微信读书，深夜上线AI

之前的微信阅读就更新了一个图书翻译的功能，让直接阅读原版书籍成为可能。现在又深夜更新了AI+阅读+公众号文章，效果更炸裂。这个AI问书功能有哪些想象空间？我们来看看作者的解读。

你平时用电子书阅读吗？

我觉得，大部分人和我相似，看到同行、大咖推荐好书，赶紧去自己熟悉的平台找一找有没有电子版，找到后，要么下载下来，要么，加到书架中，回头再看。

但说实话，我们真有空完整看完一本书吗？概率很小。

即便抽空阅读，面对一本厚厚的电子书，也要花很久时间，而且，书里内容不全是干货，有时还要花时间去筛选信息。

那该怎么办呢？我说过，以前会用：搜读法。

举个例子：

假设我要深入了解一个问题，比如「消费者的不确定性感受」。首先，我会先把问题记下来，有空时，打开电脑，用搜索引擎输入关键词，就能看到诸多相关内容的研究。

可是，当我还想知道关于消费者心理的概念、哪些顶尖学者之前研究过？学者之间是否存在共识？该去哪里找呢？

这时，我会用微信读书，搜索框里输入「消费心理」，系统就会显示包括这个主题的多本书，指出哪部分章节、段落、句子中提到。

**这就是搜读。搜读对做研究的人，很管用。但是，这么做有一个问题：微信读书依然会呈现很多内容，也要花时间去筛选。**有没有更快的方法解决呢？当然。

昨天，微信读书悄悄更新，上新一个新功能：AI问书。

一、什么是AI问书？

简答地说：微信读书加了一个AI搜索助手，助手可以在海量书籍中，找到你要的答案；你只要提出问题，或输入搜索内容，它自动给你回复。

一个月前，曾经灰度测试过该功能，身边朋友有拿到过体验，还以为不了了之了，没想到这两天上线了。目前PC端暂时还没上线，手机端想体验的话，把微信读书版本更新到8.2.0即可。

想用微信读书AI问书该怎么做呢？它到底有什么用？别着急，我一个个说。

先记住两个思维：

1. 书本驱动
2. 问题驱动

针对前者，首先，打开微信读书APP，找到你想看的书，例如《穷查理宝典》，然后，点进去阅读，左边目录旁边，多了一个AI大纲，轻松一点，它会把本书基于大纲下，所有划线较多、干货部分帮你整理好。

我测试了一下，不是特别完美，但对于快速想阅读一本书还是挺有帮助的。

如果想看哪段，直接点击跳转即可，在阅读时，若碰到一些不同的词，或者复杂的概念，只要长按该词或句子，系统会弹出一个菜单。你在菜单里选择「AI问书」，AI会迅速给你系统详细的分析和解释。

（一：长按词汇，菜单弹出AI问书）

我觉得，这个功能和飞书的企业百科很像，蛮实用。

你知道吗？

以前，看书时遇到不懂的名词、概念，会去百度、头条搜一搜。每次都得切换屏幕。有时候，搜索过程中，看到其他有趣的内容，很容易分心。

现在，直接在微信读书里解决该问题，有什么不懂的，长按一搜，就能得到答案。

当得到答案后，想更深入了解某个问题，只需点击链接，就能直接跳到相关书籍的具体内容页，方便我进一步探索和学习知识。

方便很多，这个功能一箭三雕。一，保证我的心流时刻；二，给出准确答案；三，在生态内链接其他书籍。这就是书本驱动，简单讲，以一本书为中心，用AI问书。

二、那么，问题驱动怎么做呢？

字面意思想必你已经明白了。即：带着问题去找答案。

更新完后的微信读书APP，默认没有「AI问书」的按钮，不过，别着急，你只需按照常规搜索方式提问即可。

比如说：

我现在想弄明白「镜中我效应」什么意思？想知道它的定义、发展历史，还有哪些心理学家曾经提出、讨论过，该怎么办呢？

我只要打开搜索框，输入「镜中我效应」这个关键词。页面右边会出现一个「AI问书」的按钮。点击一下，关于概念的定义、它的影响、局限性等信息就都会被罗列出来。

（二：搜索框输入关键词，菜单栏出现AI问书）

最棒的是，这些答案不仅准确，方便极了。

是不是很神奇？它还能自动引出一些问题，激发创新思维，这些问题是AI出的，能帮我更深入地思考和探索。

这个功能的设计好像受到《如何阅读一本书》里“主题阅读”的启发，但它用更聪明的方法来实现，不仅是局限在一本书上，而是，可以快速把微信读书里所有相关的书的内容都汇总起来。

当遇到复杂或多样的主题时，不用自己一页一页翻书查了，AI问书帮你做好了，直接跳到相关章节，使得探索主题变得既轻松又高效。

所以，我在阅读中遇到的任何疑问都能立刻得到解答，这极大地提升了我的阅读连贯性和深度。这就是，问题驱动的方法，带着问题去用AI，真的很有帮助。

很多人不知道，微信读书可以浏览文章，对感兴趣内容只需要做到移入、移出书架就好了。

还有一个「馊主意」：昨天我测试了，把电脑上的文件、喜欢的公众号，通过PC端上传到微信读书里，也用AI问书，它也能实现。

该主意可谓王炸组合，你想象看，如果我把所有关于某类研究的文章批量导入后，AI一下，会得到什么结果？是不是很惊人？

因此，不管「书本驱动」还是「问题驱动」，它的功能有三个：

1. 回答问题
2. 延展问题
3. 解释概念

掌握核心，能轻车熟路的运用它，可以想想，它能为你带来些什么？你在哪些场景下，会用到？

当我们得到一项新功能，总有好处也有不足。我觉得，这个不足可以用一个词来描述：**灵活的阉割版。**你可能会问，什么意思？为什么这样形容？还灵活还阉割？

是的。

一方面，我带着问题搜索时，虽然AI问书能自动推荐一些光管问题给我，但这些问题，我不能自己设置，这就让我感觉有这个功能，却不能按我的需要来调整，就像，被削减了一部分。

另一方，成也生态败也生态，微信读书内容，具备版权意识，它只能根据我选的词来搜索推荐答案，不在微信读书里面的，自然给不了。

比如：

我输入什么是坎宁安定律（Cunningham’s Law）？它却显示没有相关答案。而且，对一些更复杂、抽象的问题，给出的答案也不够好。

所以，内容、搜索都有一定限制。有时候，系统自动生成的追问问题，也不太符合我的需要

我相信，技术会越来越完善，微信团队也会努力改善，保持功能优势同时，添加更多个性化设置，让AI问书变得更加灵活多样。

虽然AI问书还有些地方需要改进，但毫无疑问，它是一个革命性的新功能，像得到、秘塔AI等平台已经尝试过类似功能，但微信因为有海量的内容资源，所以，能带来更大的影响，绝对可以用小动作、大变量来形容。

你知道AI问书背后用的什么技术吗？

它依靠一个叫做“RAG”（检索增强生成）的技术，这个技术是腾讯混元助手大模型的一部分。听起来很高科技，对吧？理解起来也不难。

**检索，**顾名思义，搜索的意思，就像我们在网上查东西一样；**增强，**意味着，不只是简单搜索，还会加上更多的智能；生成，根据搜索到的信息，给出想要的答案。

**互联网上，信息多得像星星一样多，RAG技术像一个超级聪明的图书管理员。**比如：帮你过滤掉虚假信息、过时信息、使用非权威来源的内容等，让你看到的每一条都是靠谱的。

除此外，RAG还有一个好处，叫：追溯能力。

它不仅可以保持目前的信息，还能直接链接到最新的信息源。比如，当你想知道最新的研究或新闻时，它能立即提供，让回答更有说服力，也更实用。

**这种技术，让语言模型不孤立。**它们能够和庞大的知识库紧密结合，提供更准确、流畅和内容丰富的回答，无论是回答专业问题，还是完成专业的写作任务，都能做得更好。

这就是，认知能力突破。

说的通俗一点，**想象一个人，以前学习只看书，现在不仅能看书，还能在网上查找，还能筛书，边学边查边消化，难道不是认知大升级吗？**这就是RAG技术的突破。

好了，说的有点多。

不过，就微信读书「AI问书」功能，值得体验。AI时代，会提问比会解题更重要，提出问题，可以激发思维，挑战现有的认知、观点，不断提高思维能力。

过程中，也锻炼了分析问题的本质、探索解决问题的方法，这些技能，可能是人类进步、发展的关键。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓