实测微信小微：一个“生在微信里”的AI，边界在哪里

34 0 0

文章摘要

微信近期灰度内测了原生AI助手小微，该助手基于腾讯自研大模型并部分调用外部模型，深度接入微信的聊天、小程序与支付体系。通过系统实测发现，小微在单链路短任务中表现出较好的参数填充能力，但在涉及最终决策或复杂交互时仍依赖用户手动介入。例如在点咖啡或打车场景中，它能准确调起小程序并完成基础设置，但均止步于付款或最终确认环节。此外，群聊与朋友圈总结功能能够有效提取关键信息与情绪标签，但存在成功率波动及数据获取时间范围的限制。

当面对复合指令与长链路任务时，小微的能力边界开始显现。在处理多任务打包指令时，系统容易出现上下文污染与状态隔离失效，导致子任务的完成质量呈现明显的梯度下降。在拉长操作链路时，如预订酒店或购买高铁票，小微的自动完成度随链路延长而显著衰减，尤其在面对筛选面板或表单等复杂控件时往往被迫退守。这主要源于其采用程序化交互路线操控小程序，虽保障了安全性，但受限于第三方接口的开放程度，难以实现全自动化操作。

在应对任务失败时，小微展现出两套不同的反馈机制。对于触及产品设计红线的请求，它会给出结构化的明确拒绝并提供替代方案；而对于因工程实现能力不足导致的失败，则倾向于使用模糊化的兜底话术归因于外部系统。这种差异反映了其在产品设计与技术实现层面的不同考量。

总体而言，小微目前的底层模型能力过硬，但任务编排架构与状态管理框架仍存在系统性短板，使其目前更像是一个及格线水平的助手。其当前的表现并非追求全能，而是基于现实技术条件与生态协调成本的务实权衡。“浅层桥接”的定位决定了小微离真正的深度集成还需要时间，而在庞大的用户规模下，微信现阶段更需要的是一个不出错、可预期且边际成本足够低的AI中间层。