个性化人工智能身份平台Honcho: LLM应用程序如何解锁超个性化体验？

长话短说

随着大型语言模型的兴起，软件个性化需求前所未有地增长。Plastic Labs新推出的Honcho平台采用“即插即用”的方法，旨在在构建深度用户档案时帮助开发人员免于重复劳动。

北京时间4月11日，人工智能初创公司Plastic Labs宣布已完成535万美元的种子轮融资。此轮融资由Variant、White Star Capital和Betaworks领投，Mozilla Ventures、Seed Club Ventures、Greycroft和Differential Ventures参与投资。天使投资者包括Scott Moore、NiMA Asghari和Thomas Howell。与此同时，其个性化人工智能身份平台Honcho已正式开放提供早期访问。

由于该项目仍处于早期阶段，更广泛的加密社区对Plastic Labs了解甚少。除Plastic在X上宣布其融资和产品推出外，主要投资者Variant的常务合伙人兼顾问Daniel Barabander还分享了对该项目及其Honcho平台的深入分析。原始内容如下：

随着大型语言模型（LLM）应用的兴起，软件个性化需求空前增长。这些应用依赖自然语言，而自然语言会根据你与之交流的对象而变化，就像你向祖父母、父母或孩子解释数学概念时会采用不同的方式一样。你会本能地根据听众调整沟通方式，而LLM应用必须同样“理解”其互动对象，以提供更有效和个性化的体验。无论是治疗助手、法律顾问还是购物伴侣，这些应用都需要真正了解用户，才能提供真正的价值。

然而，尽管个性化的重要性至关重要，但目前还没有现成的解决方案，可以轻松集成LLM应用程序。开发人员经常不得不将片段化的系统拼凑在一起，以存储用户数据（通常以对话日志的形式）并在需要时检索。结果，每个团队最终都要重新发明轮子，构建自己的用户状态管理基础设施。更糟糕的是，诸如将用户交互存储在矢量数据库中并使用检索增强生成（RAG）等技术只能回忆过去的对话，而无法捕捉用户的更深层次方面，如兴趣、沟通偏好或对语气的敏感性。

Plastic Labs推出了Honcho，这是一个即插即用的平台，使开发人员能够轻松在任何LLM应用程序中实现个性化。开发人员无需从头开始构建用户建模，只需集成Honcho即可立即访问丰富而持久的用户资料。这些资料超越了传统方法所能提供的，这要归功于团队运用了认知科学的尖端技术。此外，它们支持自然语言查询，使LLM能够根据用户的资料动态地调整其行为。

通过抽象用户状态管理的复杂性，Honcho为LLM应用程序打开了超个性化体验的新境界。但它的意义远不止于此：Honcho生成的丰富抽象用户资料还为久违的“共享用户数据层”铺平了道路。

历史上，尝试构建共享用户数据层的努力因两个主要原因而失败：

缺乏互操作性：传统用户数据通常与特定应用程序上下文紧密耦合，使得跨应用迁移变得困难。例如，像 X 这样的社交平台可能基于用户关注的对象对用户进行建模，但是该数据对于 LinkedIn 上的专业人脉却几乎没有价值。另一方面，Honcho 捕获更高级和更普遍的用户特征，可以无缝地为任何 LL 千应用程序提供服务。例如，如果一款辅导应用程序发现用户通过类比学习效果最佳，那么疗法助手也可以利用相同的见解更有效地进行沟通——尽管这两种用例完全不同。
即时价值不足：之前的共享层面临吸引早期应用采用者的困难，因为它们没有立即提供实际好处，尽管这些早期用户是生成有价值数据的关键。Honcho 采取了不同的方法：它首先解决了个别应用的用户状态管理的“主要问题”。随着更多应用的加入，由此产生的网络效应自然地解决了“次要问题”。新应用不仅将集成个性化，而且还将从一开始就从现有的共享用户配置文件中获益，完全绕过了冷启动问题。

目前，数百个应用程序正在Honcho的封闭测试版等待列表中，涵盖戒瘾康复辅导、教育伴侣、阅读助手和电子商务工具等用例。团队的策略是首先专注于解决应用程序的用户状态管理的核心挑战，然后逐步推出共享数据层以供参与的应用程序使用。该层将受到加密激励的支持：早期集成商将获得数据层的所有权份额，并从其增长中受益。此外，区块链机制将确保系统保持去中心化和值得信赖，缓解对中心化实体提取价值或构建竞争产品的担忧。

Variant相信Plastic Labs团队有能力应对LLM驱动软件中的用户建模挑战。在构建基于个性化聊天的辅导应用Bloom时，团队亲身体验了这一痛点，并意识到该应用无法真正理解学生或其学习风格。 Honcho就是从这一洞察中诞生的，并且现在正在解决每个LLM应用开发者必将面对的问题。