ClickUp(Mango Technologies Inc.旗下品牌)近日对其职场协作平台内置的Brain AI助手进行重大升级。新版本不再局限于问答功能,而是能够直接执行复杂的工作任务。
此次更新命名为Brain2,其核心能力在于让AI模型能够直接访问ClickUp工作区中存储的上下文信息,并根据任务类型自动在多个大语言模型之间进行调度。官方表示,该系统现在可以根据单条提示词生成完整的幻灯片演示文稿、交互式仪表板、网站页面以及可执行代码。
创始人兼首席执行官Zeb Evans表示:"通用型AI对你的工作内容一无所知,Brain2解决了这一问题。无论你选择哪个模型,它都能完整访问你的工作区,并在其中采取行动,而不仅仅是回答问题。"
多模型协同调度
与早期版本相比,Brain2无需用户手动配置Claude、ChatGPT、Gemini等第三方AI模型的访问权限,而是自动注入工作区上下文。在任务执行过程中,平台还可根据工作流各阶段的需求,将任务动态切换至最适合的模型处理。
ClickUp头部AI负责人Jay Hack表示,系统通过"优化上下文图谱"来降低跨模型检索的出错风险,确保大语言模型在生成答案前能够接触到真实的基础数据。此外,Brain2还会主动标注生成内容所引用的来源,方便用户随时核查。
新增的持久记忆功能支持系统在多个会话之间保留用户偏好、格式规则和组织上下文,无需每次重新配置。ClickUp还通过支持模型上下文协议,将Brain的连接范围延伸至Gmail、GitHub、Figma、Slack等第三方工具。
反迎合机制
Brain2的另一个亮点功能是"反迎合"系统提示设计,旨在让AI助手更敢于质疑用户的决策,而非一味顺从。
Hack指出,部分商业大语言模型倾向于迎合用户观点以维持用户黏性,但真正的工作场景需要提出尖锐问题、展开批判性讨论,最终为企业寻求最优解。他强调:"Brain2是一个友好的助手,但不会因为顺耳就对你隐瞒真相。"
ClickUp还特别强调,Brain智能体执行的所有操作均可在平台内可视化追踪和审计,确保透明度与合规性。
此外,ClickUp推出了名为Brain Max的独立移动端应用,支持iOS与Android系统,将相同的AI能力延伸至移动设备。
在成本控制方面,ClickUp自研了一套知识图谱压缩系统,可在信息传输至AI模型前对其进行压缩,将每用户运营成本降至约0.91美元,并随着使用规模扩大进一步降低单次查询成本。
ClickUp表示,Brain2和Brain Max现已向所有用户开放。该公司平台上的智能体数量已超过1100万,年度经常性收入突破3亿美元,AI相关业务保持强劲增长。
Q&A
Q1:ClickUp Brain2与上一代版本相比有哪些主要改进?
A:Brain2最大的升级在于无需手动配置即可自动注入工作区上下文,并支持在多个大语言模型之间自动调度任务。同时新增持久记忆功能,可跨会话保留用户偏好和组织信息,还能连接Gmail、GitHub、Figma等第三方工具,整体能力从"问答"升级为"执行"。
Q2:Brain2的"反迎合"机制是什么意思,为什么重要?
A:反迎合机制是一种系统提示设计,目的是让Brain2在面对用户决策时敢于提出质疑,而非一味附和。这是因为部分大语言模型为了维持用户黏性,会强化用户的判断,即使该判断存在问题。对企业而言,AI助手能够提供客观批判性的反馈,比单纯顺从更有实际价值。
Q3:ClickUp Brain2的使用成本如何?
A:ClickUp通过自研的知识图谱压缩技术,将每用户运营成本控制在约0.91美元,并随着用户规模扩大进一步摊薄单次查询成本。Brain2和Brain Max目前已向所有ClickUp用户免费开放使用。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。