Amplitude 如何借助 OpenAI 在 1–2 天内推出产品改进

📌 One-Sentence Summary
Amplitude 的 Wave 产品智能体使用 OpenAI 模型识别并推出产品改进,耗时仅 1-2 天;通过个性化首页建议和针对不同任务的高效模型路由,智能体互动率提升了 160%。
📝 Summary
Amplitude 的 Wave 是一款主动式产品智能体,借助 GPT-6.1 Sol、GPT-6 Luna 和 GPT-Image-2.5 Flare 等 OpenAI 模型,从分析数据、会话回放和客户反馈中发现产品改进机会。系统会根据质量、延迟和成本要求,将任务分配给专用模型。Wave 帮助 Amplitude 以比传统方法快 15x 的速度推出改进;个性化首页卡片使互动率提升了 160%。文章详细介绍了模型评估结果,显示 GPT-6.1 Sol 在数据科学任务中的表现更出色且成本效益更高,同时也说明了团队如何针对不同类型的变更控制自动化程度。
💡 Main Points
Wave 针对不同任务使用专用 OpenAI 模型,以优化质量、延迟和成本
GPT-6.1 Sol 负责深入调查和机会管理,GPT-6 Luna 处理代码扫描等频繁、低成本的任务,GPT-Image-2.5 Flare 则生成产品原型图。这种模型路由策略让 Amplitude 能够兼顾性能要求与成本效益。
个性化首页建议使智能体互动率提升了 160%
Wave 分析会话回放后发现,用户会跳过通用建议卡片。它据此提出并实施了基于用户近期活动的个性化建议,一天后,卡片带来的消息量增加了 160%,展现了 AI 如何发现容易被忽视的优化机会。
在数据科学智能体评估中,GPT-6.1 Sol 表现优于其他模型
在 Amplitude 的数据科学智能体评估中,GPT-6.1 Sol 得分为 67.5/100,另一款领先模型得分为 69.3,但前者成本显著更低(每次调用 $1.28,而后者为 $2.63)。它在工具调用契约遵循、估算与不确定性处理以及证据依据方面的得分也更高。
团队针对不同类型的变更,灵活控制自动化程度
大多数团队会直接将 bug 修复交给代码智能体,而新功能和重大项目则需要人工审核。客户试验显示,Wave 识别出变更后,当天就有 25% 上线,四天内有 50% 上线,一周内有 67% 上线。
💬 Key Quotes
AI 现在能够发现一些我们从未想过要交给它的有用工作。OpenAI 的模型可以调查问题、编写并运行代码,再根据结果决定下一步尝试什么。
Wave 的理念是打造一个统一平台,让智能体梳理海量会话回放、分析数据和代码,从中发现改进产品的机会。
OpenAI 同时为我们提供了强大的推理模型和更小、更快的模型,让我们能够在整个产品中平衡质量、延迟和推理成本。
我们与 OpenAI 合作的目标,是让产品能够自我改进,成为企业构建软件的方式。
📊 Article Meta
AI Screening: 88
Source: OpenAI News
Author: OpenAI
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1138
Tags:
AI 与智能应用 , AI 产品与应用 , AI 工程 , 模型训练与推理 , 代码助手
支持作者,持续关注中。
实测过类似工具,作者说的基本属实。
路过
这个观点很中肯,深有同感。
这篇文章分析得很透彻,收藏了!
不错不错,已加入书签。
点赞,必须点赞
不错不错,已加入书签。
写得挺用心的,支持一下。
整理得太全面了,省了我不少时间。
有没有更详细的教程,期待后续。
这个观点很中肯,深有同感。