字节跳动的同学，真的超级爱研究新技术。

一有什么新技术出现，大家就纷纷去探索、组团实践。

拿最近热门的 AIGC 来说，不管是业务需求，还是私下探索，不少人都把这些能写会画的 AI 引进了公司。

这下可是造福了字节同学，大家开始让 AI 查资料、写代码、做方案、写文章……甚至真的可以用在工作上。

ChatGPT 飞书机器人

工作岗位

全能助理

毕业院校

字节程序员派大星的服务器

擅长领域

· 查资料

· 写代码

· 写方案

联系方式

字节同学飞书搜索「ChatGPT」

飞书上的 ChatGPT 机器人就帮字节同学们解决了一些问题。

它的出现源于字节程序员派大星的一次灵感突发。

那时，ChatGPT 刚刚横空出世，派大星把它接入了微信，放在群里和朋友们一起聊天。

这个接入微信的版本被他放在了 GitHub 上，第二天就攀升到了全站热榜第一名，现已积攒 9300+ star。

后来，因为字节内网同学们热烈的讨论 ChatGPT 应用，他看到了大家强烈的需求，于是研究了飞书机器人的接入文档，完成了飞书机器人版本，发给了几位研发同学试用：

“挺简单的，我只是拿 GitHub 上的东西改了改，一个晚上就搞定了，唯一的成本是一台放我自己家里的服务器。”

然后真的有字节同学用它来办公了。

· 写代码

字节同学：

“帮我写一个 golang 的通用函数，判定入参的切片是不是一个空切片”

ChatGPT 飞书机器人：

func IsSliceEmpty(slice interface{}) bool {if slice == nil {return true}v := reflect.ValueOf(slice)if v.Kind() != reflect.Slice {return true}return v.Len() == 0
}

· 查资料

字节同学：

“推荐几篇最重要的Generative AI的论文”

ChatGPT 飞书机器人：

“1. Generative Adversarial Nets：https://arxiv.org/abs/1406.2661

2. Variational Autoencoders：https://arxiv.org/abs/1312.6114

3. An Introduction to Variational Autoencoders：https://arxiv.org/abs/1606.05908

4. Generative Modeling with Generative Adversarial Networks：https://arxiv.org/abs/1511.06434

5. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks：https://arxiv.org/abs/1511.06434

6. Generative Adversarial Text to Image Synthesis：https://arxiv.org/abs/1605.05396

7. StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks：https://arxiv.org/abs/1612.03242

8. Generative Adversarial Network for Image Deblurring：https://arxiv.org/abs/1711.07064

9. Generative Adversarial Networks for Image Translation：https://arxiv.org/abs/1611.07004”

· 写文案

字节同学：

“我是一个自媒体账号编辑，准备做一个针对我们账号的读者调研，参与调研的读者可以抽奖，奖品是一本书。请帮我写一篇文章，号召读者们来参与调研、填写调研问卷”

ChatGPT 飞书机器人：

“Dear valued readers, We are conducting a survey to better understand our audience and improve our content. By participating, you'll have the chance to win a book! All you need to do is fill out our survey questionnaire. Your feedback is essential in helping us provide the best experience for you. Thank you for your support and we look forward to hearing from you soon. Sincerely, [Your media account name]”

（ChatGPT 又开始说母语了，以下是飞书机器翻译）

“亲爱的读者， 我们正在进行一项调查，以更好地了解我们的受众并改进我们的内容。通过参与，您将有机会赢得一本书！您需要做的就是填写我们的调查问卷。您的反馈对于帮助我们为您提供最佳体验至关重要。感谢您的支持，我们期待尽快收到您的来信。真诚的，【您的自媒体账号名称】”

这让派大星收获了一些感谢信：

看来，真的有字节同学指挥它完成工作。

其实，不只这一个飞书机器人，据字节跳动技术范儿编辑部不完全统计，公司内的 ChatGPT 飞书机器人至少有 5 个。它们五个都是研发同学空闲时间自发创造的结果。

不会画画机器人

工作岗位

插画师

毕业院校

中视频产品经理丁凯乐的电脑

擅长领域

设计插画

联系方式

字节同学飞书搜索「不会画画机器人」

校招产品经理丁凯乐，一直热衷于开发飞书机器人。

大二在字节跳动实习时，计算机专业在读的他就已经学完了飞书机器人的开发文档，并且完成了一个对话机器人的部署。

2022 年毕业后，正式入职的他决定再接再厉，再做一个新机器人。没错，在字节跳动，即使你不是程序员也可以自己造一个飞书机器人。

当时，text2image 相关技术火了起来，输入文字，便能自动画画。

丁凯乐轻车熟路的把可以根据文本生成图像的开源模型 DALL·E 2 接入了飞书，做成了机器人。

看看效果吧。

prompt：“一只胖橘猫正在吃小鱼干”

prompt：“人类指挥 AI 工作”

prompt：“傻傻的橘猫”

现在，已经有 500 多位字节同学用它画出了 1500 多幅画，不少设计师同学都感到瑟瑟发抖：

“它……应该是拿你输入的文字去搜索的素材吧？不是现画的吧？对吧？”

让我们祝愿他们早日掌握 prompt 技巧。

火山写作

工作岗位

英文文字校对编辑

毕业院校

火山引擎

擅长领域

· 拼写、语法、大小写纠错

· 润色英文文章，提供更好的短语表达

· 改写英文文章，基于原意给出更丰富的表达

联系方式

https://www.writingo.net/document

或者直接搜索「火山写作」，非字节同学也能用

火山写作是一个英语写作助手。

简单来讲，你把文章复制进去，它就会像英语老师一样批作文。

它会给你批注拼写、语法错误，顺便告诉你：

“这个句子用这样的表达更好哦。”

它不仅可帮你完成论文、沟通邮件、工作文档的写作，甚至有人在备考雅思的时候用它来练习写作文，最后作文 7 分通过。

在字节跳动，程序员用它批改论文，国际化业务同学用它批改英文文档，还有人用它指导女儿写英语作业。

最特别的是，有一位男同学给身在海外的女生写信告白，用火山写作给自己修改：

（红色为火山写作的修改意见）

这样的能力并不是一蹴而就的，算法同学永建对模型进行了好几次迭代。

永建刚开始觉得用一个较小的模型就可以实现了，但效果并不好：

修改不同的人写的文章、不同场景下的文章，只用一个小模型搞定太难了。

比如 besides/as well as/additionally 这种表达，模型都给改成了 in addition to ——因为模型太小，它无法学会太多元复杂的表述；

再比如，所有单词的首字母都改成大写了，模型学不会英文的大小写。

永建决定：换更大的模型，并且收集更多来源的数据。这才终于实现线上可用的版本。

模型变大了，会很费算力么？永建说：

“其实也没有很大，因为只改句子用不到那么多功能，参数只有业界最大模型的 1% 都不到。”

在技术与功能的背后，火山写作其实是一个字节跳动内部创业团队。

永建此前在做商业化业务的算法工作；产品经理小舒原本是一家互联网金融公司的 PM，看到智能写作的前景决定加入进来；运营同学阿楠此前其实是字节跳动的 HR，转岗加入创业团队。

在字节跳动，许多产品都是由这样不同背景的同学完成的，但只要足够有潜力、本质优秀，就能一起激发创造。

Codeverse 代码生成插件

工作岗位

软件开发工程师

毕业院校

字节跳动代码智能团队

擅长领域

· 代码补全，目前可达到 10% 的采用率

· 编写单测用例

联系方式

字节同学 Wiki 搜索「Codeverse」

数据科学专业毕业、校招加入字节跳动一年后，刺客57同学成了 Codeverse 的第一个程序员。

这个产品是为了让研发同学可以更方便地熟悉公司组件库的调用，在代码实践中掌握更高的编程技巧。

刺客57做了两三个月，完成了最早能用的 MVP 版本：

“预测代码就是基于 GPT 这种大规模语言模型和 seq2seq 的技术，预测你接下来的 token。跟 NLP 差不多，毕竟代码某种意义上也是一种语言。”

它可以实现自动填充代码：

自动帮你写注释：

改代码的过程中，它也会随时推荐你可能要用的代码：

自动生成测试函数：

现在，字节跳动内部已有几百位研发同事在指挥 Codeverse 生成代码，而刺客57所在的技术团队也在研究更多帮助程序员工作的相关技术：静态检测、重复代码识别……

不想写结尾了，以后字节跳动技术范儿的文案就交给 AI 来写吧。