Eine für AI-Produktmanager unverzichtbare Produktinformationsarchitekturkarte

Anlässlich des Wochenendes nutze ich die Zeit erneut für meine wissenschaftliche Forschung.

Nachdem ich mich auf dem Weg vom Produktmanager zum Doktoranden in Informatik befinde, ist das größte Gefühl, dass die technologischen Barrieren der Produkte sprunghaft gestiegen sind. Ich bringe mein Team an die Suche nach interessanten Algorithmen in wissenschaftlichen Publikationen und öffentlichen Projektrahmen. Basierend darauf entwickeln wir Produktrahmen und führen die Forschung und Entwicklung durch. Dadurch haben unsere Produkte eine solide technologische Grundlage als zuvor.

Viele heutige Produktmanager beschränken sich noch auf die funktionale Produktgestaltung und die Gestaltung von Benutzeroberflächen. Sie konzentrieren sich hauptsächlich auf Unterhaltungsanwendungen und Tools von großen Unternehmen und können nicht in der Lage, Produkte mit High-Tech-Funktionen zu planen, um die Bedürfnisse der Nutzer zu erfüllen.

Nachdem man einen Doktor in Informatik gemacht hat, kann man basierend auf der Produktforschung und der Unternehmensstrategie wissenschaftliche Publikationen finden und die Produkte unter wissenschaftlichen Gesichtspunkten entwickeln. Dadurch erhöht sich direkt die technologische Barriere der Produkte. Man braucht sich auch keine Sorgen um die Leistung zu machen, denn in den Publikationen gibt es sicher Vergleichsexperimente und Ergebnisse.

Ich habe kürzlich einen Artikel gelesen. Ich denke, dass die Endphase der zukünftigen Entwicklung von AI-Produktmanagern darin besteht, Produkte für das AIOS-System zu gestalten. Ich möchte einige Arbeitsfähigkeiten von AI-nativen Produktmanagern teilen.

Mit der zunehmenden Anzahl von AI-Coding-IDE-Plattformen denke ich, dass sie die Vorläufer des AIOS sind. Dazu gehören auch die verschiedenen Agent-Produkte. Im Folgenden ist die System-Information-Architektur des AIOS.

AIOS wird die nächste Chance für Produktmanager im Bereich Betriebssysteme sein

Unter dem AI-Modell werden alle nativen AI-Apps eine neue Benutzeroberfläche haben. Es wird nicht mehr ein festgelegtes Feld oder Rechteck für die Nutzer geben, sondern die Nutzer können die gewünschte Oberfläche in Echtzeit generieren lassen.

Diese technologische Revolution durch die AI-Modellgenerierung bedeutet, dass alle bekannten Ansätze in der Produktentwicklung auf der untersten Ebene geändert werden müssen. Beispielsweise fügen wir in traditionellen Produkten neue AI-Funktionen immer im Stil von "AI +" hinzu. Die Nutzer des AIOS nutzen zwar immer noch festgelegte Geschäftsszenarien, aber es gibt keine festen Schaltflächen, Labels oder Eingänge mehr. Stattdessen können diese je nach Nutzer-Szenario und -Bedürfnis ersetzt werden.

Im oben gezeigten 3D-World von wordlabs wird der Weg des Nutzers von der AI basierend auf der Route generiert, anstatt dass es feste Pfade und Hintergründe gibt.

Das feste Produktframework von AIOS: Eingabe und Ausgabe

Im AIOS muss der Produktmanager immer noch eine Bedienungsschaltfläche und ein Eingabefeld für die Nutzer bereitstellen, sogar einige feste Oberflächen, um bestimmte Geschäftsvorgänge auszuführen.

Die Lernkurve für die Nutzer ist sehr steil. Wenn es eine völlig neue Oberfläche gibt, müssen die Nutzer wieder Zeit aufwenden, um sich damit vertraut zu machen. Deshalb gibt es im AI-Betriebssystem immer noch Browser, Notizen und soziale Chat-Tools, die uns bekannt sind. Der Unterschied besteht darin, dass sie keine festen Oberflächen haben. Ihre Softwareoberflächen werden in Echtzeit generiert oder basierend auf Ihren individuellen Bedürfnissen angepasst.

In dieser Publikation wird die Informations- und Technologiearchitektur des AI-Betriebssystems erwähnt. Es wird ein Systemstapel mit einer großen Sprachmodell-Infrastruktur und derselben Hardware erstellt. Es gibt insgesamt drei Ebenen: die Anwendungs-Ebene, die Kern-Ebene des AIOS und die Kern-Ebene des traditionellen Betriebssystems sowie die Hardware. Der traditionelle Betriebssystem-Ebene wird für die Teile verwendet, die keine Nutzerinteraktion und logische Schlussfolgerung erfordern. Der Kernteil des AIOS wird für die Teile verwendet, die Nutzer-Eingaben und -Interaktionen erfordern.

Die IDE-Tools wie Cursor und Manus entwickeln sich schrittweise zu Architekturen, die ähnlich dem AIOS sind. Sie integrieren verschiedene Tools in den Kernteil des AIOS-Systems. Beispielsweise gehören alle erwähnten Codierungsumgebungen und Vorschau-Tools zum Scheduler und den Tools im AIOS. Dadurch wird die Effizienz erhöht.

Der obige Kernteil des AIOS enthält Planung, Aktion, Gedächtnis und Speicher sowie die Schedulersteuerung. In traditionellen AI-Anwendungen kann man sehen, dass der Agent bei der Aufgabe "Flug nach San Francisco" sieben Schritte ausführt: Informationssuche, Flug- und Hotelempfehlung und schließlich die Zusammenfassung aller Antworten. Alle diese Schritte werden vom LLM ausgeführt. Die Datenüberprüfung, die Zahlung und die Hinzufügung von Kalenderinformationen werden von der AI durchgeführt. Dies ist eine sehr ineffiziente Nutzung der AI-Ressourcen. Wenn die Anzahl der Aufgaben steigt, wird das System immer unübersichtlicher.

Mit der zunehmenden Anzahl von Agent-Aufgaben werden die Verarbeitung durch das LLM und die Informationsabfrage des Betriebssystems immer häufiger. Die Verwaltung der Computer-Hardware-Ressourcen und der Modellaufgaben wird zur Lösungsmöglichkeit des AIOS. Daraus können wir die folgende Informationssystemarchitektur ableiten.

Die Anwendungs-Ebene stammt von AI-Anwendungen. Der Prozess, der Flash-Speicher, die Systemdateien und die Hardwaretreiber im Kernteil werden dem traditionellen Betriebssystem-Kern übergeben. Die täglichen Aufgaben, die Texttasks, die Gedächtnisaufgaben, die Speicherverwaltung, die Toolverwaltung und die Zugangsberechtigungen werden vollständig dem Kern des LLM übergeben, um die unterste Ebene des Betriebssystems zu bilden.

Hier sind die vorhandenen Agent-Dienste

Agent Scheduler: Priorisiert und plant die Agent-Anfragen, um die Nutzung des LLM zu optimieren.

Context Manager: Unterstützt das Snapshot und die Wiederherstellung des Zwischenzustands im LLM sowie die Verwaltung des Kontextfensters des LLM.

Memory Manager: Bietet ein kurzzeitiges Gedächtnis für das Interaktionsprotokoll jedes Agents.

Storage Manager: Persistiert das Interaktionsprotokoll der Agenten in einem Langzeitspeicher für die zukünftige Abfrage.

Tool Manager: Verwaltet die externen API-Tools (z. B. Suche, wissenschaftliche Berechnungen), die von den Agenten aufgerufen werden.

Access Manager: Führt Datenschutz- und Zugangskontrollstrategien zwischen den Agenten aus.

Im AI-Betriebssystem AIOS gibt es zwangsläufig mehrere Modell-Agenten. Deshalb ist der Wechsel zwischen den Modell-Agenten und die interne Kommunikation von entscheidender Bedeutung. Das AIOS-Betriebssystem ermöglicht den Wechsel zwischen den Kernen verschiedener Modelle, um sicherzustellen, dass die Modelle unter verschiedenen bestimmten Aufgaben optimal laufen können.

AI-Coding-IDE, das nächste AIOS-System

Zurzeit müssen wir die AI-Modelle für die IDE-Codierung manuell auswählen. Die Nutzer müssen selbst das am besten geeignete Large Language Model für eine bestimmte Aufgabe auswählen.

Im AIOS gibt es mehrere SDK-Verwaltungssysteme, die es den AI-Modellen ermöglichen, verschiedene Aufgaben auszuführen. Im Folgenden sind die Registrierung, die Produktionsplanung, die Erstellung von Plänen, die Aktualisierung von Plänen und die Initialplanung, die in der Publikation erwähnt werden. Sie umfassen die Lebenszyklusverwaltung der Agenten und reduzieren effektiv die Wartezeit. Im Folgenden ist das AIOS-Experiment, das in der Publikation erwähnt wird. Bei den Aufgaben im AIOS wird die Wartezeit um fast die Hälfte reduziert.

Produktmanager für AI-Betriebssysteme: Konzentrieren Sie sich auf die Nachahmung der Interaktion zwischen Menschen und Computern

Auf der Anwendungs-Ebene imitiert die Interaktion des AI-Betriebssystems die Art und Weise, wie Menschen verschiedene Endgerätedienste auf dem Computer öffnen, wie Browser, Office-Dateien, Codierungs- und Kompilierungsumgebungen. Diese Schritte müssen von den Produktmanagern in das AI-Betriebssystem übertragen werden. Man soll nicht nur das Ergebnis an die Nutzer geben, sondern die Nutzer auch in die Lage versetzen, den Prozess zu überwachen, um die Vertrauenswürdigkeit des Produktionsprozesses zu erhöhen.

Ähnlich wie die Produktoberfläche von Manus gibt es für jede Aufgabe die Fortschrittsanzeige, die Zeitangabe und die Bedienoberfläche. Dies umfasst auch die Interaktion im ChatGPT-Agentenmodus. Die Produktmanager bieten eine Vorschau der von den Computern aufgerufenen Webseiten und Dokumente.

Links ist das Aufgaben-Dialogfeld, rechts ist der Aufgabenfluss. Man kann im Aufgabenfluss die Umgebung für das Entpacken von Dateien und das Durchsuchen von Webseiten einsehen.

Alle obigen Aufgaben werden noch mit einem Agenten durchgeführt. Theoretisch können wir eine größere Anzahl von Agenten kapseln, um verschiedene Ergebnisse zu erhalten und dann die beste Lösung auszuwählen. Beispielsweise können wir die gleichen Aufgaben an zehn verschiedene Manus-ähnliche Produkte senden und dann die zehn Ergebnisse vergleichen.

Das neue Manus wird in diese Richtung weiterentwickelt. Es unterstützt die gleichzeitige Ausführung mehrerer Aufgaben-Agenten, und die Agenten können auch miteinander kooperieren.

Im Folgenden ist der AI-Scheduler-Mechanismus im AIOS-System aus der Publikation. Er ermöglicht die Planung verschiedener AI-Modelle und die effiziente Nutzung des Arbeitsspeichers durch bestimmte Regeln.

Das ist der