Fyxer如何建立一个AI的执行助理 人民信任
原题:How Fyxer built an AI executive assistant people trust
内容导读
Fyxer使用OpenAI模型,微调,内存,以及真实的用户反馈来组织每个用户语音的收件箱和邮件草稿.

全文阅读
来源:OpenAI即会翻译
2026年9月14日 (中文(简体) ).
启动Fyxer如何建立一个AI的执行助理 人民信任
Fyxer配对了OpenAI模型,拥有50万+小时的EA工作流程,以及真实的用户反馈,以每个人的语音起草答复.
90%
90天后保留用户
53%
AI生成的草案,被接受为书面
对许多专业人士来说,工作意味着要跟踪各种收件箱、会议、信息和应用程序的对话和承诺。没有坚固的环境,这些承诺就可能落到裂缝中去,破坏项目和关系。
Fyxer)建立了一个AI执行助理,随着工作跨工具的移动而跟随线程.它结合了最新的OpenAI模型和超过50万小时的执行助理工作流程,将工作分成了数十个通过真实用户反馈改进的专业模型.
电子邮件是最清晰的 行动地点之一。两人可以收到相同的电子邮件,需要完全不同的答复,这取决于关系,之前发生的事情,以及每个人试图做的事情.这使得一个看起来很简单的任务对大赦国际来说是难以想象的。
“有些东西叫做莫拉韦克的悖论,“人类发现容易的事情对计算机来说是困难的,而计算机发现容易的事情对人类来说是困难的。” 费克瑟通过学习每个用户如何工作来处理这种复杂性,因此它可以像一个已经知道什么才是重要的助手那样作出反应。
Frontier OpenAI模型支持经验的关键部分,从理解电子邮件和找到正确的背景到生成草稿.Fyxer选择OpenAI是因为其模型在Fyxer内部基准上表现最好,为基调和意向等主观任务提供了强大的微调能力,并通过白板会话和技术性协作提供亲身操作的工程支持.
我们之所以选择OpenAI, 是因为他们有最好的模式,我可以在Slack中抛出一个问题并迅速得到答案,当我们面对一个问题时,队伍来到我们的办公室,与我们一起工作.他们出现了。”
Fyxer的方法为创始人建立高度背景化的AI产品提供了三门课程:
1. 国家将电子邮件打入较小的工作
Fyxer在30到50个专业模型左右建立了它的系统,每个模型负责电子邮件工作流程的狭义部分.Fyxer 将电子邮件作为单一的文本生成任务, 而不是将问题分成一个预测系统, 比如决定消息是需要回复, 还是需要起草符合用户语气和上下文的回复 。
“把问题打入许多较小的模型比要求一个模型写好电子邮件要好得多。” Hollingsworth 解释说,
当一个新的电子邮件到达时,一个回复决定模型将消息分类:这是需要响应的还是需要调度动作,还是仅仅是用户应该看到的信息?
如果需要回应,则会有其他模型分析电子邮件的意图并预测互动的可能结果.这些模型决定了各种模式,例如对话是向会议时间安排、解决请求,还是继续一个较长的关系线程。
记忆是系统最重要的部分之一.Fyxer需要决定哪些细节应贯穿于对话中,哪些细节应在一次交流后消失.当一个新的电子邮件到达时,检索模型将它与存储的相互作用进行比较,并浮出与那个人和线程最相关的记忆.
OpenAI模型跨Fyxer系统的动力步骤.“我们用OpenAI模型来消化电子邮件, 这样我们就能理解它的实际内容,
2. 国家如何训练伟大的助手 如何实际工作
在推出AI产品之前,费克瑟花了好几年时间经营由人力驱动的执行助理服务.随着时间的推移,团队积累了从超过50万小时的附加说明的执行工作流程所构建的数据集,捕捉出真实的助理如何管理专业通信.
这些例子提供了从该工作本身中抽取的Fyxer培训数据。他们捕捉到一个良好反应背后的小判断:何时迅速回答,何时等待,哪些更早的对话很重要,同样的要求如何可以要求一个人对另一个人作出不同的反应.
Fyxer在其更广泛的系统中使用有监督的微调和低Rank适应(LORA),在控制培训费用的同时,创建任务特定的模型变体.在产品开发初期,团队使用OpenAI的微调平台执行需要高精度的任务.最近,Fyxer与OpenAI管理的微调团队合作,将一个新的检查站投入生产。
“开放AI对我们帮助我们转移我们对客户的学习并成功地将其纳入模型的运作方式至关重要。”
Fyxer在应用任何模型之前,会根据围绕自己的电子邮件任务构建的验证集来评价它,包括起草,分类,和排列优先次序.团队在反应时间和成本的同时权衡准确性,因为最佳选择可能因工作而异.
3个P-4将用户反馈转换为自我培训循环
Fyxer的系统一旦投入使用,通过真正的用户反馈不断得到改进.当有人在发送前编辑草稿时,原始邮件和最后邮件之间的区别会显示他们喜欢的输出.
Fyxer使用直接偏好优化(DPO)将这些比较转换为培训数据.模型不手工地给每个实例贴上标签,而是从一对出品中学习:原稿和由用户编辑的版本.
然后,每个起草修改都要经过A/B测试。Fyxer在新版本上船时,必须作出统计上显著的改进。其用户量表示团队有时可以在一天内达到这个阈值.
今天,53%的FyxerAI生成的草稿被接受为书面.也就是说,系统正在正确预测大量真实对话的意向和语气.仅2025年,费克瑟每年的经常性收入就从100万美元增长到3200万美元.
对霍林斯沃斯来说,更强大的信号是保留.许多Fyxer的客户不具有很深的技术性,对有些人来说,Fyxer是他们每天使用的第一个AI系统.
“每个人都谈到ARR,但我认为保留才是真正的弹性。超过90%的用户仍在与我们共度90天的岁月,
从草稿到主动助理
展望未来,费克瑟正在构建对关系,偏好和持续的工作线的更丰富的理解.他们的助理继续发展,不再局限于起草答复,而是成为一个更广泛的AI助理,能够管理更多的用户的沟通和协调工作量。
“我们的愿景是让我们的顾客做他们绝对爱的工作。”我们想让他们去一个 永远不用打开电脑的地方 并且可以信任费克瑟来管理这一切。
OpenAI < 3 启动
继续读

启动Sep 23, 2026

启动Sep 22, 2026

启动Sep 21, 2026
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。