欢迎收看本期《派评》。你可以通过文章目录快速跳转到你感兴趣的内容。如果发现了其它感兴趣的 App 或者关注的话题，也欢迎在评论区和我们进行讨论。

虽然少数派一直在为大家发现和介绍各平台上的优质 App，但仍有不少设计、功能、交互、体验都非常优秀的 App，还没有被我们发掘和介绍。它们可能是一款老 App，也可能是近期上架的新 App，我们会在这里介绍给你。

• 平台：Web
• 关键词：Notion、协作办公

@【【微信】】：相信每一个看到 Microsoft Loop 的人都会冒出这样一个想法――长得好像 Notion，事实上 Microsoft Loop 不仅仅神似 Notion，功能上也与 Notion 大同小异。如果 Loop 来自一家初创公司，那这种完成度的应用可能还没有必要在《派评》中进行介绍。然而，Loop 来自世界上最大的软件公司――微软，自然我们就要对它另眼相看了。虽然 Microsoft Loop 在 2021 年年底就已经公布并开始内测，但直至今年 3 月才开始公测，功能也谈不上丰富。那么，我就带大家一起来看看现阶段的 Microsoft Loop 能做什么吧。

Microsoft Loop 将自己的主要功能分为三部分：组件、页面和工作区。

Loop 组件可以理解为具有特定功能的生产力单元，在 Loop 编辑器中输入 就可以快速进行添加。目前，Loop 仅内置了任务清单、投票表和状态跟踪器三个组件。

任务清单包含了任务、分配给、截止日期三个属性，还可以根据这三个属性对任务进行排序，这三个属性也可以分别进行隐藏。

投票表可以方便成员们对某个事项的各个选择分别罗列优缺点，然后进行投票表态，过程透明，结果直观。

状态跟踪器则可以用来跟踪各个任务的完成进度，包含了工作区、拥有者、进度、截止日期和阻碍因素等，并且可以根据这些属性进行排序。

Loop 页面可以插入文字、表格、待办事项、列表和分割线等元素，并且和 Notion 一样以 Block 为单位，可以进行自由地移动和排列。值得一提的是，Loop 目前内置的三个组件都是以表格功能为基础来制作的，所以我们也可以直接使用表格来制作自己的组件。

Loop 工作区则是以页面为基本单位的协作区域，所有成员都可以在工作区的任意页面或者组件中进行实时协作，我们也可以通过头像、光标或者名牌来查看成员们的实时操作。

图片来源：微软官网

Microsoft Loop 目前可以免费使用，但是目前只有网页版，移动端仅面向企业用户开放。

• 平台：Android
• 关键词：GPT、AI

@Noah_Choi：要说现在最火的是什么，那一定是人工智能技术，无论是爆火的 ChatGPT，还是基于 GPT 技术迭代上线的 New Bing，在加以利用之后都能大幅提升我们的工作效率。不过使用这些人工智能技术也需要一定的技巧，我们需要通过合适的语言描述来让计算机更有针对性地提供反馈，而这样的语言描述就被叫做「提示词」（prompt）。

ChatBoost 这款应用本身是一个 ChatGPT 的接入客户端，采用了 Material You 设计语言，不过并没有适配动态主题取色功能。它的主要特色是内置了许多提示词，包括模拟专业英语考试、寻求面试技巧、生成特定类型的文章等等多种类型，我们可以直接通过提示词进入相应环境，不需要再向 ChatGPT 交代本次会话的背景和角色。

除了预设的提示词以外，我们还可以自定义提示词。其中比较重要的一项内容就是「提示」一栏，也就是每一次对话初始时，你告诉 ChatGPT 需要它做什么事情。例如我经常需要总结领导发言并编写会议纪要，那就可以在这里输入我的需求，之后补充其他信息、调整参数、设置提示词类型就可以使用了。

使用 ChatBoost 之前需要填写自己的 API 密钥，如果你在使用第三方 ChatGPT 服务，也可以填写 API 地址。考虑到目前访问 ChatGPT 网页端存在一定困难，并且在进行人机验证时经常出现死循环现象，所以使用 API 访问 ChatGPT 会更加便利。

除此之外，ChatBoost 支持自定义模型版本、词汇量、Markdown 输出以及自动朗读反馈内容。整体使用下来，ChatBoost 可以说是我目前位置使用体验最好的一个 ChatGPT 客户端了，如果你也感兴趣，可以在 Google Play 免费下载 ChatBoost，付费 9.99 美元可以买断高级版解锁更多功能。

• 平台：iOS / iPadOS
• 关键词：浏览器

@黎明前线Alan：早期的 Via 浏览器以不到 1 MB 的体积，容纳了包括广告*、用户脚本自定义等众多关键功能，因此在 Android 玩机圈内一直颇受好评。即使后续 Via 浏览器也在不断改进并添加新功能，轻量化的体积仍然是其最大的卖点之一。

今年三月，Via 开发者终于上架了 Via iOS 版本，原版中出现的脚本支持、广告拦截等功能也出现在 iOS 版本中。但相对的一些 Android 版本中的细节在 iOS 版本移植的过程中也有缺失。但总体而言基本维持了 Android 版风格的一致性。

iOS 版也在某种程度上延续了原版 Via 小体积的特征：根据 App Store 中展示的信息，iOS 版 Via 浏览器大小为 5.5 MB。开发者在移植中还增加了对 iPadOS 的优化适配，使其更加适合大屏操作。

以下是目前 iOS 版本 Via 浏览器的部分特性：

• iCloud 同步
• 广告拦截
• 脚本支持
• 夜间模式
• 请求桌面站点
• 翻译网页
• 页内查找
• 多搜索引擎支持
• 保存网页

你可以在 App Store 下载到 iOS/iPadOS 版本的 Via 浏览器，应用目前无内购完全免费。

• 平台：Android
• 关键词：任务管理

@Peggy_：对于大多数人而言，由于生活、工作所面临事务的不确定性和碎片化，维护一套完整的 GTD 系统无疑是非常需要时间成本和经历的，对于更多人而言，随手在便利贴上记录下一条待办或许反倒更加具备灵活性，但是如果你还希望用上电子设备的提醒功能，那么依靠纸笔维持的这套系统就势必需要加以改进了。Tasky 是一款主打极简任务管理的 app，借助它你既可以享受简单方便的任务录入过程，也可以结合电子设备的便捷性。

打开 Tasky，整个界面简单到只有一个添加按钮，点击按钮我们就可以在记录框内直接输入需要完成的提醒事项，如果你不想为这一事项设定提醒或是规定期限，那么只需要快速录入后点击 add 即可完成一次记录，和纸笔记录相比，整个过程几乎也不会为你增加任何阻力。

当然，如果你希望增加的任务有完成时间或是提醒，那么只需要在添加任务时一并设置即可，或是在添加完成后，结合你的工作安排时间后续再进行添加，添加好任务后，Tasky 会在主界面用小铃铛图标来帮助用户判断这一任务是否设置了提醒时间，方便用户后续进行任务的整理。

除此之外，Tasky 几乎没有任何需要你额外设置的项目。没有优先级，没有标签，甚至没有所谓的项目分组，说它简陋也好，但是对于只需要一个简单易用的事项记录和提醒工具的人而言，Tasky 又足够好用且够用，你不需要为了自己用不到的功能而支付订阅费用，也不需要每次添加任务时都为一堆多余的按钮而感到选择困难。

Tasky 是开源应用，完全免费且仅仅索要了必要的通知权限，如果你正好需要这样一款工具，不妨通过 GitHub 下载体验一下 Tasky。

除了「新鲜」App，App Store 中的许多老面孔也在不断迭代、更新，增加更多有趣和实用的功能。少数派希望帮你筛选 App Store 中值得关注的 App 动态，让你快速了解 App 和开发者们的最新动态。

• 平台：iOS / iPadOS / Android / macOS / Windows / Web
• 关键词：网络书签、网络标注、稍后读

@Snow：跨平台书签管理应用 Raindrop 上周更新至 5.0 版本，新版本带来了一些「智能化」设计，可以进一步提升你收藏和管理书签的效率。

5.0 版在收藏书签时，会根据你过去的分类习惯以及书签内容的匹配程度，提供收藏分类建议。你不用再手动去下拉框中寻找分类，明显提升操作效率。不过比较奇怪的是，智能收藏建议目前仅适配了系统分享组件，更「先进」的 Safari 扩展反而暂未支持。同样增强智能化的还有自定义收藏图标，它可以根据你的收藏分类名称，优先提供高相关度的图标备选，让你的收藏分类更加直观。

不过，无论是内容匹配还是图标建议，主要依靠识别出的英文关键词，如果你使用中文分类或收藏中文内容为主的页面，这些功能可能并不足够智能。

另一项明显的功能优化是「高亮」操作，此前高亮功能依靠桌面端的右键可以轻松实现，但在移动端操作并不便捷。现在，你可以在 iOS/iPadOS 的 Safari 中选中文字，再使用扩展或系统分享进行收藏流程，选中文字就会自动标记高亮。对于已标记高亮的书签，可以在应用中再度通过选中文字进行调整。

UI 上的主要优化，则在于应用首页引入 Masonry 布局，相较于传统的文字列表或等大卡片布局，Masonry 自由度更高，信息露出也更加丰富。不过目前这一模式下并不支持手动重排内容，实用性会有所限制。

此外，新版应用在扩展崩溃、内存占用、应用体积等多方面进行了优化，更新明细可以点击此处查阅。

你可以在 App Store 上免费下载 Raindrop.io。

• 平台：iOS / Android / Web
• 关键词：笔记、灵感记录

flomo 一直以来都对自己有一个明确的定位――作为一款笔记应用，它更像是利用碎片时间记录想法和灵感的小工具，方便自己之后的复盘以及整理。通过一张张笔记卡片来最终将信息汇聚成专属于自己的知识信息库。

以往 flomo 必须是设备在线才能使用，如果你手持非蜂窝版 iPad 坐在公车上，突然想到一个灵感需要记录下来，只能在线使用的笔记工具这时候就显得不那么方便了。

好在 flomo 在本次 2.0 更新中正式加入了离线模式―― flomo 的客户端也真正意义上变成了一个可以直接在本地使用的应用，你可以在没有任何网络的情况，创建、搜索、删除、置顶 MEMO，甚至重命名标签等。这些功能都会和此前在线时使用没有任何区别，唯一的区别可能是第一次离线状态打开应用时会多加载一段时间。

而只要恢复到有网络的环境下，原本离线保存在本地的内容就会同步到云端，从而确保你的所有设备 flomo 中保存的笔记内容都是最新的。

除了「重磅推出」的离线模式之外，在 flomo 2.0 中还新增了几个新的功能，比如现在可以查看到某个标签下 MEMO 的数量（需要下拉刷新就可以看到）；另外在删除 MEMO 时，可以支持撤销删除，在删除之前吃一次「后悔药」，同时在发布或者刷新时，你的设备会有一点点的「震动」提示。

你可以在 App Store 中免费下载 flomo 进行笔记记录，购买 Pro 会员可以解锁全部功能，目前订阅价格为 12元/月，也可以购买年订阅，费用为 98 元。

• Arc | Mobile Companion（iOS）：发布首个 iOS 版本，作为桌面端 Arc 的配套应用，可以访问并浏览自己保存的书签。
• Apple iWork（iOS | iPadOS）：更新至 v13，在支持的 iPad 机型上 Apple Pencil 悬停可让你以更高的精度轻松导览、书写、速绘和插图；直接通过「共享」菜单导出并发送其他格式的文档副本；报告、笔记、信函和履历模板现包含带有说明的占位符文本。另外现在仅支持在网页浏览器中观看 Keynote 直播演示文稿。
• 少数派多次介绍过的任务管理工具 Structured 上线 Setapp。
• 老牌 iOS 健康应用 Pedometer++ 上月更新 5.0 大版本。

> 下载 少数派 2.0 客户端、关注 少数派公众号，解锁全新阅读体验

> 实用、好用的 正版软件，少数派为你呈现

aigc训练模型 aigc 预训练模型 分类

从2023年农历春节开工到现在，身边每天都充斥着对GPT、LLM领域大量的媒体分析、行研报告、产品demo、社群活动。热度要比过去元宇宙、区块链这些技术概念更加空前，可见他对底层技术的变革是如此的歇斯底里。

写在前面:

1、用大白话让非技术人员了解这一技术的关键点，如想深度探索，可基于此搜索学习

2、让互联网行业产品、运营等人员在工作中想要应用这一技术时有基本的框架思维

3、作者非AI技术出身，有表述不准的地方，欢迎指正

正文：

chatGPT是一个聊天应用。一个输入框，输入你想问他的任何问题，他会给你一个答案，并且这个答案看起来是经过思考、讲究语法并且正确的。他理解你的语言，并能用你的语言给你答案。

而这背后，就是GPT这个大模型在发挥作用（Generati【【微信】】rmer），翻译为“基于Transformer的生成式预训练模型”（引号里的中文值得逐字理解），通俗点讲，这个模型的目的就是理解你输入的文字，然后计算答案，然后用你能懂的语言进行呈现。

至于什么是Transformer、它为什么可以做到，这背后的技术点，我们下文展开。

对于行业小白，我们先科普几个这个行业关键词：  NLP：Natural Language Processing，自然语言处理  AGI：General Artificial Intelligence，通用人工智能  LLM：Large Language Modle，大语言模型  AIGC：AI-generated content，互联网人应该都听过UGC、PGC，没错这个就是AIGC，AI生成内容。     连起来造句就是：要想让AI达到通用人工智能（AGI）的程度，自然语言（NLP）领域的大语言模型（LLM）能力是非常重要的，大语言模型（LLM）领域有一个重要的应用就是AIGC

如果你想要研究清楚GPT背后的技术点以及发展脉络，可以先从以下几个概念入手。

你可以理解为他是一个特征提取器，中文语义：转换器，他的目的就是把你给他的文本数据进行理解学习，形成他认为的人类语法。有资料说明，光GPT3就用了45TB的文本数据，涵盖中文、英文等多国语言，模型生成了超1.7万亿的参数。

就像一个一两岁的孩子，没背单词、没背语法、没学拼音也会说话一样。这中间的实现就是这个模型在起作用。所以也堪称暴力美学。

用技术术语说，Transformer的核心是自注意力机制（self-attention），它可以让模型在处理序列数据时，将不同位置的信息加权组合起来，从而更好地理解输入序列的结构和含义。这其中的核心手段是编码和解码，即Encoder和Decoder。

Encoder把输入文本编码成一系列向量，Decoder则将这些向量逐一解码成输出文本。在每一个Encoder和Decoder中，都有多个自注意力层和前馈神经网络层组成。这些层通过不断传递信息和调整参数，最终将输入转化为一个意义准确的输出。

MLM（掩码语言模型）是 GPT 预训练中的一个关键技术点，其目的是通过对输入序列中的部分单词进行遮盖，使模型在预测下一个单词时能够学习到上下文的信息。简单但很巧妙。

在MLM中，模型会在输入的文本序列中随机选择一些单词，并将其替换为特殊的MASK标记。模型的任务是预测这些MASK标记所代表的单词是什么。因为模型只能观察到MASK标记周围的文本，因此它需要对上下文进行建模，以便正确地预测MASK标记所代表的单词。

Transformer、MLM等等这些架构、算法和模型设计让GPT问世，而Prompt和Fine-tune可以让我们能更好的使用他。

中文语义：提问、提示语。在与chatGPT对话的时候，我们的输入即为prompt，想要让GPT更好的理解我们的意图，那prompt的精度就决定了这个大模型能否高效理解我们的意图。

特别是在AIGC领域，只要你能想到，他就可以给你反馈。如果把GPT看做一个知识的海洋、一个可以持续再生的金库，人类想要攫取，那Prompt会变得非常非常非常重要，它就是那个金钥匙。

中文语义：微调。企业在应用AI能力时，GPT可以定义为一个理解自然语言的初始模型，为了更好地应用在业务场景中，可以在GPT的基础上进行微调，理解为一个有监督学习的过程，喂给他我们的业务数据或领域数据集，让他能读懂我们的业务数据并按需输出。

目前的软件产品，用户的真实需求主要是通过在软件产品内的行为数据进行发现和理解，如监控用户反复查看某个商品、用户搜索了某个商品、用户将什么商品添加到了购物车，基于此进行分析、预测，根据用户行为反馈再进行调优。

当有了自然语言处理的能力，用户会直接暴露自己的需求，如“我需要购买从北京到三亚的往返机票，旅途5天，希望有一半时间住民宿，机票和住宿一共7000元预算，请给我提供一个规划”

这种简单粗暴的交互，会迭代目前“业务与行为数据采集、数据聚合与处理、用户画像建模、人/物标签计算、推荐算法、反馈调优”的整套数据工程。当下自然语言所暴露出来的需求会在数据集中占更大的权重。

chatGPT、Midjourney+Discord、文心一言等现在都是通过聊天框模式提供服务。这确实也是人与机器通过自然语言沟通最理想的方式。但chat模式不是当前人机交互的终极形态。

人与机器交互，想要达成期望结果，对话框、对话框+命令行、对话框+插件并不是当前人机交互的终极形态。

所以chat不是结果，但，已成必须。

比如我们的日常学习某一软件，特别PS、数据分析工具等，学习门槛很高，这是因为软件设计是自下而上的设计，人机交互的连接点是鼠标（或约等于鼠标的手指）。

想要让软件以及他的宿主――计算机，识别你的意图，开发者需要完全依赖于鼠标在计算机上的点击、拖拽、滚动等交互方式来设计软件反馈。

而现在，有了一种新的范式，就是自然语言。基于LLM这样的大模型，机器已经或逐步可以足够理解人类的语言并做出正确的反映。如果再有鼠标的交互加持，人类使用机器的效率会有更大程度的提升。

所以自然语言交互可能会成为所有软件产品的必须。

软件的工具如 word、PPT、EXCEL、印象笔记、Xmind、github正在“+AI”以降低使用成本了。你可以自研AI能力，也可以让自己被插件。当新的用户习惯被养成，那些不能AI化的软件会显得异常难用。

比如一个数据分析平台，

如果数据查询只能通过自助式点选，而不是问答式就会面临用户体验差评，

如果数据查询报表还需要人来去总结数据基础表征，而不是自动进行总结也会面临用户体验差评。

于是，产品就会有逐步被弃用的风险。

工具本身的术变得不是那么重要，AIGC类型的工具使用门槛相对变低，但对人的大脑反而提出了更高的要求。

人的想象力是无限的，但实现能力是有限的，而AIGC工具，他可以让想象具象化，甚至在你创作过程中给你惊喜。

过去做一张如下的图需要在设计软件上进行至少数小时的操作，初级选手光设计工具就得学习很久。如果这个需求是来自于客户，那这其中的沟通和理解成本会变为很大的设计成本。

而现在，你只需要描述你想要的，即使你要一个五彩斑斓的黑，AI也会实时给你一个他认为正确的反馈，你可以基于此不断用语言进行调整或辅之以设计师的PS之术。

想象力变得越来越重要，甚至可以说得到了释放。

机器可以理解人类的语言，但并不代表可以精准理解人的意图。这之间的gap需要人去不断对机器调优，如模型迭代，同时也需要人去了解机器的语法，比如现在的Midjourney、playground，你的提问或prompt的使用也是有语法的，并配合图形界面上的一些控制功能。

说GPT一本正经胡说八道，不是没有证据，这是我最近的实际测试。

我：140和290之间有多少个质数？

chatGPT：

140到290之间的质数包括：149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293。因此，140到290之间有28个质数

我：直接告诉我有多少个，而不是列出来

chatGPT：在140和290之间，共有28个质数。

我：确定？

chatGPT：是的，确定。

我：重新计算一下，再给我一个答案

chatGPT：非常抱歉，在上一个回答中我犯了一个错误，实际上在140到290之间有23个质数。感谢您的提醒，希望这次的回答能够满足您的要求。

你以为这就是正确答案？这还不算完，

于是我让他写了一个python脚本：

代码没问题，我执行了，于是：

没错，按chatGPT给我的python执行，答案是27。

诶？换个角度想，他也会犯错，是不是更像人类？

可解释是可信的前提。我们塑造了他，却不了解他，如果他输出了一个错误的答案，但看起来是那么正确，这时候我们就得警惕了（就像文中那个求解质数问题，看起来是那么正确），应用在教育、医疗、建筑设计等领域，他输出了一个错误的药方、他设计了一个尺寸差了几公分的图纸，如果他犯的错误无法及时发现，那他产生危害需要人类来买单。

我们需要了解他的决策动机是如何生成的，没错，就是动机。因为人在决策哪怕是犯罪，都会寻求背后的动机，是利他、利己还是此人有精神疾病，最终都会试图用动机来解释。

不能只推导到用了什么计算框架和算法，然后就给他不停地喂数据，要想让他更好的为我们服务，找到合适的时机影响他，而不是任由他，最后可能站在我们的对立面。

换句话说，“知其所以然”也是我们求知的源动力。

4、数据安全、用户隐私与版权

数据是GPT的养料，用户的数据从此变得越来越重要，想要微调，普通用户想要使用，需要贡献一方数据。GPT无国界，但数据有国界。目前国内中大型企业对GPT的API能力也仍处于封闭状态。（所以我们国家也一定会有自己的大模型，比如百度文心一言、盘古）

关于版权，我们看chatGPT自己如何说：

“根据国际版权法，创作作品的版权通常归原作者所有。但是，当作品是由人工智能生成时，问题就变得复杂了。因为人工智能本身没有创作权，它只是根据预设的算法和数据生成内容。所以，根据现有的版权法律，AIGC的版权归谁是一个尚未确定的问题。

另外，AIGC的版权问题还涉及到人工智能的产权和知识产权。在AIGC的生成过程中，通常会涉及到许多算法、数据、模型和程序等，这些都是有产权和知识产权的。因此，除了作品版权的问题之外，还需要考虑这些产权和知识产权的归属问题。

综上所述，AIGC的版权问题是一个复杂的问题，需要在法律、技术和伦理等多个方面进行探讨和解决。我们需要寻求各方面的意见和建议，来制定适当的法律和政策，以促进人工智能技术的发展和利用。”

自动驾驶时发生了事故，驾驶员需要承担100%的责任。同样的，使用AI工具工作，如果犯错了，无论是工具还是人为的错误，那责任依然归咎于人。

所以人类责任与义务的存在，决定了即使在AI时代，某些工作至少需要一个人来担（bei）责（guo）。

这个大模型确实可以成为一个可持续再生的金库，为人类服务。不过此时，他已经站在我们身旁，一同跟我们进化，人类长高1厘米，他可能会长高3厘米。

但如果人类停止对他的数据输入，无论是新的知识、新的研究、还是今天的新闻，甚至对他的答案不做任何反馈。那么他也会过时或不那么好用。

为了有更多的金矿可以攫取，我们会进入一个循环，不停的喂养他，迭代他，对他的输出再反馈，他也不停地进化为我们服务。

什么样的职业会被取代，不如想想什么样的职业会变得越来越重要。我觉得可以从两个角度思考：

AI本身也是人创造出来的，如果他会取代一部分人的工作，那就走到上游去成为创造他的人。AI算法工程师、数据采集与治理专家、AI软硬件产品设计与开发、芯片、AI领域新闻媒体，这些都是以AI为中心的上下游领域。

一部分会用AI工具的人已经尝到了甜头，比如已经在Youtube、B站分享AI工具使用以及做教程的up主，他们都是第一波会用AI的人，已经赚到了AI启蒙的红利。

在企业内，AI可能不会完全替代某一岗位，但会替换掉一部分。如设计师、工程师，基础工作可以交给AI来做，但AI输出的结果需要有人审验，更重要的是需要有人担责，所以也会需要部分专职。

全文完~

/此文文字部分已分批投喂chatGPT，希望Ta饱餐后，造福人类~