跨国深谈← 返回←智能体网站：为每一个人实时生成的超个性化网页

智能体网站：为每一个人实时生成的超个性化网页

关联

人物 Carlos Sanchez

公司 Cerebras · Adobe Experience Manager · Adobe

概念 智能体网站 · 超个性化 · 推理 · Gemma 4 · PromptFoo · OneLabs · LLM

一个网站同时服务所有访客、内容千人一面——这套沿用多年的做法正在被推翻。这一集的主角是 Adobe 的首席科学家，他负责的产品是很多人没听过的 Adobe Experience Manager(内容管理系统，为大品牌运营网站和数字资产)。

他现场演示了他们正在构建的「智能体网站」：网站能识别每个浏览者的意图，实时为他单独生成页面，生成一个页面只要约 1.1 秒。他反复强调一句话：这在今天已经可能了，而且只会更快、更便宜。

什么叫「一个人的受众」

营销人一直梦想为每个个体做个性化，他们把这个项目叫做「一个人的受众」(audience of one)。目标很明确：判断浏览用户是谁、想达成什么，然后实时为当前这个人个性化页面，最终带来更高的参与度或转化率。他们要解决的正是「一个网站适合所有人」这个老问题，同时帮客户免掉人工创建成千上万个页面变体的苦差，全部交给 AI。

一个关键设计决定：不生成整站，只个性化部分区块。营销团队有严格的品牌指南，整站生成容易出幻觉；所以被定制的是网站的不同区块——hero 卡片、产品推荐、博客信息流、导航、行动号召按钮等，而生成内容以全站为语料库做检索增强(RAG,即让模型基于既有文档而非凭空作答)，保证内容有根有据。

为什么选 Cerebras:快就是转化

个性化页面必须快——他们给自定的硬约束是页面生成不能超过一两秒，因为「网站越快，转化越多」是被反复验证的。于是模型选型看两个指标：准确性之外，更要速度。他们用 PromptFoo(一个可以针对多家模型提供商批量评估提示词和模型的开源工具)持续跑评估：同一套 15 个提示词，在大量模型和提供商上测准确性和延迟。

结果差距悬殊：用 Cerebras 跑 Google 的 Gemma 4 模型，生成一个页面平均延迟 1.1 秒；第二名是 4.6 秒。现场实测：整页生成含一次 LLM 往返，其中 LLM 部分约一秒，吞吐达到每秒 2,200–2,300 token——他说这是「以前做梦都不敢想的速度」。

还有个反直觉的判断：这件事不需要大模型。因为要做的只是生成文本、决定区块怎么排布，不需要大量世界知识，小而快的模型反而更合适。评估也没有一次定终身——不同网站规模、行业、电商类型的要求不同，需要按站点持续跑模型评估，足够快、「够好但不追求完美」的小模型就是正确选择。

演示：浏览信号如何变成定制页面

整套架构分三层：浏览器端采集用户信号；后端(部分跑在 Google、部分在 Cloudflare)调用 LLM、基于全站 RAG 做推理生成；Adobe Experience Manager 在边缘提供页面和静态内容，外加向量数据库和推理设施。

现场演示用的是一家咖啡机公司的全生成式示例站点。他像普通用户一样浏览、看故事、看产品，一个调试面板实时显示采集到的信号：用户被归类为「探索型」，访问过哪些页面、每页停留多久，这些数据全部喂给 LLM。随后他搜「我想找一台露营时能煮咖啡的咖啡机」，一秒多后返回的整页都是为他刚生成的：文案写着「露营不应意味着妥协」，推荐的全是适合露营的机型。

两类个性化场景值得区分：即时搜索页必须快到一两秒，因为用户在等；而「为你推荐」(For You)页面可以预生成——用户浏览时持续收集信号、后台生成，等他点开时内容已备好甚至可预取。后者对速度要求低，但要注意多次生成、多次 LLM 调用的成本。

搜索查询还会被归组成画像或意图类型(想买东西 vs 只想了解信息)，分几组、怎么对待每类客户由营销人员决定，AI 负责为每组人选内容、排区块——营销人员甚至可以直接用自然语言定义策略，再用分析数据驱动个性化循环不断改进。产品对比页也能按需生成：判断出用户在两个选项间犹豫时，即时给他一份量身定制的并排对比。

附赠玩法：给任何网站一小时内造一个智能体站

他们还做了个工具(OneLabs):输入任意 URL,不到一小时就能生成一个对应的智能体站点，专门用来给客户做演示。他上周拿 AI engineering 的站点试了——生成出来的站就一个搜索框，搜「欧洲 AI 会议」就得到一份聚焦欧洲会议的定制页面。

最后一个把思路推到极致的演示：私人助手 + 生成式站点。他在客厅用 Google TV 语音说「我想买一台咖啡机」，电视上立刻出现一个完全针对这句查询生成的购买页面——不需要手机、不需要电脑，只靠声音和一个能实时呈现个性化内容的东西。至于「网页已死」的争论，没人知道答案，但他认为这类意图驱动、逐人生成的体验，正是网页还能走下去的一条路。

本集带走

• 只个性化区块，不生成整站：营销有品牌红线，生成内容必须以全站为语料库(RAG)锚定，定制范围限定在 hero 卡片、推荐、导航等局部。
• 速度是硬指标：页面生成控制在 1-2 秒内；Cerebras + Gemma 4 实测平均 1.1 秒、每秒约 2,300 token,比第二名 4.6 秒好一个量级。
• 这类任务用小模型就够了：只是排布文本和区块，不需要大模型的世界知识；不同站点要求不同，用 PromptFoo 之类工具按站点持续评估、选「够快够好」的模型。
• 区分即时与预生成：搜索结果页必须实时；推荐页可以后台预生成、预取，但要算清多次 LLM 调用的成本。
• 意图分组交给营销定义：分几类画像、每类怎么对待由营销人员用自然语言定，AI 按组选内容，再用分析数据闭环改进。
• 一个站点一小时可复制：输入 URL 即可生成对应的智能体演示站，这条路径已可规模化。