我真的认为在接下来的六个月里，我们将迎来一些我们最好的作品。
过去一年，我们开始在 PostHog 中构建更多人工智能驱动的功能，例如我们的AI 安装向导、 PostHog AI和MCP 。它们都非常受欢迎，但这仅仅是个开始。
PostHog的下一个发展阶段是打造更主动、更自主的产品。这些产品能够为你提供答案和解决方案，并根据这些答案和解决方案采取行动，而且会随着时间的推移而不断改进。
这就是PostHog Code的愿景，它目前处于测试阶段。为了实现这一愿景以及更多类似的产品，我们希望尝试一些新的方法。
我们希望使用 PostHog 中的数据训练模型。
我们想要建造什么
我们有两个目标：
- 让我们的现有产品更智能、更主动、更有用。
- 打造像 PostHog Code 这样全新的产品，帮助团队更快地打造更好的产品。
我们首先关注的是会话回放分析。PostHog AI 目前已经能够检测回放中的问题，但成本高昂且扩展性不佳。我们希望回放分析在大规模应用时也能像诊断单个用户问题时一样高效，我们认为，基于回放底层数据训练的模型将有助于我们实现这一目标。
我特别兴奋的另一个想法是合成用户测试——也就是利用我们对用户行为的了解，在产品上线前识别用户可能遇到的困惑或流程可能出现的问题。随着编码模型的改进，许多人发现测试和评审的工作量大幅增加。我们希望实现自动化，让您可以专注于产品本身。
而且，如果我们能更准确地预测用户行为，就能针对您已发布的功能提出改进建议，从而提高转化率并减少用户挫败感。如果我们能帮您实现这项工作的自动化，您就能减少手动分析的时间，并在此过程中消耗更少的代币。
我们目前的想法还处于实验阶段。我们需要不断迭代，才能找到有效的模型训练方法，以及哪些数据真正有用。但到目前为止，每次我们以简化或增强产品功能的方式添加人工智能时，效果都很好，所以我们认为值得一试。
这将如何运作？
我们花了很多时间从用户的角度思考这个问题，特别是权衡利弊的问题。
好处在于上面提到的那些改进。
大多数工具都致力于提供最佳代码；而我们希望将精力集中在如何让你的产品达到最佳状态。这就是为什么我们将PostHog Code定位为产品编辑器。
缺点是这涉及到使用 PostHog 中的数据来训练模型。
大多数公司会将这项变更隐藏在看似枯燥乏味的条款和条件更新中，但我们重视透明度，因此我们以便于互联网理解的编号列表的形式列出您需要了解的内容：
- 我们欧盟云实例上的用户默认选择退出。
- 同样的情况也适用于那些签订了禁止培训协议（例如 BAA、MSA 或类似协议）的用户。
- 我们美国云实例上的所有其他用户默认都已选择加入。
- 我们将对所有数据进行匿名化处理，然后再用于训练。
- 我们将仅使用您 PostHog 实例中已存在的数据。
- 我们将自行完成所有模型训练，这意味着……
- 我们不会将您的数据出售或发送给第三方模型提供商。
- 您可以随时通过PostHog 中的组织设置选择退出（需要管理员权限）。
- 训练要到6月29日才开始，所以还有充足的时间做决定。
在沟通方面，我们：
- 我们向所有客户发送电子邮件，邮件内容要非常明确地说明。
- 我们会通过应用内通知通知所有用户（以防您不查看电子邮件）。
- 我们将以非常公开的方式（例如在这篇文章中）传达我们的计划。
我想强调的是，我们的目标是改进 PostHog 这款产品，使其更好地服务于我们的客户，而不是公开或出售用您的数据训练的模型，或者将您的数据货币化。
为什么这是选择退出，而不是选择加入？
简而言之，否则我们将没有足够的数据来训练一个真正有用的模型。
如果您选择退出，我们将无法使用这些模型构建的新功能，因为这些功能依赖于这些数据。
如果您默认选择退出（例如，因为您使用的是我们的欧盟云实例），您可以手动选择加入，前提是您与我们之间的任何法律协议没有排除此选项。
我们选择坦诚相告，而不是悄悄推出，因为我们认为这才是正确的做法。
如果你想谈论这件事，我叫詹姆斯，你应该能猜到。
我们也在招聘人工智能研究人员，如果您想和我们一起从事这项工作，请与我们联系。