「截取当前窗口画面。」
「识别搜索结果列表。」
……
林一舟看了几行,突然猛地把翘着的二郎腿放到地上,上半身凑近了屏幕。 然后他把运行日志往后拖,一行一行仔细地阅读。
汤圆点开邮件之后的流程和之前差不多。
先截取屏幕。
再识别邮件标题、发件人、正文区域和附件区域。
最后阅读内容。
在刚才那个场景里,汤圆chat的工作逻辑是基于视觉的。
汤圆chat的工作逻辑是基于视觉的!
此时此刻,仿佛一道闪电划过了林一舟的大脑。
为什么汤圆单独内置了浏览器?
为什么汤圆在发布会上搜索数据的时候那么快?
因为汤圆现在刚刚发布,还在生态建设的早期阶段,所有的软件接口都没有对它开放,它能做的只有读取浏览器里的数据。
直接用电脑命令操作软件?可以,如果这个软件本身开放了接口,比如苹果原生的,汤圆就可以通过生成命令来操作。 但是像林一舟用的这个邮箱客户端,在本地没有开放任何接口,那汤圆就只能用鼠标点击、截屏、读图、再鼠标点击的方式去操作它。
这是完全仿真真人操作的方式,而且比一个真人来还慢。
主要的瓶颈就在读图。
真人看一眼页面,视线可以马上落到目标位置。
汤圆却需要先拿到一张图,再通过模型分析这张图,判断哪里是按钮,哪里是文本,之后才运行下一步。
如果说普通人看到这种情况只会笑话汤圆傻帽,林一舟作为一个程序员,作为一个刚刚准备「创业」的创业者,作为对移动互联网草莽时期的暴富故事耳熟能详的后来者,他的第一反应是——
机会来了!
邮件,一个多么符合ai个人助手的场景。
林一舟以前大概了解过,各个邮箱服务都有一些api接口,管理员用户可以同步组织架构、创建帐号、配置安全策略;普通用户也可以进行邮件搜索、会话读取、草稿管理和文档操作。
但那都是针对开发者的,针对人的,需要申请开发者帐户,配置api密钥。
现在没有任何邮件服务支持汤圆协议,所以它才只能读图。
如果有一个邮箱客户端自己支持汤圆协议呢? 不需要截屏。
不需要读图。
不需要寻找按钮。
汤圆调用一次「查找未回复邮件」,客户端直接返回邮件列表、发件人、时间、正文摘要和线程状态。
汤圆判断完之后,再调用「创建回复草稿」,客户端把内容写进对应会话。
一来一回,几秒钟就能结束,速度至少提升十倍以上。
再如果,这个邮箱客户端是第一个支持汤圆协议的客户端,而它又是我林一舟做的呢?
要store刚刚发布,苹果还没有原生手电筒的年代,一个个人开发者就靠制作了一个手电筒应用而暴富。
此时此刻,恰如彼时彼刻。
林一舟的脑子开始飞快转动。
做邮箱服务需要很高成本,他肯定没钱,现在马上去拉投资也来不及。
但是邮箱客户端很简单。 网上开源的就有不少,自己魔改一下,再用御风填坑,到时候让用户登录他们的邮箱帐号,自己在桌面端和手机端各做一个壳。
产品的内核卖点只有一个——原生支持汤圆协议。
名字都不用想太复杂,ai邮箱?汤圆邮箱?这样是不是蹭的有点儿硬,要不叫元宵邮箱?
决定了,就叫元宵邮箱。
这个名字和汤圆简直就是绝配。
想到这,林一舟重新打开汤圆协议的开发文档。
他刚才只是大概看了一遍,现在打开再看,文档里的每一段都有了新的意义。