流程·洞察

开箱我的大模型工具箱

与过往历次人工智能热潮相比，此次以 ChatGPT 为代表的新一轮 AI 热潮对于个体——特别是白领工作者——的影响极其深远，随着大模型技术落地速度的加快，个人生产力工具、流程也在发生深刻变化，越来越多的应用开始「利用新方法解决旧问题」，同时也出现了一些「新方法解决新需求」的实践和案例。

站在 2023 年 5 月末的时间点，过去 6 个月大模型相关领域的变化非常快，对于我这样既是大模型相关领域的观察者、记录者，同时也是大模型应用的使用者来说，如何利用这次技术发展带来的工具与流程创新，进一步升级并迭代自己的工作流程，显得尤为重要。

此前的几期会员通讯，我从不同角度、零星分享过一些工具使用思考，本期的「流程」专栏，我会结合自己的实践，全面梳理和总结日常工作、生活中使用的大模型相关应用，或许可以给各位提供一些灵感。

1.开箱即用的服务

ChatGPT 无疑是最具「开箱即用」特质的大模型应用，免费用户即可通过网页、移动应用（目前仅限 iOS）与 ChatGPT 直接对话，借助 Plus 服务，用户还可以获得诸如 GPT-4、第三方插件的能力，推荐几个值得尝试的插件：

• WebPilot：用户输入一个链接后，该插件可实时读取网页内容，支持内容摘要生成等特性；
• Show Me：可根据用户输入的概念，生成一系列相关示意图，能够帮助用户更好理解某个概念；
• Likewise：侧重娱乐和媒体推荐，比如我会询问当下的畅销书排名和书评；
• AITickerChat：如果你经常需要获取美国上市公司的财报、分析师电话会议等资料，这个插件很有用；
• Video Insights：可分析用户输入的视频链接（不限 Youtube），然后生成视频内容摘要；

考虑到 ChatGPT 现在的注册门槛——比如注册 IP、IP 所在地的移动电话号码——越来越高，Poe 也是一款不错的「开箱即用」类产品，仅需一个邮箱即可完成注册使用。Poe 的免费版本提供了不限量的 ChatGPT、Claude Instant 对话功能，但我更推荐其付费版本里的 Claude+ 和 Claude-instant-100k 两个模型服务：

• Claude+：能够提供可媲美 GPT-4 的语言理解和处理能力，而且还能处理比 GPT—4 更多的文本请求，比如我会把 4000 左右的汉字文本交给 Claude+「阅读并理解」，GPT-4 则显示文本太多无法处理；
• Claude-instant-100k：这可能是目前公开可访问的最强文本处理机器人，一个对话最高支持 7.5 万英文（约合 15 万汉字）；

不过需要注意的是，Poe 每个模型每次只能处理单一对话，因此，为了更好借助上下文的能力，我建议各位最好在每一次交互（完全）完成之后再开启新的对话，这样得到的效果更好；更何况，Poe 的一些模型，比如 GPT-4 每月有固定（高速）额度，需要「珍惜」。

2.基于 API 的服务

「开箱即用」的服务足够简单，但也受限于场景、交互界面，在一些时候并不方便。比如，如果我在阅读某个网页的时候需要 ChatGPT 的翻译能力，那么我必须要经历「复制网页内容——粘贴到 ChatGPT 输入框并输入提示词——等待翻译」这样冗长的过程。此时，如果可以借助浏览器插件，直接调取 ChatGPT 或其他模型的翻译能力，让我在不离开网页的情况下看到译文，无疑非常方便。

这也是目前很多基于 OpenAI/Claude API 第三方工具的出发点。这些大模型的 API 与上面提到的「开箱即用」产品不同，大模型的 API 面向开发人员，需要借助一些工具才能实现相应的功能，回到我的网页翻译场景里，我可以把大模型的 API Key（通常是一组类似「sk-xxxx」的字符）粘贴到浏览器翻译插件里，然后由翻译插件调用大模型的翻译能力，实现直接翻译。

目前公开提供 API 的大模型产品并不多，基本也是海外产品，比如：

• OpenAI：免费 API 申请很简单，但付费（特别是绑定支付方式）非常困难；
• Claude：通过率极低；
• 微软 Azure OpenAI Service:申请简单、通过率高，可以作为 OpenAI API 的备选，推荐一个申请和使用教程；

另外还有一些开发者通过合法或不合法的渠道，重新封装各类免费或付费 API 之后提供一个新 API，这里不做过多推荐。

基于大模型的 API，我们可以「拥有」更多大模型应用，以翻译为例，下面这组浏览器插件值得尝试：

• 沉浸式翻译：横跨全平台，拥有网页翻译、图书翻译（制作双语对照图书）的能力，实测使用 OpenAI API 将一本 75 万字符的英文图书翻译成中文，大概需要 1.2 美元（不到 10 元人民币）；
• OpenAI Translator：支持 OpenAI 、网页 ChatGPT、Azure 三类 API，其中网页 ChatGPT 模式能够调用 OpenAI 为移动端提供的模型，速度非常快；
• 划词翻译：可绑定多个 OpenAI API Key，还能和各类词典实现协同；

ChatGPTBox 是另一款值得推荐的浏览器插件，它的有趣之处在于集成了众多模型服务，从 OpenAI 的各类模型到 Claude 甚至微软 Bing 无所不包，甚至还能加入自定义模型。

另外由于该插件是调取网页 API 而不是开发 API，所以你需要：

• 相应帐号处于登录状态：比如你需要登录 Bing 账户；
• 网页处于打开状态，比如打开 ChatGPT 或 Poe 网页，这样才能调取这两个服务里的模型；

配置之后，我在任意网页选中一段话，即可通过右键调取 ChatGPTBox 窗口开启对话，支持「翻译」、「内容总结」等场景，所有这些对话记录也会同步到各自帐号的对话历史里：

更进一步，基于大模型的 API，这款 OpenCat 为 iPhone 用户提供扩展键盘服务，如下图所示，OpenCat 可读取内容编辑界面的信息（中间图片），搭配用户自定义或导入的提示词，可快速调取大模型的能力，从而生成相应的内容（最右侧图）：

OpenCat 是目前 iOS 上最具实用价值的大模型相关应用，通过键盘扩展，将大模型的能力延伸到几乎任何一个应用里，同时开发者还提供了微软 TTS 接入功能，你可以把微软 Azure 上优秀的文本转语音能力集成进来，让 AI 帮你读出内容。

3.尾巴

从「开箱即用」的产品到基于 API 的自定义场景应用，大语言模型改变了过往众多生产力应用的使用流程，让用户真正感受到 AI 带来的巨大价值。

但也需要看到几个潜在问题，比如很多基于 API 的应用的定位与功能类似，建议各位以宁缺勿滥的心态挑选、使用这些应用。

其次，本文提到的任何一个产品以及所有标榜大模型的产品都需要网络，这意味着，「离线」成了使用大模型的最大门槛，如果你的网络条件比较差或者经常在飞机机舱这样的场合，大模型应用带来的可能不是效率提升，而是一种无奈。

第三，也是我认为最重要的一点，请务必关注数据隐私和安全。特别是在使用非官方提供的大模型 API 的时候，不要提及个人私密数据（比如密码或银行账户）和一些中文敏感词汇，同时尽量不要使用网络上「好心」网友分享出来的大额度免费 OpenAI API。

最后的最后，随着大模型相关领域的继续发展，我相信我的这个工具箱还会持续迭代，也欢迎各位朋友通过回复这封邮件，分享您的大模型工具箱。

应用·发现

ChatGPT 上架 App Store。与手机网页版相比，这款应用采用 OpenAI 的 Whisper 模型，允许用户语音输入内容，Whisper 模型会将声音转换为文本后交给 ChatGPT 处理。

其次，用户在 iOS 上的对话记录也会同步到网页上，目前 iOS 上的应用还不支持插件，不过如果用户的对话是在网页上通过插件发起，手机上可以继续使用，下图展示了我在手机上继续使用 WebPilot 读取网页：

除此之外还有几个有趣的特性：

• 交互过程中的震动反馈体验非常棒；
• 模型输出内容时可随时暂停再开始；
• 支持后台运行，模型开始输出内容后，你大可以切换到其他应用；

对于绝大多数想去体验 ChatGPT 的中国用户来说，这款应用带来的最大「好处」是可以直接通过 App Store 内购的方式订阅 ChatGPT Plus，价格和网页版一样，不过需要几点：

• ChatGPT 应用已经在 App Store 美区上架，其他地区也在逐步覆盖中，请尽量在美区 App Store 购买；
• 关于美区 Apple ID 的注册，可参考这篇教程以及下面的一些评论补充，比起折腾 OpenAI 的支付方式实在是简单多了；
• 美区 Apple ID 可通过绑定 Paypal 进行支付（和信用卡无异），现阶段 Paypal 注册时需要美区（实体）手机号，如果你的手机支持 eSim 卡，推荐使用 Tello 推出的 5 美元/月的套餐，每月拥有 100分钟 Wi-Fi Calling 通话、无限短信收发权益；

目前，ChatGPT 应用已经成为美区 App Store 的推荐应用，并且在「免费效率」类应用排名第一。而根据 OpenAI 的说法，Android 版本的 ChatGPT 应用也会很快发布。

两个值得关注的方向：

• 随着「正版」ChatGPT 推出原生应用，那些在 App Store 上的虚假甚至带有诈骗性质的所谓「ChatGPT 应用」会不会被苹果制裁？
• ChatGPT 在手机上的流行，是否将进一步冲击苹果和 Google 在移动设备语音交互的产品布局？或者说，苹果和 Google 会如何应对？

你可以在 App Store 免费下载、体验 ChatGPT。

微软 Bing 更新，支持 iOS/Android 桌面小组件（下图是 iPhone 上的小组件）、多端对话同步等功能。

「多端对话同步」功能可以帮助用户将桌面端的对话记录同步到手机上操作，预计本周内会推送到 iOS 和 Android 用户手里。

另外，微软还展示了将 Bing 搜索与 Edge 浏览器整合在一起的效果，有两个应用场景：

• 通过 Edge 浏览网页时，直接点按 Bing 图标即可快速总结网页内容，并支持后续的对话交互；
• 在网页上选择一段文本，点按 Bing 开始搜索与对话；

上述两个功能也会在近期向 iOS 和 Android 用户开放，我也会持续关注。

Google Drive 近期有两个实用更新，首先是 Google Drive 增加了一个类似邮件「垃圾邮件箱」的「垃圾文件箱」功能，这在一些共享文件比较多的场景里非常合适，与判断垃圾邮件一样，Google Drive 也有一套算法检测用户接收到的文件是否是「垃圾文件」，然后自动将其归入其中。

第二个更新是 Google Doc 支持了标题折叠（仅限在 Web），用户（文档作者）可以默认设置标题折叠还是展开，而当文档分享给其他用户并被修改的时候，文档作者的设置不会受到影响。

这个功能对于经常编辑篇幅较长、内容结构复杂的用户来说是一个巨大帮助，预计很快将向所有使用 Google Doc 的用户推送。

近期还有一组值得关注的应用更新：

• 稍后读应用 Pocket 更新：移动版本进一步优化「主页」显示，便于用户更好找到自己感兴趣的内容，Web 版本则增加了「自建阅读列表」的功能，你可以通过这篇博客了解此次 Pocket 的更新情况；
• iOS 开源输入法「仓输入法」更新：新增的「应用备份与恢复」和「单手模式」非常实用，你可以通过 App Store 免费下载这款输入法；
• 应用 Poe 发布 Android 版本：不过目前用户还不能直接通过 Android 里的内购进行升级，建议需要的朋友首先在网页版购买高级套餐，然后在 Android 设备上登录同一个账户，你可通过 Play Store 免费下载体验这款产品；

系统·硬件

苹果发布了首份 App Store 透明度报告，详细介绍了 2022 年苹果应用商店的应用审核、下架情况，几个关键数字：

• 大约有 168 万款应用被拒绝，报告详细列出了拒绝的原因，其中超过 100 万款应用是由于性能问题而被拒绝；
• 将近 43 万个开发者账户被停用，约 2.82 亿个顾客账户被停用。

苹果表示未来将每年发布这类报告。

苹果上周发布 iOS/iPadOS 16.5，修复了大量安全层面的 Bug，涵盖内核、Siri 快捷指令、相册、Webkit 等多个组件或应用，非常建议各位更新。

距离 WWDC 还有两周时间，MR 设备的发布或展示已经箭在弦上，Bloomberg 记者 Mark Gurman 汇总了一份苹果内部直接或间接推进 MR 产品的高管名单。