什么是 Digital Mind？面向专业型企业的通俗指南

Digital Mind 是一个 AI 代表，基于专家或企业认可的知识、指令和边界构建。它代表所有者回答访客，遵循书面的行动手册，并可请求人工帮助；在团队成员接手前，AI 会继续回复。它不是专家本人，不应被冒充为专家本人。

Digital Mind 能做什么？

它有六项功能，每一项都对应产品中由所有者设置的部分。

知识库是 Mind 所知道的内容；行动手册决定它的行为方式。Plandora 的指南将两者比作一位新团队成员：知识是这位成员所掌握的内容，行动手册则是你告诉他们的工作方式。行动手册中的 Search Mind knowledge 始终开启。Search web 是一个独立开关，默认关闭；当最新公开信息有帮助时，所有者可以开启，可能产生额外使用费用。开启后，Mind 除了使用认可的知识，还可以使用公开网络信息，因此请检查具体 Mind 使用的设置。受众功能和部分渠道取决于你的方案或开放情况，因此在据此做计划前，请确认账户包含哪些功能。

它如何根据你的知识回答？

根据一组文档回答问题的系统通常使用一种叫作检索增强生成（RAG）的技术。Patrick Lewis 及其同事为这项技术命名的论文被 NeurIPS 2020 （在新标签页中打开）^[1] 接收。该研究将预训练语言模型与可搜索的 Wikipedia 段落索引结合起来，让模型在写作前先阅读检索到的文本。作者从一个已知难题出发：大型模型将事实存储在参数中，“为其决策提供来源以及更新其世界知识仍是开放的研究问题”。在测试的语言生成任务中，作者报告称，与仅依赖参数的基线模型相比，检索增强模型生成的文本更具体、更多样，也更符合事实。

这是一种通用技术，并非对 Plandora 内部机制的描述。对所有者来说，修正错误业务事实的实际第一步是修改来源，然后重新测试。例如，Mind 引用了过时的取消期限：修改包含该信息的 Drive 文档或 FAQ 答案；如果是上传的文件，就上传修正版本并将旧文件移至 Trash。然后查找是否还有其他答案沿用旧信息，并在聊天预览中用几种不同的措辞提问。你编写的文档会在输入时保存并立即被学习，移至 Trash 的内容则会被忽略。修正来源不能保证下一次回复正确，因为回复仍由语言模型生成。有关各类来源支持的内容及同步方式，请参阅 Digital Mind 如何学习你的专业知识。

Teach、Share、Respond 和 Improve 是什么？

Plandora 的文档用四个动词组织持续进行的工作。它们循环往复，而不是只执行一次。

行动手册规则必须简短：每个部分最多 4,000 个字符，整个行动手册最多 12,000 个字符。编写 Digital Mind 能遵循的行动手册 逐一介绍了各部分。

分享前，所有者可以在编辑器的聊天预览中尝试一个典型问题、一个 Mind 应该拒绝的问题，以及一个需要人工处理的问题。完成设置后，Mind 会在其公开 URL 发布；之后有效的行动手册修改会自动保存并发布，因此每次修改后都要检查是否处于 Live 状态。如需继续私下完善，请取消发布。

Share 关系到如何被发现。个人简介中的链接是通往 Mind 的一种途径；另一种是被搜索引擎和 AI 助手找到并准确引用，面向专业服务企业的生成式引擎优化介绍了这一点。

Improve 没有听起来那么抽象。在 Insights 中，标记为 No answer 或 Partial answer 的问题会提供 Add an answer 操作，点击后会在 Drive 中打开 FAQ 并预填该问题，因此通常只需新增一个答案即可解决。答案分析取决于方案。

下面是一个示例，并非真实对话。一位潜在客户问：“包含实施支持吗？”FAQ 中没有涉及这个问题，因此回复内容不足，Insights 将其标记为 Partial answer。所有者选择 Add an answer，写下自己认可的服务范围，然后在聊天预览中用两三种措辞再次提问。有关这个循环如何与意向和跟进相连，请参阅专业知识运营系统。

一次对话从提问到转交会经历什么？

1. 访客到来。 他们可能进入公开资料页，看到所有者的姓名、简介、链接以及可点击开始聊天的开场问题。他们也可以通过 Quick Chat 链接或二维码直接进入对话，或在所有者的网站上遇到 Mind。访客无需登录即可聊天，但达到限额后必须登录才能继续。
2. 访客提出问题。 Mind 根据学到的知识并遵循行动手册回复，如果行动手册要求，也会咨询专家。只要方案中的 AI 点数足够（见下文限制），它就可以在问题到来时回复，无需等所有者有空。用 Digital Mind 加快响应潜在客户的速度探讨了这一点有多重要。
3. 对话积累上下文。 如果行动手册要求收集偏好的日期等信息，Mind 会通过 数据集合 将信息保存到联系人资料中。启用 Stages 后，它可以在回复提供足够证据时将联系人移入 Automatic Stage。成交 Stage 始终需要手动设置，因此由人确认结果。
4. 请求人工介入。 行动手册可以指定谁处理哪类问题，因此 Boundaries 中可以写明退款请求交给某位指定人员。转交请求会通知团队并标记对话，Mind 会继续回复，直到有人接手。
5. 人工接手。 接手或直接发送回复都会暂停 Mind 在该对话中的工作，Release to AI 则将对话交还给 AI。AI 对话的人工转交介绍了如何设计好这一环节。

所有者能看到什么？

收件箱将已连接的聊天和消息渠道中的对话集中在一处（电子邮件只能向外发送，因此客户的邮件回复不会显示在那里），并提供 Unreplied、Mine 和 AI handling 快速筛选。联系人详情显示其 Stage、标签、属性、通过 数据集合 收集的答案以及联系人看不到的私有备注。阅读这些内容是 Improve 步骤的起点，Insights 还提供访客数、热门问题、答案覆盖情况以及哪些 Quick Chat 链接带来对话等数据。

这些数据需要仔细解读。Quick Chat 统计的是进入次数，而非独立人数；国家数据来自 IP 地址，因此只是近似值。数字帮你发现值得关注的问题，对话则告诉你发生了什么。

Digital Mind 不是什么？

它不是专家本人。 Plandora 的 FAQ 对此说得很清楚：Digital Mind 不应被冒充为专家本人，访客也不应将对话视为与该人的私人通信。

它不是通用 AI 助手。 通用助手旨在帮助处理广泛的话题。Digital Mind 是 Plandora 中经过配置的 AI 代表，围绕特定所有者、目的、认可的知识、回复指令和业务流程构建。它旨在以这些信息为基础，识别何时不应回答，并在需要人工或其他流程时转交。它不是通用的权威信息来源。聊天机器人一词的含义更宽泛：IBM （在新标签页中打开）^[6] 指出，聊天机器人既包括遵循预设规则的程序，也包括连接知识库的 AI 系统，因此这些称呼有所重叠。更详细的比较见 Digital Mind 与聊天机器人及其他 AI 代表的比较。

它不能替代重大决策中的判断。 AI 回复可能不完整或不准确。无论 Mind 怎么说，金融、法律、医疗和雇佣决策仍需要有资质的人审核。

Digital Mind 适合谁？

它为专业服务企业而设计，包括咨询公司、代理机构、教练、教育工作者和专业服务公司。这些企业的共同点是，价值集中在少数人的专业判断上，而潜在客户在准备预约之前总会反复提出同样的初步问题。Plandora 的专家页面更详细地介绍了这一模式，行业页面则涵盖护肤、营养补充剂、远程医疗、财务咨询和宠物护理等领域。在受监管的领域，页面将 Mind 的回答限制在认可的信息范围内：远程医疗页面称它绝不诊断或分诊症状，财务咨询页面称它绝不提供个人建议。本文不构成医疗、财务或法律建议。

如果你能写下愿意说的内容、有人可以接手，并且有人会阅读对话并弥补不足，Digital Mind 就很适合你。如果大多数对话都取决于重大决策，或者无人负责审核，它就不太适合。每个 Plandora 个人账户拥有一个 Digital Mind。在 Enterprise 合同下，每位加入者保有自己的 Mind，组织可以拥有自己的 Mind；如果合同包含额外的托管 Mind，所有者也可以创建。

有哪些限制？

AI 回复可能出错，Digital Mind 也不例外。美国 National Institute of Standards and Technology（NIST）使用 confabulation 一词，在其 2024 年 7 月的生成式 AI 概况 （在新标签页中打开）^[2]中将其定义为生成“语气自信但错误或虚假的内容”。NIST 补充说，当人们相信虚假内容时就会产生风险，原因往往是内容听起来很自信；在生成式 AI 为重大决策提供信息的场景中，监控这一风险可能尤其重要。

检索可以缩小问题，但不能消除问题。在一篇 2024 年预印本 （在新标签页中打开）^[4]中，Stanford 和 Yale 的研究人员使用三个从法律数据库检索信息的商业工具处理了 202 个法律研究查询。根据作者的分类，三个工具产生幻觉的回复占全部回复的 17% 至 33%，低于作为对照的通用 GPT-4 模型。这些是不同的产品，应用于更困难的领域，数字来自 2024 年 5 月的预印本。2025 年发表在 Journal of Empirical Legal Studies （在新标签页中打开）^[5] 的同行评审版本称，各家供应商的工具产生幻觉的“概率都超过 17%”。这项研究表明，以资料为依据并不能提供保证。它并不能告诉你任何特定 Mind 的出错频率。

告知人们他们正在与 AI 对话很重要，但这不能解决准确性问题。NIST 的 2023 年 1 月 AI 风险管理框架 （在新标签页中打开）^[3]将透明度视为可信 AI 的一部分，同时提醒：“透明的系统不一定准确，也不一定能更好地保护隐私，也不一定安全或公平。”

可用性也有限制。当方案的每月 AI 点数用完时，AI 回复、训练和 Automation 运行都会暂停，点数补充后也不会补发跳过的回复。Mind 无法回答的对话会在收件箱显示为“Your Mind couldn’t reply”，团队必须手动回复。

所有者可以采取措施应对这些问题。设置 Boundaries、上线前测试、上线后阅读对话，并安排人员随时介入。如果缺少答案，就在知识库中添加；如果 Mind 行为异常，就明确行动手册。在 Insights 中，Answered 是系统评估，并不能证明访客满意或答案正确，因此判断质量前要阅读对话。只添加你有权使用的材料；除非你的协议和工作区配置明确支持，否则不要加入机密、受监管或敏感的个人信息。AI 回复为什么会出错更深入地介绍了原因和控制措施。

如何开始？

先给 Mind 一项明确的任务，例如介绍你的服务、回答产品问题或帮助他人预约。在 Drive 的 FAQ 中写下别人最常问你的五个问题，并检查行动手册中的 Goal、Boundaries 和 Flow。上线后，在收件箱阅读最初的对话；如果可以使用 Insights 答案分析，也要查看标记为 No answer 或 Partial answer 的问题，然后在知识库或行动手册中弥补不足。第一项任务在真实对话中表现稳定后，你可以再添加更多任务。