董岩

　　大模型作为目前流行的效率“神器”，除了能和我们对话，提供帮助，还拥有极强的推理能力，制作表格、整理数据、补全细节全都不在话下。那么大模型“填表”的时候，我们能不能事先规定表格格式呢？

认识大模型接口：想象和一个银行经理对话

　　大模型虽然内部机理复杂，但它的接口却十分简洁而多态。想象着我们来到了一个银行的大厅，大厅的客户经理十分聪明，但她刚入职对业务还不熟悉。此刻，我们设置几种和经理的交互模式：聊天模式，我们和经理谈天说地，经理思路严谨，论述周全。这是我们在App和ChatBox上和大模型交互中最常见的形式；咨询模式，我们向经理咨询银行业务，由于经理新入职，无法直接给出回答，但她会根据我们的提问，去翻查相关资料，把“资料+提问”组合成一道阅读理解题，为我们作答，这个就是RAG（检索增强生成）；填表模式，我们拿着一张单子去找经理，但不知道该如何填表，经理根据我们提供的信息，帮我们填表，当设置了大模型的format（格式化输出）选项或者function call（功能调用）选项时，大模型可以产生格式化输出，按要求生成“表格”或者“指令单”，类似于“填表”；跑腿模式，我们连该填哪个表单都不知道，经理根据我们提供的信息，从桌上的一叠表单中，找到了办业务需要的表单，帮我们填好表，“跑腿”把业务办好。因此，当大模型知道自己能够“填表”时，它可以多次思考，先生成“工序”再生成“工单”。

　　“聊天模式”和“咨询模式”我们已然熟悉。“填表模式”和“跑腿模式”需要编程，普通用户不会直接这样用，通常通过应用程序间接用。

跑腿模式：Manus的愿景与现实

　　大模型+工具箱=智能体。这是一个美好愿景，而且看起来已经可行。前段时间爆火的Manus，底层就是“跑腿模式”。如果你具有一定的电脑操作水平，应该了解电脑操作系统存在很多接口，其中每一个接口都有既定的参数，如果把每一个命令看成一个“表格”，其相应的参数做成表格上的“格子”，那么“让大模型自动选择表格并填表=让计算机干活”的等式就成立了。

　　我们当然希望计算机全程代为“跑腿”，但现实是，我们必须对工作担责，不能甩锅给智能体；相应地，智能体不能够直接代替我们，而是必须服务于我们的职责——工作成果要么可靠，要么易于评价和利用。

　　显然，现今的智能体还难以实现这个要求，一些自称“通用”的智能体，其实是能调用“通用的办公工具”，并非适合通用的场景。这些工具能够提高我们的工作效率，但不是革命性的变化。

填表模式：一次格式化输出的实践

　　相比跑腿模式，填表模式仍然以传统的应用程序为主人翁，大模型作为被调用的配角。这种模式指向明确，功能单一，但比较容易找到应用场景。

　　一些年代久远的计算软件没有图形化界面，纯靠文本编辑和命令行方式建模，需要翻阅厚厚的手册使用。如果要给这些软件做一个界面的“壳子”，需要大量的表单制作工作，工作量一眼望不到头。我们可以使用代码对手册信息进行提取，接下来就该大模型上场了，使用填表模式。

　　在格式的约束下，大模型不会产生太多的幻觉。这就像我们做主观题，如果是简答题，可能每个人的答案逻辑不尽相同，但如果是填表题，则答案会有更好的一致性。

　　我们连续调用了5000多次大模型，经过9小时的处理后，厚厚的手册变成了2M的结构化数据。虽然有瑕疵，但涉及大量的属性整理和制表工作，人工编制和人工纠错的工作量比起来，差别太大了。

　　接下来应用成果。我们再次编程对数据结构进行整理，使其满足开源表单的格式要求，于是软件的表单化界面就做好了，并且其中很多选项型的属性也转换成了选项型的界面，比文字输入要更直观。

　　至此，一个文字形式的软件手册，就变成了一个结构化的、交互式的表单。相当于大模型的使用“填表”能力制作了一组“表单”，手册的文字变成了软件界面！

数字化仍然是主干道

　　我们用大量的人类知识训练出了大模型的推理能力，使其顺便掌握了一些知识。就像我们很多理工科同学，记不得历史的细节，谈论起历史总会张冠李戴，比起AI幻觉不遑多让，但这并不影响我们用正确的历史观点分析问题——我们学的是历史事件，用的却是历史观点。

　　大模型也类似——喂进去的是数据，出来的是推理能力。大模型不能取代数据库、搜索引擎、应用程序这些信息系统中的“老员工”——它独特的能力在于推理，而“填表”接口使得它能跟“老员工”很好地配合。

　　人类文明的进化史，也是信息载体的进化史。在数据世界，Word和记事本在功用上和纸张无异，是“无纸化”进程中的“拆迁户”。而数字化进程，本质是数据的重构和业务的再造，文件会逐渐进化为模型和流程。如果大模型仅仅用于生成内容，那么无异于在上一个时代的信息载体上更快地书写而已。

　　数字化最大的拦路虎在于落地，用户群体的思想转变速度，始终滞后于设计。而大模型的推理能力，有利于填平这个沟壑，让数字化道路变得平坦。从这个角度来说，大模型的推理能力的意义，或远大于生成能力的意义。超级智能体或许遥远，但在看得到的将来，大模型将在数字空间的各个角落发挥光热。