AI 助手只能等你提问？我做了款能实时参与讨论的主动型 AI Copilot
运营小丸子约 10 分钟有趣产品咖啡馆 Funny café ：一个能让你更快接触到更多新鲜有趣好玩产品的地方。我会寻找市面上有趣的独立产品，向独立开发者们进行一对一的访谈，挖掘优质产品背后不为人知的故事（文末可加入群聊，有彩蛋！）。
1、可以先简单介绍一下你自己，也介绍一下 Pask ，对于第一次接触这类产品的用户来说，应该怎么理解？
Hello 大家好，我是谢之非，南洋理工大学（NTU）人工智能方向博士生。我的学术研究主要聚焦于音频大模型和语音交互模型，其中我们开源了全球首个实时对话音频模型。除学术研究外，我还和我的导师颜水成老师一起创建 Pask.AI ，致力于打造首个以理解用户意图为核心的实时主动 AI。
对于第一次接触这类产品的用户，我一般会用一个很简单的比喻。
大多数 AI，其实更像是搜索引擎升级版。你需要先想到问题，然后去问，它再给你答案。而 Pask 是一个一直在旁听、会在关键时刻主动给你信息和提示的 AI 助手。
你们在一开始的时候协商好他需要帮你做什么，像是解释同事的行业术语，为你们的讨论实时补充数据，或者一个值得展开的观点时，它会自动帮你补充背景、解释概念、或者整理关键问题。这其实就是我们希望带来的体验。
简单来说，就是你可以用它来看网课，学习，讨论，工作。有了这个产品，你不会再常常停下来问 AI，但 AI 会一直在旁边，把你来不及查、来不及想清楚的东西，实时补给你。
最早这个想法其实是从学习场景里长出来的。
我们观察到一个很真实的问题：学生在课堂上，只要某一个概念没听懂，或者某一段逻辑没跟上，后面整堂课基本就很难再跟住了。你当然可以去查，但问题是课堂不是会停下来等你，等你查完回来，老师早就讲到下一段了。所以学习一直是我们非常重要的一个场景，因为它特别能说明“及时帮助”这件事的价值。
但后来我们越想越觉得，问题其实不只是时间来不及，或者场合不方便。更核心的是，传统“你问我答”的 AI，有一个很强的前提：I know what I don’t know。也就是说，用户得先清楚地意识到，自己哪里不会、哪里缺信息、哪里需要帮助，然后再把这个问题提出来。
可真实世界里，很多时候根本不是这样。更常见的状态其实是：I don’t know what I don’t know。
尤其在工作里，你经常并不知道自己漏掉了什么。比如开一场 40 分钟的会，里面可能有十几个瞬间你其实非常需要帮助，也有更多瞬间，AI如果能补一把，会让你的理解和判断都更完整。有人提到一个公司、一个概念、一个政策，你其实想知道它的背景；有人抛出一个观点，你会想知道有没有反例、有没有数据支持；有时候你甚至不是有一个明确问题，你只是隐约感觉这里值得被整理成几个关键问题继续往下讨论。
但这些需求往往都来不及问。因为你一旦停下来问 AI，你就会错过会议接下来在讲什么。
所以我们后来意识到一件事：如果 AI 只有在你提问的时候才出现，那它本质上还是一个“离线工具”，而不是一个真正参与当下过程的 copilot。
Pask 的想法就是从这里出来的。我们不是把 AI 当成一个随叫随到的问答助手，而是希望它像一个一直在旁听、一直在理解上下文的 copilot，在合适的时候主动把信息、线索和提醒递出来。这个能力在会议场景里就特别重要，因为会议本身就是一个信息密度很高、但又最没有时间停下来提问的场景。
我理解的“第二大脑”，更像是一个实时参与思考的系统。
它不是一个被动的数据库，而是一个会在合适的时候提醒你：
你以前其实见过类似问题
这个观点和某个理论有关
这个公司之前的融资背景
如果说要补一块能力，我觉得是：把人的长期记忆、实时场景和 AI 的推理能力连接在一起。
当时我们团队其实在讨论一个很技术的问题：我们是不是应该把总结做得更好？比如更精准的会议纪要、更强的知识库、更复杂的 RAG。
但 GPT 给我的回答其实很简单，它说了一句话：
用户真正需要的不是“更好的总结”，而是“在需要的时候得到帮助”。
这句话当时对我冲击很大。
因为它其实是在说：你们现在优化的是“记录系统”，但用户需要的是“参与系统”。
那一刻我突然意识到，我们可能一直在优化会议之后发生的事情，但用户真正需要的是会议正在发生的时候。
Pask 后来很多设计，其实都来自这个认知转变。
最本质的区别其实只有一句话：
大多数工具是在“记录会议”，Pask 是在“参与会议”。
记录工具的核心任务是：把发生过的事情整理出来。
但 Pask 更关注的是：
讨论过程中出现的概念 有争议的观点 可以补充的数据 需要进一步追问的问题
它更像是一个一直在旁听的人，在合适的时候递一张小纸条给你。
6、我观察到 Pask 近期也更新了“需求组合”、“场景化 AI 工作流”的功能，不同场景自动挂载不同能力，你们为什么会决定往这个方向走？
这是一个很现实的问题。如果 AI 什么都能做，它其实就会变成什么都做不好。
比如在一场商业播客里，你可能更需要：
公司背景 行业数据 观点补充
但在课堂里，你更需要：
概念解释 知识延展 重点总结
所以我们后来做了一件事情：把 AI 的能力按场景打包。你进入一个场景的时候，AI 自动加载对应的“需求组合”，这样它给出的信息就会更相关，也更稳定。
7、最近像 OpenClaw 这样的产品也很受关注，它们同样在探索“常驻、主动、可调用能力的 AI 助手”这条路。你怎么看这类产品和 Pask 的关系？你觉得 Pask 想走的主动 AI 路径，最不一样的地方在哪里？
我觉得这是一个很好的趋势。过去一年很多 AI 产品其实都在意识到一件事情：AI 不应该只存在于一个聊天窗口里。
像 OpenClaw 这种产品更像是在探索系统级助手，可以帮你操作电脑、执行任务。Pask 的关注点其实有点不一样，我们更关注的是：人在“思考和讨论”的时候，AI 怎么参与。
所以它的核心场景会是会议和课堂这种需要深度谈话的场景。
换句话说：OpenClaw 更像是行动型助手，而 Pask 更像是认知型助手。
我觉得最重要的一次升级是：从“功能思维”变成“系统思维”。
一开始我们想做的是很多功能，比如录音、实时总结，知识库和记忆库。后来慢慢意识到，这些其实都只是组件。真正重要的是：AI 如何理解当前发生的事情，并持续提供帮助。当我们开始用“系统”去看这个问题的时候，很多功能就自然出来了。
9、从实时智能助理到桌面 AI 入口，意味着产品可能会接触到更多上下文和更多用户隐私。在隐私这件事上，你们是怎么处理的？
从实时智能助理走向桌面 AI 入口，确实意味着产品会接触到更多上下文信息。我们的处理方式，首先在底层安全服务器层面，我们具备三层能力：第一，数据在传输、存储、计算全过程都可以验证机密性和完整性；第二，底层有加密和授权访问能力，确保数据不是裸露流转；第三，访问控制是基于细粒度权限模型来做的，谁能接触什么数据都有严格限制。
更重要的是，在这个基础上，我们对用户数据的原则非常明确：数据归用户所有，不归平台所有；我们不会去窥探、转售用户数据；也不会把用户数据拿去做模型训练。换句话说，底层能力解决的是“即使系统处理了数据，也能保证安全”，而产品原则解决的是“我们本来就不应该去碰不该碰的数据”。这两层是同时成立的。
10、你觉得主动 AI 想真正成立，最先要做到的是“聪明”，还是“识趣”？为什么？
我觉得是识趣。
如果一个 AI 很聪明，但总是在不合适的时候打断你，那它其实会变成一种干扰。
主动 AI 最大的挑战其实不是能力，而是时机。
什么时候应该出现，什么时候应该保持安静。
我觉得真正好的主动 AI，应该更像一个很懂分寸的助手，而不是一个一直在说话的专家。
11、除了自己的产品，你还有在用哪些产品？
我其实会用很多 AI 工具。
比如：
ChatGPT / Gemini 做深度讨论 豆包用来搜索、翻译，飞书/zoom 开会
还有一些比较轻量的工具，比如录音软件、笔记软件之类的。
我其实很喜欢尝试各种新工具，因为很多产品的设计细节都很有启发。
12、如果不聊产品开发，你平时的工作和生活状态更接近什么样子？
其实还挺简单的。大部分时间都在看各种新论文、新技术，做 paper，偶尔打游戏放松一下。
但我也会花时间听播客、看访谈，因为很多灵感其实是从这些地方来的。有时候你会发现，一个很好的 idea，可能比一个很好的答案更重要。