桌面硬件的念头,在这个项目很早的时候就有了。当时的想法很简单:AI 需要人回来处理事情时,用一个电脑窗口之外的信号提醒他。
随着工作台和事务官的方向逐渐清楚,我们也重新想了这件硬件应该怎样参与工作。它可以承接一段讨论,让人不必先找到某个窗口、某段对话,再重新进入那件事。
电话提供了一种熟悉的动作。提起听筒,开始说;放下听筒,结束这一段交谈。它有一个明确的位置,也有一个明确的开始和结束。我们想试试,这种动作能否让人与 AI 之间的协作少一些寻找入口的成本。
当然,给桌上增加一部电话,也可能增加一种打扰。
如果每生成一份结果、每遇到一次等待,它都要响一下,人很快就会把铃声关掉。如果接起来之后还要重新解释背景,它只是把屏幕上的劳动换成了嘴上的劳动。怎样判断什么时候值得联系、联系时要带上什么,是这件硬件必须面对的问题。
所以,我们把座机放回了整套工作的关系里考虑。
电脑负责组织材料、连接工具、保存过程与结果。一件事从哪里开始,现在有哪些要求,谁在处理,哪里需要继续修改,都需要在这里保持连续。事务官带着这些背景参与讨论、安排分工,再把交回的内容接回同一件事。
手机让这段协作可以在离开桌面后继续。用户可能需要看一份材料,补充一句要求,或者回应正在等待的问题。接续时能够找到原来的工作,比重新打开一个空白聊天框更有意义。
听筒则提供一个固定的交谈入口。当前的原型由手机承担显示和铃声,实体听筒承担通话,电脑继续处理工作。第一款硬件准备把听筒和拓展坞整合在一起,让它自然地留在日常办公的桌面上。
这几个入口共享的是同一件工作。用户换了一块屏幕、拿起了听筒,背景和已经作出的决定也应该跟着过来。
设想一次内容协作:你和事务官先把这次要说清楚的事情讨论好,相关材料与要求留在任务里;准备初稿时,遇到一处资料无法支持的判断,它带着具体问题来找你;商量过后的决定继续进入修改,而不是停在一段单独的通话记录中。
这个例子里,通话的价值来自前后工作的连接。单独拥有语音识别、模型回答和语音播放,还不足以完成这种接续。
我们在做的尝试,也因此逐渐从几个入口延伸到一条完整的工作过程。先认清目标,再组织材料和分工;执行以后检查结果,把反馈接回去;其中反复出现、经过验证的做法,继续用于下一次协作。
做到这里,才有可能让人少守着几个 AI。
我们也在重新理解“及时响应”。有些问题确实需要尽快处理,另一些可以集中说明,还有一些应该由系统在已获得委托的范围里继续推进。用户需要的不是不断回到工作现场,而是在该参与的时候知道发生了什么,并能用尽量少的重新理解成本接上。
接听电话本身,也不代表同意执行。把事情听清楚、讨论一个方案和批准一个动作,是不同的事情。对已经明确的工作,反复确认会增加负担;对需要本人决定的部分,则要把具体问题讲清楚。这种分寸需要在使用中不断磨合。
我们把这套逐渐成形的产品叫作Manboo工作台。它从一张按工作安排的桌面开始,把材料、任务和常用工具放到手边,再通过手机和听筒,让协作可以在不同位置继续。
目前仍是原型和内测阶段。桌面端围绕 macOS 与 Apple Silicon,手机端是 Android;远程接续需要电脑在线,各家 AI 能接入的动作也有差别。连接是否稳定、说出的要求有没有真的进入工作、交回来的结果是否符合约定,都需要继续磨。
更难的部分,是长期学习。能够留下规则、调整分派和联系习惯,只是开始。面对一个人更复杂的业务判断,怎样逐渐形成可靠分工,还需要更多连续工作来检验。一次顺畅的演示,并不能回答这些问题。
我们希望看到的变化很具体:共同做过几件事以后,用户能少解释一些背景,少纠正一些重复问题,也愿意把某些熟悉的事务更完整地交出来。想参与时能参与,想专心做别的事时,也能够离开一会儿。
这部电话最终有没有用,要在这些普通的工作时刻里得到回答。