90%
90 天后的用户留存率
53%
AI 生成的草稿中未经修改即获采用的比例
对许多职场人士来说，工作意味着要在收件箱、会议、消息和应用之间持续跟进各种对话与承诺事项。如果没有牢靠的上下文支撑，这些承诺就可能被遗漏，进而损害项目和人际关系。
Fyxer 打造了一款 AI 高管助理，可以在工作跨越不同工具推进时持续跟进相关脉络。它将最新的 OpenAI 模型与超过 50 万小时的高管助理工作流程相结合，把工作分配给数十个专用模型，并通过真实用户反馈持续改进。
电子邮件是最能清晰展现其实际运作方式的场景之一。两个人即使收到同一封邮件，也可能因为各自与发件人的关系、此前的往来以及各自想要实现的目标不同，而需要截然不同的回复。因此，这项看似简单的任务对 AI 而言其实异常困难。
Fyxer 联合创始人 Archie Hollingsworth 解释道：“有一种现象叫作莫拉维克悖论 (Moravec’s paradox)。人类觉得简单的事情，对计算机来说很难；而计算机觉得简单的事情，对人类来说却很难。”Fyxer 通过学习每位用户的工作方式来应对这种复杂性，从而像一位早已了解轻重缓急的助理一样作出回应。
OpenAI 前沿模型为这套体验的关键环节提供支持，从理解邮件、查找正确的上下文，到生成草稿。Fyxer 选择 OpenAI，是因为其模型在 Fyxer 的内部基准测试中表现最佳，能够针对语气和意图等主观任务提供强大的微调能力，还能通过白板讨论和技术协作提供工程支持。
“我们选择 OpenAI，是因为他们拥有最出色的模型，而且让我们能直接与他们深入合作，建立紧密的合作关系。我可以在 Slack 里随时提问，很快就能得到答复；遇到问题时，他们的团队还会来到我们的办公室，与我们一起解决。他们真的会到场支持。”
对于正在构建高度依赖上下文的 AI 产品的创始人，Fyxer 的方法提供了三点启示：
Fyxer 围绕 30 至 50 个专用模型构建了系统，每个模型分别负责邮件工作流程中的一个细分环节。Fyxer 并未将电子邮件视为单一的文本生成任务，而是把问题拆解成一套预测系统，例如判断一则消息是否需要回复，或生成符合用户语气和上下文的回复。
Hollingsworth 解释道：“将问题拆分给多个更小的模型，远比要求单个模型写好一封邮件有效。”
新邮件到达后，回复决策模型会对其进行分类：它是否需要回复、安排日程，还是只需呈现给用户作为参考？
如果需要回复，其他模型会分析邮件意图，并预测这次互动可能产生的结果。这些模型会判断对话是否呈现出某些趋势，例如转向安排会议、解决请求，或延续更长期的关系脉络。
记忆是该系统最重要的组成部分之一。Fyxer 需要判断哪些细节应跨对话保留，哪些内容应在单次交流后消失。新邮件到达后，检索模型会将其与已存储的互动进行比较，并找出与相关人员和对话脉络最相关的记忆。
OpenAI 模型为 Fyxer 系统中的各个环节提供支持。Shantsila 表示：“从消化邮件内容以了解其真正主旨，到提取并重新排序我们希望纳入的上下文，再到实际生成邮件，我们在每个环节都使用 OpenAI 模型。”
在推出 AI 产品之前，Fyxer 已经运营了多年由真人提供服务的高管助理业务。随着时间推移，该团队积累了一个数据集，其中包含超过 50 万小时带标注的高管工作流程，记录了真人助理如何处理职场沟通。
这些示例为 Fyxer 提供了直接源自实际工作的训练数据。它们捕捉到了优质回复背后的细微判断：何时应迅速答复、何时应等待、哪些过往对话至关重要，以及面对同一请求时，如何根据不同对象给出不同回应。
Fyxer 在更广泛的系统中采用监督微调和低秩适配 (LoRA)，在控制训练成本的同时创建针对特定任务的模型变体。在产品开发初期，该团队针对需要高准确率的任务使用了 OpenAI 的微调平台。近期，Fyxer 与 OpenAI 的托管微调团队合作，将一个新的检查点投入了生产环境。
“OpenAI 对我们至关重要，帮助我们将对客户的了解有效迁移并融入模型的工作方式中。”
部署任何模型之前，Fyxer 都会使用围绕自身邮件任务构建的验证集对其进行评估，包括草稿撰写、分类和优先级排序。由于不同任务的最佳选择可能不同，该团队会综合权衡准确率、响应时间和成本。
部署后，Fyxer 的系统会继续通过真实用户反馈不断改进。当用户发送邮件前修改草稿时，初稿与最终邮件之间的差异就能反映出他们偏好的输出。
Fyxer 使用直接偏好优化 (DPO)，将这些对比转化为训练数据。模型无需人工标注每个示例，而是从成对的输出中学习：原始草稿和经用户编辑的版本。
之后，每项草稿生成改动都要经过 A/B 测试。只有在新版本带来具有统计显著性的改进时，Fyxer 才会发布该版本。由于用户规模庞大，该团队有时一天内就能达到这一门槛。
目前，Fyxer 生成的 AI 草稿中有 53% 无需修改即可获采用。这意味着，在很大一部分真实对话中，系统都能准确预测意图和语气。仅在 2025 年，Fyxer 的年度经常性收入就从 100 万美元增长至 3,200 万美元。
对 Hollingsworth 而言，留存率是更有力的指标。许多 Fyxer 客户并不具备深厚的技术背景；对部分客户而言，Fyxer 是他们首个每天都会使用的 AI 系统。
“大家都在谈年度经常性收入，但我认为留存率才是真正值得展示的成绩。使用满 90 天后，我们仍有超过 90% 的用户继续付费，而且每天都在使用我们的产品。”
展望未来，Fyxer 正在进一步深化对人际关系、个人偏好和持续推进的工作脉络的理解。其助理正不断突破回复草稿的范畴，向功能更全面的 AI 助理演进，为用户承担更多沟通与协调工作。
Hollingsworth 表示：“我们的愿景是让客户尽可能多地投入自己真正热爱的工作。我们希望最终让他们无需再打开电脑，可以放心地把这一切都交给 Fyxer 管理。”
