2025：使用 GenAI 构建应用将变得平淡无奇

GenAI 的未来，是朴素而日常的实用价值。对应用开发者来说，它们只是与其他工具一样的工具。

需要持久化数据？使用数据库。需要低延迟缓存？使用键值存储。随着我们逐步走过 炒作周期，GenAI 那些平淡、日常的用途将逐渐显现。

我最感兴趣的用例并不直接面向用户。让 LLM 直接面对用户 天然存在风险。面向用户的 GenAI 可能泄露知识产权、让公司难堪或惹恼用户。聊天机器人处处都是雷区。

但把 GenAI 放在应用后端就简单多了。下面看看它们能显著简化的几个朴素日常用例。

数据提取、OCR 与格式转换

GenAI 非常擅长从非结构化来源中提取结构化数据：PDF、图像、音频、转录文本等。它们可以找出所需数据，并转换成可用格式。

对于拥有大量遗留数据的公司，这项能力堪称救星。它们可以使用 GenAI 从旧文档中提取数据，并转换为可用格式。

这项能力的价值怎么强调都不为过。

摘要生成

GenAI 不仅能提取数据，还能生成摘要。这有助于快速理解文档内容，或为用户创建 TL;DR。

它在应用中有各种用途：生成 SEO 摘要、为文档拟标题或描述，甚至总结用户活动。最终，它能帮助应用恰到好处地展示描述性文本。

翻译

大多数 LLM 都支持多种语言，因此非常适合即时翻译任务。

我的妻子是一名译者，而我也向来会 对糟糕的翻译挑剔。所以，如果需要母语级翻译，当然应该聘请人工译者。但如果只是快速理解文档意图，GenAI 的表现非常出色。

搜索与推荐

借助 GenAI，搜索和推荐系统更容易构建。可以通过 Embeddings API 创建向量，并把向量附加到数据库条目上；再将这些向量与搜索查询比较，匹配最相关的数据。

这大大降低了搜索与推荐系统的构建难度。搜索系统可以理解查询含义，而不只是匹配关键词。

GenAI 甚至可以根据感知到的相关性重新排序结果，又一个棘手问题因此变得简单。

幕后的 GenAI

这里描述的每个用例，基本都把 AI 隐藏在幕后：没有闪光表情符号，域名中也没有“.ai”。

随着我们迈上复苏期，我真正期待的是这些平淡、日常的 GenAI 用例：它们在用户毫无察觉的情况下，让应用变得更好。