微信灰度「小微」实测:3大bug难掩光芒,开启小程序、全民开发与AI渗透新时代!

微信灰度「小微」:实测现3大bug,却开启小程序生态、全民开发与AI渗透新时代!

昨晚我的微信被灰度到「小微」了,也就是刚刚上线的微信 Agent。入口在微信首页左上角,替代了之前的星标,图标看起来像两只绿色的小眼睛。

深度实测一圈后,我发现了小微的 3 个 bug,但更多的是对背后产品思考的佩服。不得不说,龙哥还得是龙哥。

实测小微:3个不容忽视的bug

我先说下自己体验过程中发现的几个问题,都是真实场景。

问题一:语义理解失误

我让小微帮我做了个日程提醒,本意是告诉它我今晚 9 点有一场直播要开,但它理解成了我要「看」直播。当然,因为我没有给它提供明确指令和上下文信息,它本能理解为我是要看直播也在情理之中。但接下来的操作,大概率就是它的理解能力问题了。我先是纠正它,我是要开直播,然后再让它把提醒时间改成提前 15 分钟,到这里一切正常。然后我又让它改了一下提醒时间,提前 10 分钟通知我。结果,它理解的是在原来提前 15 分钟的基础上再提前 10 分钟,也就是总共提前 25 分钟。显然,这种理解是不对的。不知道是我表达有问题,还是这句话本身有歧义。我的原意肯定是开播前 10 分钟提醒我,但小微把提醒时间的参照系标定在了「提醒」时间点,而不是「开播」时间点。因此,这就出现了理解和执行过程中的语义理解问题。我觉得,这跟小微使用的模型有关。现在小微用了自研的 WeLM 和 DeepSeek,但我猜测这种小任务应该用的是 WeLM,看来还有提升空间。

问题二:数据计算错误

我让小微去搜一下过去 24 小时唐韧发过的朋友圈内容,因为我有几个微信号,所以它找出了我几个微信号发布的朋友圈。这里面我发现了两个问题,一个是它把我自己(当前微信)发布的朋友圈内容也找出来了。在正常场景里,自己发过什么是知道的,这个需求的原意是找非我之外的人发布的朋友圈。第二个问题就是数据计算错误,小微从两个号里都找到了一条直播预告的朋友圈,显示时间是「今早」。实际上,这条朋友圈是昨天早上发的。8:32 和 8:33 的时间点都没错,但是搞错了一天。有趣的是,其他几条查出来的朋友圈内容时间都是正确的,只有这一条在两个微信号上都搞错了。说实话,这个错误真的不应该。不过小微能直接和朋友圈数据打通这个设计,我觉得还是非常赞的,提高了朋友圈浏览的效率。或者说,小微正在用自己的方式构建了用户和朋友圈之间的一条新通路。这种能力是原生级别的打通,甚至可以直接在小微里跳转到朋友圈内容的详情页。所以我在前几天的文章里也说了,这就是微信自视频号以来 6 年里最大的一次更新。

问题三:上下文不连贯

我让小微给我找一下自己关注公众号里关于 AI 主题的文章,它正确给我找出了三篇。紧接着我再让它给我推荐一下同类视频号的内容,此时它就跑偏了。我原意是继续推荐一些跟 AI 有关的视频号内容,结果它给我找来的是篮球和汽车的。我紧接着问了下小微是什么原因,它倒是不避讳什么,直接把锅接了过去。然后它自己又重新给我推荐了三条视频号内容,本以为这一次应该对了,结果又有新问题。前两条主题都和 AI 有关,但第三条混进来一条装修省钱技巧,关键是它自己也意识到自己错了。有一说一,这就有点小离谱了。不过这里也要插一句,视频内容的推荐逻辑和图文不太一样,视频是基于内容的语义分析,并不是完全基于关键词匹配,所以准确性不如图文。但不管怎么说,小微在这里翻车了。

以上三个问题,就是我在使用小微的过程中发现的 bug,微信团队的同学要是看到了可以复现一下。

小微:微信6年最大更新,究竟改变了什么?

接下来,我想聊聊小微对于微信来说到底改变了什么,以至于说这是微信 6 年来最大的一次更新。

1、全面接入小程序生态

其实微信 Agent 在内测阶段就已经邀请了一些小程序开发者做优化,官方提供了两种选择,一种是自动适配,另一种是定制化开发。这么做的目的很直接,让小程序能顺畅接入微信 Agent。我简单体验了一下,让小微帮我找一个男士理发店,它不仅成功找到了,而且把对应小程序推给了我。这个需求释放路径比过去缩短了很多,直接就是一句话直达目的地。试想一下,过去要找一个服务入口,大多是搜索或者推荐,然后筛选和进入。现在这种直达模式让很多本地生活服务获得了新机会,关键是,小微会成为新的流量入口。不仅如此,还可以直接在小微里调用小程序,然后让 Agent 自己操作。比如,我让小微帮我点一杯瑞幸的美式咖啡,它自己搜索并找到瑞幸小程序,然后在后台操作。过程中它会让我提供一些信息,比如收货地址和联系人,直接进入瑞幸小程序还能看到它操作的结果。这种变化,让小程序从承接用户操作的工具,变成了被 Agent 操作的工具,用户不需要管过程,直接拿结果。等后续小程序 Skill 也上线了,基于微信 Agent 优化过的一些小程序肯定也会获得新机会。在我看来,这已经是一个很明显的信号了,做小程序的可以跟进。

2、微信小工具开启全民 Vibe Coding

这次伴随小微上线的还有一个新功能,名字叫「小工具」。简单说,这就是一个让所有普通人可以用 AI 开发软件的能力,也就是全民版的 Vibe Coding 工具。小工具的入口在小微首页的右上角菜单里,进来后同样是基于对话的工作台,想做什么直接跟它说即可。比如,我让它给我做一个记录体重的小工具,口喷确认需求后它就开始进入开发了。很快,一个类似小程序的有完整功能的产品就做好了。页面和功能的完成度都很高,属于直接可用的那种,但现在还只支持自己用,不能分享给别人。也就是说,你可以用说话的方式让小微给你开发出各种各样的工具产品,人人都是产品经理和程序员。虽然现在还只能自己用,但不排除有一天可以公开化,但一定需要补足一些流程和资质,类似小程序那样。如果那一天真的来了,这也依旧是一个巨大的机会。不是 Vibe Coding 的机会,而是在微信里快速做出一个可用的产品的机会,更关键的是可借助微信传播。

3、AI 对微信的渗透已经开始了

这次小微不仅仅是个独立对话入口,而是已经渗透到了微信的很多原子能力中。比如前面说过的公众号、朋友圈、视频号,此外还有微信支付、聊天、小程序等。这么说吧,AI 对微信的渗透已经开始了,而且会越来越深。我只说几个场景。比如,我让小微帮我查一下过去两周自己在买水果上花了多少钱,它直接调用微信支付数据,不过一开始需要你授权。然后,就能看到它的总结和账单了。此外,在公众号、群聊、视频号的菜单里现在也都能看到小微的入口「问小微」。可以让它来帮你整理信息、总结归纳、甚至是帮你想怎么回复别人。比如,我在群聊里唤起小微,让它帮我想一个合适的回复消息,它就会基于最近的聊天记录自己分析。然后给出几个回复版本,我选择一个后它能自动帮我把这个消息发到群里。但是,现在小微不能帮你群发消息,也不能替你在朋友圈点赞,我觉得这个边界微信团队拿捏还是很到位的。

写到这我突然有一个感觉。我觉得,小微不是微信 Agent 功能,而是微信在已有生态里加入的一个工具助手。在产品形态上,微信没有像其他 AI 对话类产品一样采用多会话模式,就是一个会话窗口管所有的事。看起来都挤在一起,实际上这是门槛最低也是最容易理解的形态。还有,小微的默认交互方式是语音,虽然可以切换文字,但这种默认输入方式也说明了一点,微信试图还原真实的场景。小微不是一个功能,而是一个工具助理,有需求直接跟它说就行。不需要理解多会话的概念,把它当做一个有操作能力的助手去理解,这更符合 14 亿用户的原始认知。

这些变化,还只是开始。对于明确标注自己还是「测试版」的小微来说,迭代和想象空间依然巨大。更让我意外的是,微信 Agent 出手就到这个程度,实属难得。微信,正在努力成为 AI 时代的一个生活方式。

内容概要:本文研究了基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法,旨在提升风力发电功率预测的准确性。该模型融合卷积神经网络(CNN)以提取输入变量中的局部时空特征,结合双向门控循环单元(BiGRU)充分捕捉时间序列前后向的长期依赖关系,并引入注意力机制(Attention)动态加权关键时间步的特征信息,增强模型对重要时刻的敏感度。研究采用多变量输入进行单步预测,综合纳入风速、风向、温度等多种气象因素作为模型输入,全面反映环境变量对风电输出的影响。通过Matlab平台完成模型构建、训练仿真验证,实验结果表明该混合模型在预测精度稳定性方面优于传统单一模型,有效提升了风电功率预测性能。; 适合人群:具备一定机器学习深度学习理论基础,熟悉Matlab编程环境,从事新能源发电预测、电力系统调度、智能算法应用等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于风电场实际运行中的短期功率预测,提高电网调度的安全性可再生能源消纳效率;②为深度学习模型在复杂时序预测任务中的设计优化提供实践范例,推动AI技术在能源系统智能化中的深度融合;③支持学术研究复现、课程项目设计教学演示,帮助深入理解CNN、BiGRUAttention机制的协同建模范式实现细节。; 阅读建议:建议结合提供的Matlab代码进行动手实践,重点关注数据预处理流程、模型网络结构设计、超参数调优及训练收敛过程,鼓励尝试替换输入变量组合、调整网络层数或优化注意力结构,以进一步探究模型性能边界并提升预测鲁棒性。
内容概要:本文研究了基于Benders分解算法输电网-配电网运营商(TSO-DSO)协调机制的双层优化模型,旨在有效应对新能源出力波动、负荷不确定性等对现代电力系统运行带来的挑战。模型上层由输电网运营商(TSO)负责全局资源优化主网稳定性调控,下层由多个配电网运营商(DSO)实现本地分布式能源的灵活调度,通过Benders分解实现上下层之间的迭代协调信息交互,从而在保障系统安全的前提下提升整体运行的经济性鲁棒性。研究提供了完整的Matlab代码实现,涵盖数学建模、算法求解、收敛性分析及仿真结果可视化等环节,有助于深入理解双层优化架构在输配电网协同调度中的具体应用技术细节。; 适合人群:具备电力系统分析、优化理论基础及一定Matlab编程能力的研究生、科研人员,以及从事电网调度、能源系统规划等相关领域的工程技术人员。; 使用场景及目标:①掌握Benders分解在电力系统双层优化问题中的建模求解流程;②理解TSO-DSO协同机制下输配电网交互建模的核心思想实现方法;③复现并拓展高水平学术论文中的优化模型,服务于科研项目攻关或实际工程仿真需求。; 阅读建议:建议结合凸优化理论、电力系统经济调度Benders分解原理进行系统学习,优先运行并调试所提供的Matlab代码,调整关键参数以观察算法收敛行为模型性能变化,从而深化对协调机制优化机理的理解。
内容概要:本文档是一份关于经济学期刊论文复现的研究资料,聚焦核心议题“数字化转型能否促进企业的高质量发展”。文档构建了一个完整的量化分析框架,基于中国上市公司数据,实证探讨数字化转型对企业全要素生产率(TFP)及高质量发展的实际影响。内容涵盖数字化转型指标的构建、企业高质量发展评价体系的设计、计量经济模型的选择应用(如固定效应模型、GMM方法),并提供Matlab代码实现全过程,包括数据处理、模型估计稳健性检验。研究还系统梳理了OL、FE、LP、OP、GMM等多种全要素生产率的测算方法,为读者复现高水平经济学论文、深入理解数字经济时代的企业发展路径政策含义提供了详尽的技术支持理论指导。; 适合人群:具备扎实的经济学理论基础和较强的定量分析能力,熟悉Matlab或Python编程语言,正在从事经济管理、产业经济或数字经济等领域研究的研究生、高校教师及科研机构研究人员。; 使用场景及目标:①完整复现经济学顶刊论文的实证研究流程,掌握规范的学术研究范式;②学习并应用数字化转型企业绩效间的因果识别策略,提升独立开展实证研究的能力;③为撰写学位论文、申报科研课题或编制政策咨询报告中涉及数字经济效应的章节提供直接的方法论参考和代码支持; 阅读建议:建议读者务必结合文档提供的数据Matlab代码进行同步实操,重点钻研变量定义、模型设定、内生性处理和稳健性检验等关键环节,通过反复调试验证,深刻领会高水平实证研究的严谨逻辑技术细节,从而全面提升自身的科研素养论文写作水平。
内容概要:本文围绕“绿电直连型电氢氨园区优化运行”开展创新性未发表研究,提出一种集成绿色电力直接供给、电解水制氢合成氨工艺的多能耦合系统优化模型,旨在实现园区能源系统的低碳化、高效化经济化运行。研究采用MatlabPython编程语言,结合实际气象负荷数据,构建涵盖电-氢-氨能量转换、存储利用全过程的能量流、物质流及经济性协同优化框架,重点解决可再生能源出力波动导致的供需失衡问题,并通过优化电解槽、储氢罐、合成氨反应器等关键设备的运行策略容量配置,提升系统对风光能源的就地消纳能力。文中配套提供完整的仿真代码、原始数据及Word格式论文,支持结果复现模型拓展,具有较高的科研参考价值工程应用潜力。; 适合人群:具备电力系统、能源工程、优化建模或新能源技术背景,从事综合能源系统、氢能利用、碳中和园区等相关领域研究的研发人员及硕士、博士研究生。; 使用场景及目标:①研究绿电直供模式下电-氢-氨多能系统协同运行机制优化调度策略;②探索高比例可再生能源就地转化为高附加值化工产品的技术路径;③为工业园区实现深度脱碳能源自洽提供决策支持;④作为学术论文撰写、课题申报或科研复现的高质量参考资料。; 阅读建议:建议结合MatlabPython代码逐模块解析模型实现过程,重点关注目标函数构建、约束条件设定(如设备动态特性、能量平衡、安全边界)以及多场景仿真对比分析,宜在调试过程中调整权重系数参数设置,深入理解系统灵敏度优化机理,并尝试引入更多不确定性因素进行鲁棒性扩展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值