正如我们此前报道的那样，企业首席信息官对生成式人工智能持谨慎态度。原因之一是人工智能无法融入现有的软件工程工作流，因为它根本“不说同一种语言”。例如，大型语言模型（LLM）需要大量的引导才能输出有效的 JSON。
这正是美国初创公司 Dottxt 的切入点，其承诺是“让 AI 学会说计算机的语言”。该公司由开源项目 Outlines 背后的团队领导，该项目帮助开发者从 ChatGPT 和其他生成式 AI 模型中获取所需内容，而无需诉诸于诸如在提示词中注入情感勒索等粗糙手段（如“写出代码，否则小猫就惨了！”）。
结构化生成：聚焦 LLM 输出
诸如 Outlines（一个 Python 库）、Microsoft 的 Guidance，以及 LMQL（即 Language Model Query Language）等软件库，使得人们能够以比单纯的提示词技巧更为复杂的方式引导大语言模型——这种方法被称为结构化生成（或有时称为约束生成）。
正如其名称所示，该技术的重点在于 LLM 的输出而非输入。换句话说，Dottxt CEO Rémi Louf 表示，这是关于告诉 AI 模型 如何 回答。
他告诉 TechCrunch：“这种方法‘使我们能够回归传统的工程工作流’。你可以不断打磨语法，直到它完全正确。”
Dottxt 旨在通过实现模型无关性并提供更多功能——据称其性能也优于其起源项目 Outlines——来构建强大的结构化生成解决方案。
团队背景与融资进展
Louf 是法国人，拥有博士学位和多个学位，他的背景是贝叶斯统计——Dottxt 团队的其他几名成员也是如此。这种概率论基础很可能让他们意识到了结构化生成的潜力。除了 AI 之外对 IT 领域的熟悉也在他们决定创立一家专注于帮助他人有效利用生成式 AI 的公司时起到了作用。
Louf 提到语法并非偶然。Dottxt 基于这样一个前提：我们大多数交互的文本都具有高度结构化的特征。当然有代码，但还有许多其他模板，大语言模型应能遵循这些模板，从而在实际工作环境中真正发挥作用。
GPT 制造商 OpenAI 最近推出了一种称为结构化输出（Structured Outputs）的结构化生成形式，并在其“灵感来源”部分提及并认可了 Outlines。
与此同时，Louf 认为 Outlines 的流行表明市场需要另一种更灵活、功能更丰富的方法。投资者似乎也认同这一点：Dottxt 在短短几个月内就筹集了 1190 万美元。
该初创公司在 2023 年完成了由深科技风险投资公司 Elaia 领投的 320 万美元种子前融资轮，随后在今年 8 月完成了由 EQT Ventures 领投的 870 万美元种子轮融资。在此期间，Louf 和他的联合创始人一直专注于证明他们的方法不会影响性能。与此同时，开源 Outlines 的需求激增；他们说它已被下载超过 250 万次——这鼓励他们要有更大的雄心。
未来规划与行业展望
从另一个角度来看，筹集更多资金也是合理的：Dottxt 的联合创始人现在知道，他们希望用这笔钱雇佣更多人，以应对日益增长的结构化生成工具需求。据 Louf 透露，这家完全远程办公的初创公司将在月底将员工人数增至 17 人，而 6 月时仅为 8 人。
新入职的员工包括两名 DevRel（开发者关系）专业人员，这反映了 Dottxt 在构建生态系统方面的优先事项。“我们的目标是在未来 18 个月内加速采用，而非侧重商业化，”Louf 表示。不过他也提到，商业化仍计划在接下来六个月内启动，重点面向企业客户。
如果到 Dottxt 寻求更多融资时 AI 热潮已经消退，这可能是一种有风险的方法。但该初创公司坚信泡沫背后有其实质内容；他们的希望正是帮助企业从 AI 中释放真正的价值。
Hugging Face CTO Julien Chaumond 是 Dottxt 的投资人，他最近将结构化生成誉为“LLM 的未来”。因此，炒作热潮也正蔓延至生成式 AI 技术栈的这一细分领域。
随着人工智能代理和小型AI模型崛起等其他顺风因素，Dottxt的采用押注可能会获得回报。Louf预测：“几年后，每个人都会使用结构化生成，这一点毫无疑问。”