面的。第一，速度快。Hero 聲稱可以讓操作速度提升 10 倍，因為省去了大量來回對話的時間。第二，成本低。每次 AI 的響應都需要服務器計算，減少對話輪次意味著大幅降低運營成本。Kowalk 特別強調了這一點："因為涉及的消息更少，規模化運營的公司可以節省服務器成本。"第三，用戶體驗更好。你不會感覺自己在被 AI 審問，而是在一個清晰的框架內主動提供信息。

我特別欣賞 Hero 工程師 Vedi 說的那句話："希望我們回頭看時，幾乎不記得'提示詞'這個概念。"這體現了他們的雄心：不是改進提示詞，而是讓提示詞成為歷史。在他們的愿景中，未來的 AI 交互應該是結構化的、可預測的、高效的，而不是開放式的、充滿不確定性的對話。

這項技術能用在哪些場景

AI Autocomplete 的應用場景遠比訂機票更廣泛。Hero 在發布時特別強調了幾個重要領域，每個都有可能被這項技術徹底改變。

搜索和電商是最直接的應用場景。現在在電商平臺搜索商品，你需要輸入關鍵詞，然后在成百上千的結果中篩選，使用各種過濾器來縮小范圍。這個過程既費時又費力。但如果有了 AI Autocomplete，當你輸入"咖啡"時，系統立刻顯示出品牌、烘焙程度、包裝規格、配送時間、訂閱頻率等參數。你可以快速選擇你想要的選項，甚至可以設置"每月配送"這樣的重復訂單。Hero 展示的咖啡訂購例子就很好地說明了這一點：不僅可以快速完成當前訂單，還能輕松設置定期訂購，就像你說"每個月"一樣簡單。

媒體生成是另一個會被改變的領域。我之前提到過用 AI 生成圖片時需要反復調整提示詞的痛苦。AI Autocomplete 可以在你開始輸入時就實時展示各種參數：主體、動作、風格、光線、相機角度、分辨率等等。你可以從這些選項中選擇，而不是試圖用文字準確描述你想要的效果。這不僅能激發創意，讓你看到自己可能沒想到的選項，還能顯著減少生成次數，從而降低服務器成本。對于視頻生成這種計算密集型任務來說，減少迭代次數的意義更加重大。

客戶服務和企業表單填寫也是重要應用場景。現在的客服聊天機器人通常需要通過一系列問答來收集信息，比如你的訂單號、問題類型、聯系方式等等。這個過程對用戶來說很繁瑣，對企業來說也低效，因為經常需要后續跟進來補充缺失的信息。有了 AI Autocomplete，聊天機器人可以根據用戶的初始問題，立即呈現所有相關字段，引導用戶一次性提供完整信息。這既節省了用戶時間，也降低了企業的運營成本。

我認為這項技術最具潛力的應用可能還沒有被充分認識到。比如在教育領域，AI Autocomplete 可以幫助學生構建更好的學習查詢，展示他們可能沒想到的相關主題和角度。在醫療領域，它可以幫助患者更準確地描述癥狀，提供結構化的問診表單。在法律、金融等專業服務領域，它可以幫助非專業人士更有效地表達需求，獲取更精準的服務。這些場景的共同點是：專業性強、信息復雜、普通用戶難以準確表達需求。AI Autocomplete 恰好可以彌合這個知識鴻溝。

自然語言廣告的新時代

Hero 的 AI Autocomplete 不僅改變了用戶體驗，還開創了一種全新的廣告模式。這讓我感到特別興奮，因為它解決了自然語言界面商業化的一個核心難題：如何在對話式交互中自然地融入廣告，而不破壞用戶體驗？

傳統的搜索廣告模式是基于關鍵詞和搜索結果的。你在 Google 搜索"咖啡機"，頂部會顯示付費廣告。這種模式在圖形界面中運作良好，但在純對話界面中卻很難實現。你總不能讓 AI 助手在回答問題的中途突然推銷產品吧？那會讓對話變得非常生硬和令人反感。

Hero 的方法則巧妙得多。在 AI Autocomplete 系統中，品牌可以通過三種方式出現：第一，類似 Google Ads，品牌可以付費成為決策過程中的優先建議選項。比如在訂咖啡的例子中，Peet's Coffee 可以付費讓自己出現在品牌選擇列表的前面。第二，品牌可以建議互補產品，添加到當前訂單中。比如在你訂咖啡時，建議搭配某款點心或咖啡杯。第三，品牌可以從更高的重復購買率中受益，因為在 AI Autocomplete 系統中，設置定期訂單就像說"每個月"一樣簡單。

我認為這種廣告模式的天才之處在于，它不是打斷用戶的決策過程，而是增強這個過程。當你在選擇咖啡品牌時，看到各種選項本來就是決策的一部分，付費推廣的品牌只是在這個自然的選擇過程中獲得了更顯眼的位置。這和傳統搜索廣告的邏輯一致，但執行方式更自然、更不突兀。

Hero 目前正在與 AI 廣告平臺 Koah Labs 討論合作，將這種新廣告形式推向市場。我覺得如果這種模式成功，它可能會成為自然語言界面商業化的標準模式。想想看，未來所有 AI 助手、AI agent 和對話式應用都可能需要這樣一種不破壞用戶體驗的廣告模式。Hero 作為先行者，有機會定義這個新興市場的規則。

更重要的是，這種廣告模式對小企業也很友好。不像傳統的品牌廣告需要巨額投入，自然語言廣告可以非常精準地針對特定需求。一家本地咖啡烘焙商可以選擇在用戶搜索"小批量手工烘焙咖啡"時出現，而不需要和星巴克競爭"咖啡"這樣的大詞。這種精準性和可負擔性可能會讓更多中小企業進入數字廣告市場。

為增強現實鋪路

AI Autocomplete 的誕生其實源于增強現實的需求，這是我覺得最有遠見的部分。Hero 的聯合創始人 Brad Kowalk 和 Seung Woo Lee 都曾在 Meta 工作，參與 AR 相關項目。離開 Meta 后，他們一直在思考 AR 大規模普及面臨的一個核心問題：當 AR 設備的屏幕空間遠小于智能手機時，如何讓它同樣有用？

這是一個很多人沒有深入思考過的問題。我們習慣了智能手機的大屏幕、復雜菜單、多層導航。但 AR 眼鏡不可能有那么大的顯示空間，也不適合復雜的觸摸操作。那么，如何在有限的界面上提供豐富的功能呢？

大公司的思路通常是將移動端的界面縮小，配合手勢控制。但 Hero 認為這不是正確的方向。Kowalk 和 Lee 的洞察是：AR 設備需要的不是縮小版的圖形界面，而是基于意圖的交互系統。用戶應該能夠用自然語言表達意圖，系統通過 AI Autocomplete 這樣的技術引導用戶提供必要信息，然后直接執行任務。整個過程不需要復雜的 UI，只需要清晰的參數呈現和簡單的選擇機制。

我覺得這個思路非常前瞻。它不是試圖把現有的交互模式搬到新設備上，而是為新設備設計全新的交互范式。這種輕量級但強大的 AR 操作系統，可能會成為下一代計算平臺的基礎。就像觸摸屏為智能手機帶來的革命一樣，基于意圖的自然語言交互可能會為 AR 設備帶來類似的變革。

Hero 三年前就開始申請這項技術的專利，說明他們很早就看到了這個方向。現在專利已經獲批，技術已經成熟，時機也恰到好處。大語言模型的進步讓自然語言理解變得可靠，AR 設備開始進入消費市場，用戶對新交互方式的接受度也在提高。所有這些因素結合在一起，為 AI Autocomplete 這樣的技術創造了完美的時間窗口。

雖然 Hero 現在主要在移動和 Web 應用中推廣這項技術，但他們的長遠目標顯然是 AR。這也解釋了為什么他們選擇以 SDK 的形式開放技術，而不是只在自己的應用中使用。他們希望建立一個標準，一個未來 AR 交互的基礎協議。如果成功，Hero 可能不只是一家應用公司，而是下一代計算平臺的基礎設施提供者。

SDK 策略的深遠意義

Hero 選擇以 SDK 形式開放 AI Autocomplete 技術，這是一個非常聰明的戰略決策。CTO Seung Woo Lee 解釋說："我們三年前就意識到，AI agent 的瓶頸不會是 AI 瀏覽互聯網和完成任務的能力，而是用戶知道該說什么的能力。所以，我們不是再造一個玩'十個問題'游戲的聊天界面，而是推出一個讓用戶能一次性完成任何多步驟動作的系統。我們相信我們的技術有能力增強今天所有使用自然語言輸入的產品。"

這段話揭示了他們的雄心：不是造一個更好的聊天機器人，而是改變整個行業的交互方式。這就需要讓其他公司也能使用這項技術，而不是把它封閉在自己的應用中。從商業角度看，這是一個高風險高回報的策略。風險在于，開放技術意味著競爭對手也能使用，可能會削弱自己的差異化優勢。回報在于，如果技術被廣泛采用，Hero 就能成為這個新交互范式的標準制定者和基礎設施提供者。

我認為這個選擇體現了創始團隊的格局。他們在 Meta 工作過，見識過平臺級技術的威力。他們知道，真正改變世界的不是一個優秀的應用，而是一個被廣泛采用的標準。就像 HTTP 協議定義了網頁瀏覽，觸摸屏定義了智能手機交互，AI Autocomplete 有潛力定義自然語言交互的標準。

SDK 策略還有助于快速驗證技術價值和收集反饋。通過讓不同行業、不同應用場景的公司使用這項技術，Hero 可以快速發現技術的優勢和局限，找到最有價值的應用場景，并根據實際使用情況不斷改進。這比自己悶頭做一個應用要高效得多。

從生態系統角度看，SDK 策略有助于建立網絡效應。使用 Hero AI Autocomplete 的應用越多,用戶就越熟悉這種交互方式。用戶越熟悉，新應用采用這種交互方式的價值就越大。這種正反饋循環一旦啟動，會形成很強的護城河。就像用戶習慣了觸摸屏之后，任何新的移動設備都必須支持觸摸，未來用戶習慣了 AI Autocomplete 之后，任何新的自然語言應用可能都需要支持這種交互方式。

這對整個 AI 行業意味著什么

Hero 的 AI Autocomplete 讓我重新思考了當前 AI 交互的發展方向。整個行業似乎都在朝著"更自然的對話"這個方向努力，讓 AI 更像人類一樣交流。但 Hero 提出了一個反直覺的觀點：也許最好的交互方式不是完全模擬人類對話，而是結合對話的自然性和表單的結構性。

人類之間的對話之所以高效，是因為雙方共享大量背景知識和語境。你和朋友聊天時，可以用很簡短的話表達復雜意思，因為你們互相了解。但人和 AI 的對話不一樣，AI 不知道你的偏好、習慣和當前情境。如果完全模擬人類對話，就會導致大量不必要的來回確認。

Hero 的方法是承認這個差異，利用 AI 的優勢來彌補。AI 可以快速分析任務結構，預測所需信息，實時更新界面。這些都是人類做不到的。通過展示結構化的參數，AI Autocomplete 實際上是在利用機器的優勢，而不是試圖完全模仿人類。

我認為這種思路會影響整個 AI 產品設計領域。未來我們可能會看到更多混合式交互：既有自然語言的靈活性，又有結構化界面的清晰性。這不是倒退到傳統 GUI，而是在更高層次上綜合了兩種交互方式的優點。

從技術架構角度看，AI Autocomplete 也提出了新的要求。它需要 AI 模型不僅能理解用戶意圖，還要能預測任務結構和參數需求。這可能會推動一類新的 AI 模型發展，專門用于任務分解和參數預測。Hero 提到他們使用了一系列模型來預測用戶可能輸入的內容，說明這不是單一模型能解決的問題，而需要專門的技術棧。

對于正在開發 AI 產品的團隊來說，Hero 的成功提供了重要啟示：不要只關注 AI 的智能程度，還要關注交互設計。最聰明的 AI 如果交互方式糟糕，用戶體驗也會很差。反過來，即使 AI 能力有限，如果交互設計得當，也能提供很好的用戶體驗。Hero 的技術本質上是通過更好的交互設計，最大化了現有 AI 能力的價值。

我也在思考這項技術可能的局限性。它適合參數化的、結構化的任務，但對于真正開放式的、需要創造性的對話可能不太適用。比如你和 AI 討論一個哲學問題，或者尋求情感支持，這種場景下強行展示參數就會顯得生硬。所以 AI Autocomplete 可能不會取代所有類型的 AI 交互，而是在特定場景下提供更優選擇。

另一個值得關注的是隱私和數據安全。AI Autocomplete 需要理解任務結構和預測用戶需求，這意味著它需要訪問相當多的上下文信息。如何在提供個性化服務和保護用戶隱私之間找到平衡，將是這類技術普及過程中必須解決的問題。

我對 Hero 未來的期待

Hero 目前正在自己的助手應用中測試這項技術，計劃在幾個月內向用戶發布。他們重點展示的功能是幫助用戶通過自動補全提示詞找到會議時間或和朋友見面的時間。這是一個很實用的場景，也是一個很好的切入點。安排會議往往需要考慮多個人的時間、地點偏好、會議時長等因素，用自然語言描述清楚并不容易。有了 AI Autocomplete，這個過程會簡化很多。

但我更期待看到 Hero 在更廣泛場景中的應用。比如在旅行規劃、購物、客戶服務等領域，AI Autocomplete 的價值可能更加明顯。Hero 的 SDK 策略意味著我們不需要等 Hero 自己去開發所有應用場景，而是會看到各行各業的公司將這項技術集成到自己的產品中。

從融資角度看，Hero 去年獲得了 400 萬美元種子輪，現在又獲得了 Forerunner Ventures 領投的 300 萬美元追加投資。Kowalk 表示，根據應用和 SDK 的增長情況，他們計劃在未來幾個月籌集更大一輪融資。我認為如果 SDK 能夠吸引到一批有影響力的客戶，證明技術價值，那么 A 輪融資應該不成問題。這項技術的潛在市場非常大，任何使用自然語言輸入的應用都可能是潛在客戶。

我也在想，Hero 會不會成為下一個 Twilio 或 Stripe 那樣的基礎設施公司？Twilio 讓每個應用都能方便地集成短信和電話功能，Stripe 讓每個應用都能方便地接入支付。Hero 有潛力讓每個應用都能方便地提供優秀的自然語言交互體驗。如果真的走到這一步，Hero 的價值將遠超一個普通的應用公司。

但挑戰也是存在的。技術再好，也需要市場教育和生態建設。開發者需要理解這項技術的價值，學會如何集成和使用。用戶需要適應這種新的交互方式，培養新的使用習慣。這些都需要時間和持續投入。Hero 團隊有 Meta 的背景，應該對這些挑戰有充分認識。

我特別欣賞 Hero 團隊的一點是，他們在三年前就開始布局這個方向，提前申請了專利。這種前瞻性在快速變化的 AI 領域特別難得。很多公司都在追逐最新的熱點，而 Hero 則在思考更根本的問題：人機交互的本質是什么？未來的交互應該是什么樣子？這種長期思維是真正有影響力的公司的特質。

最后，我想說的是，Hero 的 AI Autocomplete 提醒我們，AI 革命不只是關于更強大的模型，也關于更好的交互設計。技術進步和設計創新同樣重要，甚至在某些場景下，好的設計比更強的模型更有價值。這也是為什么我對 Hero 的未來充滿期待。他們不是在和其他公司比誰的模型更強，而是在重新定義人機交互的方式。這種創新往往更持久，也更有影響力。

我相信，幾年后回頭看，我們會驚訝地發現自己曾經需要花那么多時間和 AI 來回對話，就像我們現在回想起曾經需要記住各種命令行指令一樣。AI Autocomplete 可能就是推動這個轉變的關鍵技術之一。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。