简介:现有主动式AI助手大多只能在单一步骤层级上给出指导,既无法判断任务完成进度,也无法根据用户熟练度调整描述粗细。本文系统介绍"指令颗粒度"这一核心概念,拆解阶段、步骤、动作三级任务结构,说明多层级指导数据的设计原理,并给出该能力在辅助教学、设备运维、远程协作等场景中的应用思路与落地注意事项,帮助开发者理解如何构建真正"懂进度"的主动式智能体。
指令颗粒度(Instruction Granularity),指的是AI助手在为用户提供指导性信息时,对操作动作进行描述与拆解的详细程度。颗粒度越细,AI给出的描述越贴近具体的物理动作或单次操作(例如”将刀刃贴住葱段,手腕下压切成小段”);颗粒度越粗,描述越接近任务目标或阶段性目的(例如”开始准备配料”)。
颗粒度并非简单的”详细与否”,而是一个连续谱系。为了便于建模,学术界和工程界普遍将其组织为一个层级化结构:
三者的关系是嵌套而非并列:一个阶段由若干步骤构成,一个步骤由若干动作构成。主动式AI助手要”像人一样指导”,就必须同时具备在这三个层级上生成、理解和切换指导的能力。
当前的主动式AI助手(例如跟随摄像头实时指导用户完成程序性任务的系统)通常在一个预设层级上工作,由此产生两个典型的失效场景:
这一问题背后是数据集的结构性缺陷:现有的程序性任务指导数据集大多只覆盖”步骤”这一层级,既缺少向上通往阶段目的的上下文(不知道这一步属于哪个子目标),也缺少向下通往具体动作的证据(没有进度判定的依据)。巧妇难为无米之炊,缺乏多层级标注的数据,训练出的模型自然只能在单一层级上”打转”。
解决思路是构建多层级结构化数据集,将任何一个程序性任务统一拆分为”阶段—步骤—动作”三级。每条数据不仅记录指导语句,还记录其所属层级、上下文以及上下级之间的从属关系。
以”意大利蒜香橄榄油面”这类简单菜品的制作为例,其层级骨架大致如下:
| 层级 | 内容示例 |
|---|---|
| 阶段 | 制作蒜香酱汁 → 煮制面条 → 混合装盘 |
| 步骤 | 阶段一包含:热油、下蒜末、撒入胡椒、加入少许面汤搅拌 |
| 动作 | 步骤”下蒜末”包含:取出蒜瓣、剥皮、切片、拨入锅中 |
在这种结构下,AI可以实现三种关键能力:
从训练角度看,这相当于让模型学习一个条件化生成问题:给定用户当前状态、任务上下文和用户画像,选择最优的指导层级并生成相应文本,而不是无条件地输出固定格式指令。
一个多层级主动式指导系统,其运行时逻辑可以用伪代码概括:
输入:任务层级图(阶段→步骤→动作)、用户当前观测状态、用户熟练度循环:1. 证据聚合:将底层观测(动作完成情况)向上汇聚,推断当前步骤/阶段的完成度2. 层级选择:若新手或当前步骤卡住 → 降级到动作层;若熟练或步骤即将完成 → 升级提示下一阶段3. 指导生成:在选中层级上生成包含"目的+操作"的提示(如"开始做酱汁(阶段):请先往锅中倒入食用油(动作)")4. 等待反馈:观测执行结果,更新进度状态
这一范式的本质,是把”教学指导”建模为一个部分可观测环境下的分层决策过程:高层决定”教什么”,低层决定”怎么教”,而进度证据是连接两层的信息桥梁。
指令颗粒度描述的是AI指导用户对动作进行描述的粗细程度;真正的主动式指导能力,不在于说出多么详细的步骤,而在于能在”阶段—步骤—动作”三级结构之间自由穿梭:用阶段解释目的,用动作验证进度,并根据用户水平动态选择输出层级。对于希望构建实用型AI助手的开发者而言,多层级数据结构与进度证据机制是绕不开的基础设施;理解了这一点,也就理解了为什么”会告诉用户把葱花切好”远远不够,AI必须同时知道这一步属于哪道菜、做到什么程度算完成。