釘釘 AI 功能多模態(tài)升級 能根據(jù)圖片識人、翻譯、創(chuàng)作、多輪問答

釘釘 AI 功能多模態(tài)升級 能根據(jù)圖片識人、翻譯、創(chuàng)作、多輪問答

來源：環(huán)球網(wǎng)

【環(huán)球網(wǎng)報道 記者 李文瑤】3月28日，釘釘 AI 助理宣布升級，上線圖片理解、文檔速讀、工作流等產(chǎn)品能力，探索多模態(tài)、長文本與 RPA 技術在 AI 應用的落地。基于阿里通義千問大模型，升級后的釘釘 AI 助理擁有更強的視覺推理能力和長文本速讀能力。目前，用戶在釘釘 IM 消息框或點擊魔法棒按鈕進入 AI 助理對話框，發(fā)送長文件、在線文檔、網(wǎng)頁鏈接、視頻內(nèi)容，即可根據(jù)內(nèi)容識人、識地點、分析、答題、翻譯、摘要、提取文字，甚至可以通過多輪交互進一步做智能問答。

具體來看，基于通義千問 QwenVLMax 視覺理解模型，釘釘 AI 助理能夠準確描述和識別圖片信息，并根據(jù)圖片進行信息推理、擴展創(chuàng)作、文字提取、翻譯等，相當于一個全能的“圖片小百科”。

同時，通義千問 QwenVLMax 擁有更強的視覺推理和中文理解能力。此外，AI 助理也支持視頻內(nèi)容的速讀。發(fā)送給 AI 助理的短視頻、直播切片或培訓視頻可以被快速“觀看”， AI 助理會根據(jù)視頻內(nèi)容生成字幕，提取關鍵詞，并生成一份智能摘要，對于最高 2GB 的視頻內(nèi)容，僅需 3 分鐘即可完成智能解讀。

基于通義千問大模型，釘釘 AI 助理可以快速閱讀本地文件如 Word、PDF、PPT、Excel 等、釘釘文檔、網(wǎng)頁鏈接等多種格式文件，輕松解析各類學術論文、產(chǎn)品手冊、使用教程、數(shù)據(jù)表格、新聞報道、多國語言的圖書等。

目前，隨著 OpenAI 帶火 Agent（智能體），大模型融入自動化技術成為當前最具共識的方向之一。今年1月，釘釘 AI 助理正式上線，企業(yè)和個人 AI 助理已進入到工作和生產(chǎn)力場景中。為讓 AI 助理可以完成一系列更復雜的任務，釘釘 AI 助理上線了工作流能力。

工作流是 AI Agent 的一種進階玩法，不僅可以在創(chuàng)建時對 AI 執(zhí)行任務的流程進行拆解和編排，使得 AI 助理可以主動接管完成相應操作，還能夠打通外部的系統(tǒng)數(shù)據(jù)和 API 能力，進一步擴展了它的行動能力，比如搭建能自動寫腳本并生成視頻的創(chuàng)作 AI 助理。

為降低用戶的使用門檻，釘釘官方還提供了多種工作流模板。已有企業(yè)使用工作流創(chuàng)建了門店信息收集助理，將用戶反饋自動化整理，并存儲到一張釘釘多維表中，幫助員工節(jié)約瑣碎的時間；個人用戶也通過連接微博 API，創(chuàng)建了自動追蹤熱點并撰寫文章的助理，一個指令就能批量執(zhí)行，大幅提升內(nèi)容生產(chǎn)的效率。

目前，用戶可在釘釘 APP 或 PC 客戶端直接使用 AI 助理的各項功能，包括多模態(tài)、長文本和工作流。