Fabric 的 AI 自動標記運作原理

當人們聽說 Fabric 具有「AI 自動標記」功能時，通常會以為我們在做大多數其他工具所做的事情——掃描您的文件並在上面貼上幾個關鍵字標籤。「會議記錄」、「專案更新」、「客戶回饋」之類的。

我們理解人們為什麼會這樣想。因為這確實是大多數工具實際在做的事。但這不是 Fabric 的運作方式，而這篇文章是我們試圖對此做出更好解釋的努力。

為什麼大多數自動標記行不通

關鍵字標記的問題在於：它丟棄了幾乎所有讓您的內容具有價值的东西。這是一種資訊損失極大的呈現方式。

假設您有一份關於遠端工作趨勢的深入研究文件。典型的自動標記系統可能會將其標記為「研究」和「遠端工作」。技術上很精確，但完全沒用。它沒有告訴您您發現了什麼洞察、它提出了什麼問題，或者它如何與您的其他想法相連。

這就像透過說「它有演員和對話」來描述一部電影一樣。雖然沒錯，但完全抓不到重點。

Fabric 實際上發生了什麼

當您將內容新增至 Fabric 時，我們不會提取關鍵字。相反地，我們建立了一種稱為向量表示（vector representation）的東西——您可以將其視為您內容含義的非常詳細的指紋。

想像一下，如果不是將文件歸檔在簡單的文件夾中，而是可以將每份文件精確地放置在一個具有 12,000 個不同維度的空間中的正確位置。每個維度都捕捉了不同的東西：當然有主題，但也包括語氣、複雜度、寫作風格、它與其他想法的關聯性，甚至像潛在假設或情感基調這樣細微的事物。

關於相似主題的文件在這個空間中最終會彼此靠近，但那些共享某種思考方式、特定解決問題方法、甚至只是相似氛圍的文章也會如此。結果是，Fabric 以一種比任何關鍵字系統所能實現的更豐富的方式來理解您的內容。

最難的部分：讓以人為本的搜尋真正發揮作用

建立這些豐富的表示只是開始。真正的挑戰是在您進行搜尋或使用 AI 助手時，如何很好地利用它們。

當您在 Fabric 的搜尋框中輸入內容時，我們不只是在進行字詞比對。我們是在試圖理解您真正想要尋找的是什麼，並找到那些「指紋」顯示對您有用的內容。這確實非常困難——我們不斷在微調我們的演算法，以更好地解讀您的意圖並呈現正確的內容。我們最近的一次更新就在三天前。

有時候您搜尋「客戶會議」，但您真正想要的是那份您解決了棘手客戶狀況的文件，即使該文件從未提及「會議」。有時候您搜尋「策略」，但您實際上想要的是某個將策略思考落實得很好的專案中的執行細節。做好這件事是一個持續的挑戰，需要真正的工程努力。

但是 Fabric 的手動標籤又是怎麼回事？

您可能已經注意到 Fabric 確實有標籤功能。這是一個手動工具——這是我們專為喜歡用自己的分類來整理事物的人所建立的額外功能。它是非層級式的，所以您可以按照對您有意義的任何方式進行標記。

但這裡有一個重要的部分：手動標籤並不能驅動 Fabric 的智慧。您完全不需要使用它們。AI 的理解完全是透過我們剛才提到的那些向量表示來實現的。這些標籤只是在您需要時提供在那裡。

為什麼這很重要

理解 Fabric 真正的運作方式，就能解釋為什麼它給人的感覺與其他工具不同。您不需要管理歸檔系統，也不需要努力記住您六個月前是如何標記某個東西的。您使用的是一個真正理解您內容的軟體，它能夠根據您正在思考的事情來找到您需要的內容，而不僅僅是根據您記得的字詞。

所以，不，Fabric 並不像大多數人想像的那樣進行「自動標記」。它做的是一些有趣得多的事情。