ZAN+AI，探索下一代的网站交互方式

目前未注册用户也可以使用相关的能力，已注册用户可以获得更多的提问次数，欢迎使用和注册 ZAN～

ZAN 官网在最新的更新中上线了全新功能，用户可以通过聊天的方式和 ZAN 的 AI 机器人进行交互，获取 ZAN 和 WEB3 相关的内容。这是 ZAN 团队对于用户体验升级的一次创新尝试。

立即扫码体验 ZAN AI 助手

在传统的前端交互中，用户一般是在页面中寻找信息，通过鼠标的点击、键盘的输入来尝试触达自己想要的信息。这种交互的方式非常依赖页面信息流的展示设计，如果相关信息隐藏的入口比较深，那么信息可能难以让用户触达。比如一个用户在 ZAN 上想要查看自己的账单信息，那么他就需要：1、点击 Profile；2、点击 Bills；3、查看自己相关的账单信息。

因此我们觉得下一代的网站交互方式，应该能让用户更容易触达自己关心的内容，让信息的展示更加直接、快速。我们采用的方案是通过大模型 LLM 来提升网站的能力。大模型目前凭借优秀的文本理解能力，可以很好的完成用户的指令，在海量的数据中帮用户收集、处理资料。以用户获取账单的例子，用户可以在聊天框中输入自己想要的内容，AI 就会帮用户整理相关内容，甚至一些特殊的内容，我们可以通过组件的方式直观地展示给用户：

如何使用

目前 ZAN 的用户可以直接在 ZAN 的官网使用 AI 助手的能力，在页面的右下方可以看到 AI 助手的入口。

打开 AI 助手聊天框之后，用户就可以在输入框中描述自己想要的内容，AI 会帮用户查询资料，返回给用户整理之后的信息。除了直接返回的内容，AI 还会额外附上与内容相关的链接地址，用户可以根据这些链接去获取更加详细的信息。

如果对当前生成的内容不满意，可以在答案的下方对内容的质量进行反馈，帮助我们更好地提升 AI 助手的能力。当然你也可以点击「重新生成」来再次生成内容，并在多次生成的内容中自由切换。

如果觉得气泡的方式内容展示有限，我们还支持全屏展示的能力。

相关技术

整个 AI 助手的交互依赖于大模型的能力，交互的流程如下图所示：

• 步骤

可以看到整个流程分成三个步骤，分别是知识检索、意图识别以及最后的多模态展示。

知识检索过程会从我们维护的知识库中检索相关的信息，意图识别过程用于判断最后展示的类型（文本或者自定义组件），最后的多模态展示过程将之前检索的信息组合用户的输入，驱动大模型给出最后整理的答案。

• 接口设计

我们维护了两类接口，一类是 RAG 知识检索相关的内容，另一类是大模型代理接口。其中 RAG 的知识检索包含一整套 RAG 数据的维护系统。

• Prompt

在回答问题的过程，不同的阶段需要整合不同的 Prompt 来约束达模型的交互按照我们预想的方式进行。

• RAG 系统

RAG 系统是一种提升大模型特定知识领域能力的方案，通过在 RAG 系统中维护相关知识，可以让大模型学习到这部分知识，并在后续的问答中使用该部分能力。

这次将 ZAN 的交互和 AI 的能力进行整合，希望可以提升用户的实际使用体验。后续我们将继续丰富多模态展示的类型，制定更多的自定义组件，不断丰富我们的知识库，以不断提升用户体验为目标继续打磨我们的产品。

---

现在加入墨子web3微信群

一起深入探讨 Web3 前沿动态