Amplitude Wave 产品代理与 OpenAI 模型的集成
Amplitude Wave 概述
Amplitude 推出了 Wave,这是一款主动式产品代理,旨在帮助团队识别、优先处理并实施产品改进。Wave 利用一系列 OpenAI 模型——特别是 GPT-6.1 Sol、GPT-6 Luna 和 GPT-Image-2.5 Flare——来分析产品数据、会话回放和客户反馈。通过自动化从洞察到实施的过程,Amplitude 报告称,团队可以将交付改进所需的时间从大约一个月缩短至 1–2 天。
模型专业化与任务分配
Amplitude 根据任务的具体要求采用不同的 OpenAI 模型,在推理能力与延迟及成本之间取得平衡。
- GPT-6.1 Sol: 用于高推理任务,例如“机会调查员”(Opportunity Investigator)以及对代码和数据的深度调查。在内部评估中,该模型在调查标准方面优于竞争对手,并展示了卓越的工具契约合规性和证据基础。
- GPT-6 Luna: 用于高容量、低成本的任务,包括扫描代码和执行频繁的小型评估检查。
- GPT-Image-2.5 Flare: 用于生成产品模型和线框图,利用来自会话回放的截图作为视觉参考。
性能与实施
Wave 的工作原理是聚合产品分析和会话数据以提出解决方案,然后将其转换为技术计划和验收标准。这些计划可以直接发送给编码代理(例如 Codex)进行执行。
Amplitude 在其主页上展示了此工作流程的有效性。通过使用 Wave 识别出用户正在绕过通用建议卡片,团队实施了基于近期用户活动的个性化建议。这一更改导致卡片驱动的消息发送量增加了 160%。在更广泛的客户用例中,Amplitude 报告称,三分之二的已发布实验、标志或指南在 Wave 发现机会后的一周内上线。
人机协作控制
虽然 Wave 自动化了发现和规划阶段,但 Amplitude 对最终实施保持人工监督。团队保留对应用于特定任务的自动化程度的控制权。虽然常规错误修复可以直接发送给编码代理,但重大的新功能和战略更新通常在部署前需要经过人工审查。这种方法使组织能够在代理主导的发现速度与产品关键变更所需的人类判断之间取得平衡。