Vor dem Hintergrund des Hypes um Personal Agent betritt Xiaohongshu mit "Mishu" den Markt.

Kürzlich hat das Technikteam von Xiaohongshu, REDtech, einen Artikel veröffentlicht und offiziell einen Personal Agent namens „Mishu“ vorgestellt, der als „KI-Lebensbegleiter“ positioniert wird.

Aus den von der Behörde offengelegten Anwendungsszenarien geht hervor, dass Mishu nicht eilig ist, übermäßig komplexe technische Fähigkeiten zu demonstrieren, sondern sich auf konkrete Lebensprobleme konzentriert: beispielsweise die Suche nach kleinen, von Einheimischen beliebten Geschäften in einer fremden Stadt, die Beratung bei der Menüauswahl, der Vergleich der tatsächlichen Nutzungserfahrungen zweier Produkte, die Einholung von Erfahrungsberichten zu neuen Getränken oder die Suche nach sehenswerten Ausstellungen und Märkten am Wochenende anhand aktueller Beiträge.

In den letzten mehr als zehn Jahren drehte sich der Wettbewerb der Internetplattformen stets um ein Kernproblem: Wie kann man die Nutzer dazu bringen, ihre Produkte häufiger zu nutzen?

Suchmaschinen konkurrieren um Suchanfragen, Kurzvideo-Plattformen um die Aufmerksamkeit der Nutzer, E-Commerce-Plattformen um Einkaufsverhalten, und lokale Lebensplattformen versuchen, Konsumbedürfnisse wie Essen, Trinken und Unterhaltung in ihrem eigenen Ökosystem zu behalten.

Obwohl die Geschäftsmodelle unterschiedlich sind, ist die zugrunde liegende Logik einheitlich: Zuerst werden Nutzer gewonnen, dann wird die Aufmerksamkeit der Nutzer durch Inhaltsverteilung, Werbeanzeigen oder Transaktionsdienste in kommerzielle Einnahmen umgewandelt.

Das Aufkommen von KI-Agenten lässt diese Logik allmählich verändern.

Wenn KI nicht mehr nur zufrieden ist, Fragen zu beantworten, sondern beginnt, die Absichten der Nutzer zu verstehen, externe Tools aufzurufen, verschiedene Dienste zu koordinieren und sogar eine Reihe von Vorgängen für die Nutzer abzuschließen, ändert sich auch das, worum die Internetplattformen konkurrieren.

Nutzer müssen möglicherweise nicht mehr mehrere Apps öffnen, um Informationen zu suchen, und müssen nicht mehr wiederholt zwischen verschiedenen Plattformen vergleichen. Ein einziger Agent hat die Chance, den gesamten kontinuierlichen Prozess von der Bedarfserkennung über die Informationsfilterung bis zum Diensteaufruf abzuschließen.

Das heißt, die früher von verschiedenen Internetplattformen separat kontrollierten Verkehrszugänge, Informationsverteilung und Transaktionsabschnitte können neu organisiert werden.

Ab der zweiten Jahreshälfte sind solche Veränderungen besonders deutlich. Im September stellte Meta den persönlichen intelligenten Agenten Muse vor, danach veröffentlichte OpenAI Dots; auf dem chinesischen Markt traten nacheinander Ali Qwen Go und Ant Group Lingguang 2.0 auf, während ByteDance und Tencent ebenfalls ihre entsprechenden Layouts beschleunigen.

KI wandelt sich von einem Werkzeug, das Nutzer wiederholt öffnen und aktiv fragen müssen, zu einem Assistenten, der die Chance hat, langfristig an der Seite der Nutzer zu bleiben.

Heute ist auch Xiaohongshu in dieses Feld eingestiegen. Es scheint zwar, als würde es den Hype um Personal Agent nutzen, aber wenn man Mishu in die geschäftliche Akkumulation von Xiaohongshu in den letzten mehr als zehn Jahren einordnet, stellt sich heraus, dass seine Wahl etwas anders ist.

Ali verfügt über ein Transaktions- und Dienstleistungsökosystem, Tencent über soziale Beziehungen und Anwendungszugänge, Unternehmen wie OpenAI erforschen allgemeinere persönliche Ausführungsumgebungen. Die wertvollste Ressource in den Händen von Xiaohongshu sind dagegen eine große Anzahl von Konsumerfahrungen, die sich um konkrete Lebensszenarien drehen.

Früher halfen diese Erfahrungen den Nutzern, Produkte zu entdecken, Restaurants zu finden und Reisen zu planen; jetzt hofft Xiaohongshu, dass die KI sie direkt aufruft und an den realen Entscheidungen der Nutzer teilnimmt.

Xiaohongshu stößt auf einer Umgehungsstraße in das Feld der Personal Agent ein

Nehmen wir an, ein Verbraucher plant, eine Kamera zu kaufen.

Früher hat er möglicherweise zuerst die Parameter in einer Suchmaschine nachgeschlagen, dann echte Bewertungen auf Xiaohongshu angesehen, danach die Preise, Rabatte und After-Sales-Dienste auf einer E-Commerce-Plattform verglichen und schließlich die Bestellung aufgegeben. Während des gesamten Prozesses löste jede Plattform einen Teil des Problems, aber der Nutzer selbst war es immer, der diese Dienste miteinander verknüpfte.

Heute hofft der Agent, diese Aufgabe zu übernehmen.

Der Nutzer muss nur Budget, Nutzungsszenarien und Präferenzen angeben, und die KI kann versuchen, die Produktauswahl, den Informationsvergleich und die Preisanfrage abzuschließen und sogar Transaktionsdienste aufzurufen. Der Prozess, der ursprünglich zwischen mehreren Anwendungen abgeschlossen werden musste, kann auf einen einzigen Interaktionszugang komprimiert werden.

Das ist auch der größte Unterschied zwischen Agenten und herkömmlichen KI-Fragesystemen, aber aus den aktuellen Layouts aller Beteiligten geht hervor, dass die Agenten noch keine völlig einheitliche technische Route gebildet haben.

Am Beispiel von Ali Qwen Go liegt sein Vorteil darin, dass es Ökosystemressourcen wie Taobao, Amap und Fliggy aufrufen und die Bedürfnisse der Nutzer weiter mit Transaktionen und Diensten verbinden kann. In öffentlichen Tests hat Qwen Go bereits Fähigkeiten wie die Abfrage von Flugverspätungen, die Kontaktaufnahme mit Fluggesellschaften zur Geltendmachung von Entschädigungen und die Suche nach dem Zugang zur Preisgarantie auf Taobao demonstriert.

Ant Lingguang 2.0 betont die Fähigkeit des persönlichen KI-Assistenten zur Bearbeitung von Angelegenheiten und hofft, Anwendungsentwicklung, Tool-Aufruf und konkrete Dienste in denselben Interaktionsprozess zu integrieren; Meta Muse und OpenAI Dots erforschen dagegen die Fähigkeit zur kontinuierlichen Dienstleistung aus der Perspektive eines langfristigen persönlichen Assistenten.

Die Produkte aller Unternehmen befinden sich noch in unterschiedlichen Entwicklungsstadien, aber der Wettbewerbsschwerpunkt hat sich allmählich von der Qualität einzelner Antworten darauf erstreckt, wie viele personenbezogene Daten und Handlungsberechtigungen die Nutzer der KI anvertrauen wollen.

Der Einstiegspunkt von Xiaohongshu ist anders. Die Plattform selbst verfügt nicht über ein vollständiges Geschäftsökosystem, das Einkauf, Reisen und Bezahlung abdeckt wie das von Ali, und sie muss nicht im ersten Schritt alle Fähigkeiten eines allgemeinen Agenten replizieren. Der Bereich, in dem Xiaohongshu seine Vorteile leichter ausspielen kann, sind vielmehr Konsumprobleme, für die es keine Standardantworten gibt, die aber stark von Lebenserfahrungen abhängen.

Nehmen wir als Beispiel Restaurantempfehlungen: Bewertungen und Menüs können dem Nutzer die grundlegenden Informationen eines Restaurants vermitteln, aber Fragen wie „Ist es geeignet, mit Eltern dorthin zu gehen?“, „Welches Gericht lohnt sich zu bestellen?“ oder „Ist es am Wochenendeabend schwierig, einen Platz zu bekommen?“ lassen sich oft nur mit konkreteren Konsumerfahrungen beantworten.

Solche Probleme lassen sich kaum allein anhand von Produktparametern, Kartenbewertungen oder Suchergebnissen lösen – Nutzer müssen die Erfahrungen anderer berücksichtigen und anhand ihres eigenen Budgets, Geschmacks, ihrer Zeit und konkreten Szenarien eine Entscheidung treffen.

Das ist auch der Inhaltswert, den Xiaohongshu in den letzten Jahren angesammelt hat. Das von REDtech vorgestellte Mishu hat diese Szenarien bereits in den Bereich der Produkterkundung aufgenommen. Beispielsweise kann der Nutzer in einer fremden Stadt fragen, welche kleinen Geschäfte in der Nähe einen Besuch wert sind, wenn er vor dem Restaurant steht, die entsprechenden Bewertungen einsehen, und nach dem Betreten des Lokals sogar Fragen zur Gerichtekombination anhand der Speisekarte stellen.

Eine sehr interessante Technologie darunter ist das, was Xiaohongshu als „progressives Wahrnehmen“ bezeichnet.

Herkömmliche Suchvorgänge erfordern oft, dass Nutzer ihre Fragen auf einmal klar beschreiben, aber im wirklichen Leben ändern sich die Bedürfnisse der Menschen oft mit der Veränderung der Szenarien: Gerade beim Betreten des Restaurants möchte der Nutzer möglicherweise nur wissen, wie das Lokal ist; nachdem er die Speisekarte gesehen hat, berücksichtigt er erst weiter die Anzahl der Mitreisenden, Geschmackspräferenzen und die Portionsgröße der Gerichte.

Was „Mishu“ tut, ist der Versuch, im Verlauf der Aufgabenbearbeitung schrittweise Informationen vor Ort zu erfassen, in Kombination mit vorherigen Gesprächen und persönlichen Hintergründen rechtzeitig Vorschläge zu unterbreiten. In Kombination mit der First-Person-Interaktion der Rokid KI-Brille können Nutzer beim Anschauen Fragen stellen, ohne jedes Mal die Umgebung neu beschreiben zu müssen.

Anders ausgedrückt: Suchmaschinen lösen das Problem, wo man Informationen findet, Community-Plattformen sammeln, wie andere Menschen ein Erlebnis gemacht haben – und was „Mishu“ tun möchte, ist, diese Erfahrungen in die konkrete Situation einer Person einzubringen.

Die Plattform, die am besten für Produktempfehlungen geeignet ist, lernt auch, Nutzer vom unüberlegten Kauf abzuhalten

Die Community-Erfahrung kann als der offensichtlichste Vorteil von Xiaohongshu bei der Entwicklung von Personal Agenten bezeichnet werden.

Aber zwischen Inhalt und Entscheidung liegt noch eine Lücke. Xiaohongshu verfügt über eine große Anzahl von Nutzerbeiträgen, die Lebensszenarien wie Gastronomie, Reisen, Mode, Wohnen, Digitale Produkte und Kosmetik abdecken. Im Vergleich zu standardisierten Produktdatenbanken können diese Inhalte mehr konkrete Details liefern: ob ein Produkt bequem zu bedienen ist, ob sich der Service eines Geschäfts geändert hat oder ob ein Kleidungsstück für eine bestimmte Figur geeignet ist.

Es ist unbestreitbar, dass diese Informationen für Konsumentscheidungen sehr wertvoll sind. Das Problem liegt aber darin, dass die Beiträge die Erfahrung einer bestimmten Person zu einem bestimmten Zeitpunkt unter bestimmten Bedingungen aufzeichnen. Dieser Beitrag ist zwar real, aber nicht unbedingt allgemeingültig; er kann als Referenz dienen, lässt sich aber nicht unbedingt direkt in eine Antwort umwandeln, die für eine andere Person passt.

Beispielsweise erhält eine Kaffeemaschine viele positive Bewertungen, möglicherweise weil ihre Extraktionswirkung gut ist. Aber für jemanden, der nur zwei- bis dreimal pro Woche Kaffee trinkt und es nicht mag, Geräte zu reinigen, lohnt sich der Kauf dieses Produkts möglicherweise nicht.

Der Wert von Konsumerfahrungen liegt nicht nur darin, wie viele Leute etwas gut finden, sondern auch darin, ob die KI wissen kann, wer spricht, warum er spricht und für wen diese Erfahrung geeignet ist.

Für Xiaohongshu ist die Bedeutung dieses Punkts selbstverständlich.

Im September dieses Jahres gab Xiaohongshu bekannt, dass die Plattform zwischen Juni und August fast 120.000 gefälschte, von KI erstellte Beiträge beseitigt und bearbeitet hat. Einige Konten nutzten KI-generierte Bilder, um Erfahrungen wie Restaurantbesuche, Unterkünfte, Arztbesuche und Schönheitsbehandlungen zu fälschen, persönliche Erlebnisse zu erfinden und zu versuchen, die Entscheidungen der Nutzer zu irreführen.

Früher beeinträchtigten solche gefälschten Beiträge hauptsächlich das Such- und Browsing-Erlebnis normaler Nutzer. Wenn ein Nutzer einen gefälschten Beitrag über einen Restaurantbesuch sieht, läuft er möglicherweise umsonst hin; wenn er einen gefälschten Beitrag über ein Produkterlebnis sieht, trifft er möglicherweise eine falsche Kaufentscheidung.

Wenn die KI beginnt, diese Inhalte direkt zu lesen, zu ordnen und zu zusammenzufassen, wird das Problem noch komplexer.

Beim Durchsuchen von Beiträgen können normale Nutzer anhand der Identität des Autors, Details der Bilder, des Kommentarbereichs und der Unterschiede zwischen verschiedenen Beiträgen selbst beurteilen, ob der Inhalt vertrauenswürdig ist; wenn die KI eine große Menge an Informationen direkt zu wenigen Schlussfolgerungen komprimiert, können die Unterschiede in den Quellen und Meinungsverschiedenheiten in den ursprünglichen Inhalten abgeschwächt werden.

Sogar dann, wenn von KI generierte Inhalte in die Community gelangen und von anderen KIs als Erfahrungsquelle verwendet werden, können minderwertige Informationen einen Kreislauf zwischen Inhaltsproduktion und Informationsabruf bilden.

Für „Mishu“ besteht die Aufgabe nicht nur darin, den Nutzern Ratschläge zu geben. Es muss Informationsquellen identifizieren, lernen, zwischen kommerziellen Kooperationsinhalten, normalen Nutzerexperienzen und KI-unterstützt generierten Inhalten zu unterscheiden; wenn ein Produkt viele positive oder negative Bewertungen erhält, muss es unterschiedliche Urteile bewahren; es muss die Aktualität von Informationen erkennen, insbesondere bei Bedürfnissen wie Gastronomie, Tourismus und Offline-Diensten, da vergangene Erfahrungen nicht unbedingt die aktuelle Situation widerspiegeln.

Diese Fähigkeiten klingen nicht so auffällig wie Echtzeit-Multimodalität oder Langzeitgedächtnis, aber sie bestimmen direkt, ob die Nutzer bereit sind, den Ratschlägen der KI zu vertrauen.

Außerdem hat „Mishu“ eine noch wichtigere Aufgabe.

Wenn sein Ziel nur darin besteht, Nutzern zu helfen, schneller beliebte Produkte und beliebte Restaurants zu finden, dann ist die Empfehlungseffizienz umso höher, je höher auch die Effizienz der Produktempfehlungen ist. Aber um ein echter persönlicher Assistent zu werden, muss es berücksichtigen, ob der Nutzer dieses Produkt wirklich braucht und ob es passendere Alternativen für ihn gibt.

Produktempfehlungen lösen die Frage, warum der Nutzer etwas kaufen möchte – ein persönlicher Assistent muss dagegen oft die Frage beantworten, ob der Nutzer das Ding überhaupt kaufen sollte.

Ein Produkt ist sehr beliebt, und die KI kann dem Nutzer erklären, warum es beliebt ist; aber wenn das Budget des Nutzers begrenzt ist, die Nutzungshäufigkeit gering ist oder er bereits ein ähnliches Produkt besitzt, sollte die KI auch den Ratschlag geben können, den Kauf zu verschieben.

Aber dieser für den Nutzer wertvolle Punkt bedeutet für die Plattform, dass sie die Bedeutung der Konsumumwandlung neu verstehen muss.

Früher stammte der kommerzielle Wert von Xiaohongshu zu einem großen Teil daraus,