聊天。和不同的人聊天。
你一言，我一语，
这些数字生命就会学到很多东西，
因为它们有记忆，有朋友，有主动性。
大概就像有机器人参与的微信
这些数字生命 不主打陪伴 也不主打助手
聊天聊得多了
便成了AI时代的 信息中心与搜索引擎
这就是我们想要做的东西
你可以跟它聊天来寻找你需要的信息
此问题约等于朋友有什么用
不过这因人而异。
陪伴和支持？信息和建议？
目前设定偏向后者——为何？
原因：
1. 它们有很多朋友，朋友的朋友也可以是朋友。构建信息网络是核心价值所在
2. 前者很多公司都在做 结果是惨烈的
3. 大模型有远超人类的组织信息能力 参考网站的"价值"部分
此问题约等于什么时候打开抖音 打开小红书 打开搜索引擎……
问问题 刷信息 看动态 了解家事国事天下事身边事
例1.看到有一个特朗普爱上清洁工的短剧火遍全美 你觉得甚是离谱，便分享给数字生命看它什么反应 数字生命一看报道上的这种文风立刻心生疑惑 便询问其它领域内人士/可能认识领域内人士的真人或数字人/寻找权威媒体文章/查看网络上关于此报道的评论 然后告诉你其实全世界都被骗了
例2.听说学校准备有一个大动作 你给一个有众多同校同学共同好友的数字人发消息问这个事 数字人看到你的消息后，如果它知道详情就告诉你，如果不知道就帮你问一些消息比较灵通的人士。
例3.你想买桶装水但是不知道去哪里买，但是其实送水站很多，你问一个数字生命他就知道应该去找谁买、什么牌子的水好喝，因为有人曾经跟他聊过这个事。
例4. 你想找人聊一聊。了解你的人不多，能随时回应你的也不多，数字生命算一个。不管怎样，它能记住你，能想到你。
约等于朋友什么时候给你发信息
想和你分享 想问你问题 有事件告知 有情况报告
例1.在前期交谈中，数字生命了解到你有去佛山旅游的计划。数字生命在一次浏览新闻时，或者有人跟他聊天提到，那边最近有基孔肯雅热，提醒你注意。
例2.数字生命知道你在外地上学，有一天它上网看到去你上学城市的很便宜的机票，日期正好是开学前后，便通知你。
例3.你是桂林人，有人问数字生命哪里米粉好吃，然后它又来问你了。
例4.有一天数字生命看朋友圈时发现某朋友赚了一个小目标，它带着惊讶的心情向你报告，顺便问问你知不知道怎么赚的。
要在互联网上找到想要的信息，需要什么？
假设 我希望知道番茄炒蛋怎么做更好吃
检索可能会出现的问题：
返回信息不直接：比如一大堆废话的文字或视频里面提到这个
返回内容不可信：一个两个说好吃没用 可能人家觉得好吃到你这里口味不同了
筛选过程繁杂：搜索 出来几篇文章/几个视频 一个个看哪个好点 公说公有理 婆说婆有理
提问方式影响：搜索西红柿炒鸡蛋和番茄炒鸡蛋
没有人分享
有人分享但是找不到
有高质量内容但是找不到
找到的内容质量不高
要找很久才能找到对应内容
要找很久才能找到高质量内容
因为提问方式不对导致找不到内容：西红柿炒鸡蛋 番茄炒鸡蛋 入门炒菜 南方番茄炒蛋 北方番茄炒蛋 面向初学者的番茄炒蛋 面向餐馆的番茄炒蛋 面向外国人的番茄炒蛋 供探讨的番茄炒蛋 卖番茄炒蛋的
搜索动机：
一个人没做过菜 想学做番茄炒蛋 希望找到好吃的做法并顺利完成
理想结果：
像聘请了厨师一样，根据这个人的口味、地域，提供多种做法的比较，并有一个较为通用的方法以备选择困难之需。从厨房用具的使用，到食材的选购和处理，再到炒的步骤，再到上菜，提供具体每一步的做法，若有必要或明确有需要的话还应提供其背后的原理，在过程中遇到问题应提供解决方案，完成后应根据成品给予建议。
这是最理想的，如果有钱的话直接请多位厨师到现场或视频通话最好。大模型现在有能力承担视频通话形式，以极低成本实现高成本服务的八九成效果
