速覽個人化AI身分平台Honcho：如何讓LLM 應用開啟超個人化體驗？

原文作者： Daniel Barabander ，Variant 總顧問&投資合夥人

編譯：Zen，PANews

北京時間4月11日，AI新創公司Plastic Labs宣布完成535萬美元Pre-Seed輪融資，由Variant、White Star Capital和Betaworks領投，Mozilla Ventures、Seed Club Ventures、Greycroft與Differential Ventures等參投，天使投資人包括Scott Moore、Thomas Hoghari與 Thomas Moore、Thomas Hoghari與同時，其個人化AI身分平台「Honcho」已正式開放早期存取。

由於專案尚處於早期，整個加密社群都對Plastic Labs 知之甚少。而在Plastic透過X 發布上述融資及產品動態的同時，其主要投資方Variant 的總顧問兼投資合夥人Daniel Barabander 也對該項目及其Honcho平台做出了深入解讀。以下為原文內容：

隨著大規模語言模型（LLM）應用的興起，軟體對個人化的需求前所未有地增長。這類應用依賴自然語言，而自然語言會根據交談對象而改變──就像你向祖父母解釋數學概念時的措辭，與向父母或孩子解釋時截然不同。你會本能地根據聽眾調整表達，而LLM 應用也必須同樣「懂」它們在和誰對話，才能提供更有效、更貼合的體驗。無論是療癒型助理、法律助理，或是購物伴侶，這些應用程式都需要真正理解用戶，才能發揮價值。

然而，儘管個人化至關重要，目前市面上並沒有現成的解決方案可供LLM 應用進行呼叫。開發者往往必須自建各種零散系統，將使用者資料（通常以會話日誌形式）儲存起來，並在需要時檢索。結果是每個團隊都要重複造輪子，自己搭建使用者狀態管理基礎架構。更糟的是，像是將使用者互動存入向量資料庫並做檢索增強（RAG）之類的方法，只能回想起過去的對話，卻無法真正掌握使用者本身的興趣、溝通偏好、語氣敏感度等深層特徵。

Plastic Labs 帶來了Honcho，一個即插即用的平台，讓開發者能夠輕鬆為任何LLM 應用實現個人化。開發者無需再從零開始建立使用者建​​模，只要整合Honcho，就能立即獲得豐富且持久的使用者畫像。這些畫像比傳統方法更為細膩，得益於團隊借鑒了認知科學的先進技術；而且它們支援自然語言查詢，讓LLM 能靈活地根據使用者畫像調整自身行為。

透過將使用者狀態管理的複雜性抽象掉，Honcho 為LLM 應用開啟了超個人化體驗的新高度。但它的意義遠不止於此：Honcho 生成的豐富抽像用戶畫像，也為長期以來難以實現的「共享用戶資料層」鋪平了道路。

歷史上，共享用戶資料層之所以失敗，主要有兩點：

1. 缺乏互通性：傳統使用者資料往往高度依賴特定應用程式場景，難以跨App 遷移。例如，社群平台X 可能會根據你關注的人來建模，但這套數據對你在LinkedIn 上的職業網路毫無幫助。而Honcho 捕捉的是更高階、更通用的使用者特質，可無縫服務任何LLM 應用。例如，如果一款輔導應用程式發現你最適合用類比學習，那麼你的治療助理也能利用這個洞見更有效地與您溝通，儘管兩者的場景截然不同。
2. 缺乏即時價值：以往的共享層在早期難以吸引應用程式接入，因為它們並未為先行者帶來實質效益，而先行者正是產生有價值用戶資料的關鍵。 Honcho 則不同：它先解決單一應用程式的使用者狀態管理這一“一級問題”，當足夠多的應用程式接入後，網路效應自然會帶來“二級問題”的解決——新應用不僅為個性化而接入，還能一開始就利用已有的共享用戶畫像，徹底免除冷啟動痛點。

目前，Honcho 已有數百款應用在閉測候補名單中，涵蓋戒癮教練、教育伴侶、閱讀助理和電商工具等多種場景。團隊的策略是：先聚焦解決應用程式的使用者狀態管理此核心難題，再為願意參與的應用逐步推出共享資料層。這層將採用加密激勵：早期接取的應用會獲得該層的所有權份額，從而分享其成長紅利；同時，區塊鏈機制也能確保系統去中心化可信，消除中心化機構抽取價值或開發競品的擔憂。

Variant相信，Plastic Labs 團隊具備攻克LLM 驅動軟體中使用者建模挑戰的實力。團隊在開發個人化聊天輔導應用 Bloom 時，親身體驗到應用程式無法真正理解學生和其學習方式的問題。 Honcho 正是基於這項洞察誕生，正解決每個LLM 應用開發者都將面臨的痛點。