在苹果于2017年收购Workflow、并于2018年将其改造为"快捷指令"之前,这款应用就已经是iOS平台上最令人印象深刻的工具之一。
它将macOS优秀自动化工具Automator中那些令部分用户望而生畏的复杂性加以简化抽象,同时保留了强大的功能深度与应用间协作能力——而这种能力在iPhone和iPad上曾长期让人觉得遥不可及,甚至像是被刻意限制的。
多年来,苹果持续对快捷指令进行改进,包括近期与AI模型的集成,但其大量功能和优势始终只停留在一部分用户的手中。
一旦你真正掌握了快捷指令的运作方式,尤其是在具备一定编程基础之后,便能用它创造出令人叹为观止的效果。Federico Viticci与MacStories团队,以及Stephen Robles,多年来一直在展示快捷指令究竟能走多远。我从他们身上学到的东西,难以用言语尽述。
尽管有人乐观地认为,任何普通用户只需一点引导便能成为快捷指令高手,但对于更广泛的iPhone、iPad乃至Mac用户群体而言,这始终只是一种美好的愿望。这不免令人遗憾。
但这并不意味着那些技术水平有限的用户没有更复杂的需求。恰恰相反,他们真正需要的工作流,可能连最资深的快捷指令用户也会觉得颇具挑战。
正因如此,彭博社今日发布的一篇报道让我对下个月即将举行的WWDC更加期待。报道中提到了快捷指令即将到来的一项重大升级:
目前正在测试的版本允许用户仅通过描述自己的需求来创建快捷指令。而在此之前,用户需要在应用内手动构建,或从苹果的快捷指令库中下载现成内容。
在更新后的应用中,用户将看到一个提示框,询问:"你希望你的快捷指令做什么?"并附有一个文本输入框供用户描述需求。系统随后会自动构建并将该快捷指令安装到设备上。
"你希望你的快捷指令做什么?"——这个问题,正是快捷指令从一开始就应该具备的核心:不只是一场自动化的创意练习(尽管它确实可以是一项有趣的体验),而是一个解决方案中心,帮助每一位用户——无论技术水平高低——在应用、文件与信息之间,搭建专属于自己的定制化桥梁。
用户只需用自然语言(甚至通过语音!)描述自己想要的结果,快捷指令便能自动完成后续工作——这让人联想到史蒂夫·乔布斯在1997年WWDC上那句名言:"你必须从用户体验出发,再反推到技术实现。"这是对个人计算机精神最优雅的诠释之一。
如果苹果能将这一构想落地实现,一款由AI驱动、能够理解用户真实意图并将其转化为可运行快捷指令的应用,无论底层逻辑多么复杂,都将真正让快捷指令对普通用户产生实际价值——就像它长久以来对那些"懂行者"所发挥的作用一样。
当然,对于已经熟悉这款应用的用户而言,其能力上限即将再度拔高,这同样令人振奋。
Q&A
Q1:iOS 27中快捷指令有什么新变化?
A:根据彭博社报道,iOS 27中的快捷指令将支持自然语言创建功能。用户只需在输入框中用文字描述自己想要的操作,系统就会自动构建并安装对应的快捷指令,不再需要手动搭建流程或从库中下载。这一变化将大幅降低使用门槛,让普通用户也能轻松创建复杂的自动化工作流。
Q2:快捷指令对普通用户来说为什么一直难以上手?
A:快捷指令虽然功能强大,但传统使用方式要求用户手动在应用内拖拽、组合各类操作模块,具备一定编程思维会更容易上手。对于不熟悉自动化逻辑的普通用户来说,这个过程门槛较高。因此,尽管应用本身潜力巨大,真正能够充分利用它的用户长期以来只占少数。
Q3:AI驱动的快捷指令对已有使用经验的用户有什么意义?
A:对于已经熟悉快捷指令的用户,AI功能的加入意味着能力上限将进一步提升。用户可以通过自然语言快速生成复杂流程,节省手动搭建的时间,同时也可以将AI生成的快捷指令作为基础进行二次编辑和深度定制,从而实现更高效、更个性化的自动化体验。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。