微信扫码
添加专属顾问
我要投稿
探索AI在社交网络中的创新应用,Social RAG和Matrix AI两大项目引领未来趋势。核心内容:1. Social RAG群助手AI系统:整合群组历史和用户偏好生成个性化回复2. Matrix AI虚拟社交网络:AI发帖、评论、点赞模拟社会群体行为3. 两大项目的应用场景及开源资源链接
之前看到的AI在泛娱乐领域的应用都是情感聊天,AI情绪陪伴。最近看到Social RAG和Matrix AI,这两个相比之下更有生产实用价值,前者可以作为群助手整理成员的讨论,还侧重结合聊天历史和每个用户的偏好,以及情绪做个性化回复,后者则在虚拟X平台发帖会有AI立马提供评论、点赞,可以收集idea和反馈,模拟社会群体行为,为真实世界的发布做提前准备
Social RAG是论文项目而Matrix AI是已经有测试网址https://matrix.eigent.ai/x
,开源版本叫Oasis https://github.com/camel-ai/oasis
这两个项目实际落地肯定太初期,这里整理出来只作为想法灵感和方向参照
Social RAG是一个针对群组交互设计的AI系统,通过检索和利用群组的社交历史和交互数据,来生成更符合社交情境的、自然的消息,而现在主要通过Coze自定义机器人人设、插件和工作流,作为群聊和私聊机器人,这种在社交情感情境和群组历史记录、个性化还差些
Social RAG论文中以"PaperPing"为案例,PaperPing专门设计用于学术研究群组中的论文推荐和讨论
PaperPing的工作流程分为四个主要步骤:
从群组交互中收集数据,建立社交知识库;基于当前讨论提取相关社交信号和元数据;使用LLM将检索到的信号转化为解释性消息;发送到群组渠道并分析反应
Social RAG核心AI特色
社交情境、情绪提取:系统能够理解群组的社交动态,掌握成员之间的关系和兴趣;分析群组成员的反应、评论和喜好
群组历史检索和个性化生成:利用RAG技术从群组过去的交互中检索相关信息,使用LLM生成符合群组风格的消息
透明度设计:AI解释为什么推荐特定内容,增加可信度
AI群助手的应用场景:
学术研究群组:帮助研究者发现相关论文和建立合作关系
企业团队协作:在工作群组中推荐相关资源和促进知识共享
在线学习社区:为学习者推荐相关学习资料并解释其相关性
专业网络:根据成员的兴趣和背景推荐内容和联系,这个得结合推荐系统来
Oasis论文目前说是在X和Reddit有上百万Agent,其他的Instagram和小红书社交平台则还没有,Matrix也不能测试
这些虚拟Agent会自己发帖、评论、点赞,并且有时间顺序
这个环境挺复杂的,既要把现有用户和AI生成的用户的Profile整理了,还要提前在Environment Server确定好点赞和各个Agent的社交关系,还有Recommend System,在这两个大系统之下LLM驱动的Agent开始点赞、评论,从而更新之前的Environment Server
因为系统很大很复杂,目前Matrix和Oasis都处于玩具阶段,重在想法,实际效果肯定有限。Agent本身虽然结合了多种Profile,但还是不够个性,加上推荐系统已经这么复杂,Agent数量还是上百万
我在线测试了Matrix网站(只能免费测试2、3次),发的帖子是一次公园赏花旅行,AI会注册各种人的身份来评论,比如有虚拟的IDG资本或者Elon Musk
但这些虚拟Agent账户的情绪都不好,评论都是负面嫉妒讽刺的口吻,比如"while the rest of us are buried in our cubicles""Did you manage to leave the dog at home while you created this serene Saturday Insta-worthy moment?"
不知道是怎么回事,连虚拟Agent都这么多不友好的人。即使Agent会根据真实社交平台的信息生成虚拟Agent名称、头像擅长领域,但这些虚拟Agent的具体的评论风格跟真实用户差得很远
而且这些把真人信息虚拟化只能当游戏玩,真实的这种产品会侵犯隐私
在点开帖子之前,随机出现的界面,是每个虚拟Agent自己发的帖子。毕竟是X平台,因此主要还是科技互联网信息居多
Social RAG和Oasis都挺未来,未来的虚拟群组,虚拟微信机器人,虚拟X账户,有些像科幻电影了
就Social RAG局限在群组Ai论文、资料助手则距离现在更近一些,能帮忙整理推荐内容,做一些对人类生产有帮助的事还挺好
Joyce Birkins
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-05-07
从RAG到QA-RAG:整合生成式AI以用于药品监管合规流程
2025-05-07
RAG 中的语义分块:实现更优的上下文检索
2025-05-07
从复杂文档到AI秒懂的高质量数据:EasyDoc解析实战指南
2025-05-07
Golang 基于 Redis 实现文档向量索引与检索系统(RAG)
2025-05-07
使用Ragas自动化评测RAG知识问答系统的各项表现
2025-05-06
RAG 已死?不,它将主导AI的未来
2025-05-06
实战指南:从零构建 MCP 架构下的 Agentic RAG 系统,无第三方MCP Server
2025-05-06
RAG 2.0 深入解读
2024-10-27
2024-09-04
2024-05-05
2024-07-18
2024-06-20
2024-06-13
2024-07-09
2024-07-09
2024-05-19
2024-07-07
2025-05-05
2025-04-30
2025-04-29
2025-04-29
2025-04-26
2025-04-25
2025-04-22
2025-04-22