扣子是字节推出的一款基于大模型的 AI 应用开发平台，可以利用大模型的能力做各种应用程序，也可以做智能体，智能体我们后面再说，先说应用程序这里。
在扣子上做一款小应用是不用写代码的，但需要我们自己梳理清楚这个小应用的：
- 功能流程，有哪些步骤。
- 对应的展示形式，就是UI 界面。
扣子平台宣称“无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用”，但是其实真的上手搭一个应用，没有编程的思维的话还是有些门槛的。
流程概述
避免一开始做复杂的应用我无法上手，咱们老老实实“hello，world”，跟着官方文档做一个网页端的 AI 翻译工具。
首先思考一下翻译这件事，
- 输入翻译内容，可能是一段文字，可能是一个包含文字的图片，甚至是一段视频。
- 将输入的内容翻译至指定的语言，可以是一份清单，英语日语法语……
- 触发翻译
- 展示翻译的结果
接下来就可以创建一个 AI 项目了，在扣子里叫做“工作空间”，在这个空间里创建各自独立的小应用，然后将咱们刚刚想好的业务流程编排一下。
这种形式有点类似我们工作中做的流程图，但是看到这个“开始”的详情我就意识到事情并不简单，我们需要把之前的想好的业务流程翻译到计算机思维中。
首先计算机的基本理念是：输入=>黑盒=>输出，这个黑盒我们可以理解为一种计算方式或者处理办法，比如加减法。
所以这个时候突然顿悟为什么用翻译应用作为 hello，world 了，这就是典型的：输入（要翻译的内容)=>黑盒（翻译）=>输出（翻译结果）过程。
然后我们再来看“输入”部分，这里在技术人员视角里是非常熟悉的“变量名”、“变量类型”，这时候程序员会轻车熟路的输入“content”。而没有技术基础的可能直接在“变量”这里就卡住了。
好的我们听话，输入“content”，然后变量类型……其实就是翻译内容的类型，比方说你要输入一堆字符，string 类型就可以了；如果想上传一张图片翻译，可以再加一个 image 类型的变量。
接下来我们增加一个指定的翻译语言种类的变量，一样的方法。
完成内容的输入后，我们要配置一下“黑盒”，这里我们选择一个大模型，选完之后仍然需要配置这个大模型节点输入的内容。这里稍微补充一下，编排的流程是可以拥有众多分支的，我们在“开始”节点里配置了很多输入项，这些输入项可以编排不同的“黑盒”来处理，所以我们在大模型节点里也需要选择相应的，由对应大模型处理的输入项。
比如说我们希望翻译输入的文本内容，那这个时候需要大语言模型来帮我们翻译；如果我们需要翻译图片中的内容，那此时我们就需要一个大模型来识别图片中的内容，然后再翻译，这只是一个例子，真正在使用的时候我们可以选择带视觉识别功能的大模型即可。
使用体感
配置工作进行到这里，我在使用的过程中一直有一种别扭感，这种别扭感的来源在于，如果我没有这份说明书，我真的不知道要怎么使用这个平台，我做产品的理念是，尽可能的降低用户使用的门槛。
产品绕不开的一个问题是目标用户，扣子仿佛也没有特别明确的指向，毕竟确实不需要写代码就可以搭一款应用。非技术人员上手比较困难，而程序员上手也不见得能够用起来，说几个我意识到的点：
-
业务到节点，脑袋转换起来是不容易的。 每一个节点要做的事，和我们一开始想的业务环节是怎么对应的呢？而每个节点的任务应该是什么，其实在使用的时候自己不见得是非常有数的。如果有一个 业务=>节点 的转换环节就好了。其实跟我们做事是一样的，都会有一个大概的计划，然后再去细化。
-
界面上的一些措辞其实可以修改的更有可读性。比如在配置大模型提示词的时候，“系统提示词”、“用户提示词”，我看到这个名字根本不知道要填什么，而我们知道提示词对于大模型执行结果是很重要的，在阅读文档后我知道，“系统提示词”其实就是告诉大模型要怎么干活，“用户提示词”是告诉大模型要做什么，不如把“系统提示词”改成“执行提示词”，把“用户提示词”改成“功能提示词”。
-
debug 的支持过于少了。毕竟翻译还是一个很白给的应用，但凡涉及稍微复杂一些的流程业务，哪里配错了完全看不出来，而配置本身我们可以看出来是非常细节的，约等于乐高代码了，但对于 debug 流程的支持确实是太少了。
很多人都在讲说 大模型应用场景之年就要来啦，会出现“杀手级应用”，我们回头想想为什么 chatgpt 会大爆，就是他真的用起来太简单了，谁都可以上去问一嘴。再往下想一想，在日常工作中我们可能会需要一些需要编排工作流的场景，但是在扣子上搭建应用的时间就已经够我们自己完成任务了，在扣子用户使用的“安全感”得到解决之前，恐怕是不能被广泛使用的。我也保持乐观，毕竟扣子的发展可能才刚刚开始。
