Empromptu公司推出了一个全新的AI应用构建平台,声称是首个能够提供完整、可用于生产环境的业务级AI应用的平台,并能与现有技术系统无缝集成。
该公司指出,当前绝大多数基于AI的无代码和低代码应用构建工具都无法达到预期效果。麻省理工学院的研究显示,95%的AI试点项目最终都会被废弃。
这些失败的原因多种多样,但在很多情况下是因为公司缺乏聘请专业大语言模型工程师的资源来确保系统正常运行。此外,大多数平台依赖"通用"大语言模型,而不是针对特定应用进行微调的模型,导致构建的工具在生产环境中表现不稳定。这意味着使用AI或"氛围编程"工具构建的大多数新应用只能达到60%到70%的准确率,对于大多数企业场景来说并不够可靠。
**全栈AI解决方案**
Empromptu表示其AI应用构建器的表现远超同类产品,因为它是首个基于完整AI技术栈构建的平台,包括大语言模型运维工具、检索增强生成(RAG)、自动AI响应优化等核心功能。
与其试图替代的许多AI应用构建工具一样,Empromptu面向普通业务员工而非开发人员,提供无代码界面,允许用户使用自然语言描述想要构建的应用。
基于用户描述,Empromptu会构建一个完整的、可用于生产环境的AI应用,包括前端、后端和AI逻辑的全栈方案,以及与用户现有工作流程集成的用户界面。Empromptu表示,通过内置的自动AI响应优化功能,其生成的应用对用户提示的响应准确率达到98%,部分归功于其使用的RAG技术,使应用能够利用安全的企业数据来增强响应效果。
Empromptu称其准确性的秘密在于专有的优化技术,该技术由联合创始人Sean Robinson博士在美国国家航空航天局工作期间开发。
联合创始人兼首席执行官Shanea Leven表示:"利用AI构建应用的工具不少,但构建'AI'应用是不同的概念。Empromptu突破了氛围编程的炒作,让可靠的AI应用成为现实。"
**从提示到生产级应用**
使用Empromptu,任何人都可以在几分钟内构建一个AI驱动的应用。首先,用户只需描述想要构建的应用类型,比如"我想构建一个客户支持助手,能够理解我们的产品文档并提供准确的故障排除步骤"。
AI构建器随后会询问一系列问题来明确应用的具体功能需求。比如,它可能询问应用应使用哪些数据源、用户如何与应用交互、什么构成成功的响应,以及用户打算如何部署应用。基于这些回答,系统会生成应用的综合蓝图,包括数据需求、AI任务、集成规范和优化标准,然后交给智能体团队实际构建应用。完成后,用户可以通过额外的提示来调整应用,直到达到预期效果。
通过这个简单流程,Empromptu表示其平台可以为几乎任何用例创建极其强大的AI应用。例如,教育机构Practicing Musician SPC使用该平台创建了一个AI音乐应用,通过结合传统教学技术和现代学习方法来支持学生、教育工作者、艺术家和家长。他们基于一个概述预期目的的自然语言提示开发了应用,然后通过额外提示进行完善。
Practicing Musician的AI和教育总监Rory Creigh表示,最终结果是一个在高度专业领域的复杂教育应用。"每次我们都看到98%或更高的准确率,这种可靠性让我们能够为社区提供直观的、基于研究的学习体验,扩大我们的影响力,让音乐教育更加普及。"
Q&A
Q1:Empromptu与其他AI应用构建平台有什么不同?
A:Empromptu是首个基于完整AI技术栈构建的平台,包括大语言模型运维工具、检索增强生成、自动AI响应优化等功能。它能够生成准确率达98%的生产级AI应用,远超其他平台60%-70%的准确率。
Q2:使用Empromptu构建AI应用需要编程经验吗?
A:不需要。Empromptu面向普通业务员工,提供无代码界面,用户只需使用自然语言描述想要构建的应用即可。系统会询问相关问题来明确需求,然后自动生成完整的AI应用。
Q3:Empromptu平台能够构建哪些类型的AI应用?
A:Empromptu可以为几乎任何用例创建AI应用,包括客户支持助手、教育应用等。例如Practicing Musician SPC使用该平台构建了结合传统教学和现代学习方法的AI音乐教育应用,在高度专业领域实现了98%以上的准确率。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。