你是否也曾有过这样的困扰：拥有一个积累了多年、曲目过百的歌单，却难以找到当下心境所需的那一首歌？在成百上千首歌曲中盲目滑动，如同大海捞针。这篇文章将带你深入了解Wawes，一款利用大模型技术驱动的语义搜索引擎，它旨在彻底改变我们与音乐的互动方式，让个性化播放列表的管理和发现变得前所未有的高效和智能。Wawes不仅仅是一个工具，它更代表着一种利用人工智能赋能音乐体验的未来趋势。
音乐语义搜索：告别盲目滑动
传统的音乐搜索方式往往依赖于歌曲名、歌手或专辑等关键词，这在曲库庞大且需求场景复杂的今天显得捉襟见肘。Wawes的核心价值在于其强大的语义搜索能力。它允许用户使用自然语言描述自己的心情、场景或对音乐的模糊印象，例如“适合雨天的chill音乐”或“充满活力的健身歌曲”，而无需精确记住歌名或歌手。这背后得益于大模型对自然语言的深刻理解和对音乐情感的敏锐捕捉。
试想一下，你正在开车，想要一首“适合公路旅行的欢快歌曲”。如果使用传统搜索，你需要回忆并输入可能的歌名或歌手，这在驾驶过程中显然不安全。而有了Wawes，你只需语音输入描述，它就能迅速从你的歌单中找到符合条件的歌曲。这种场景化的搜索体验，极大地提升了音乐的可用性和便捷性。
大模型驱动：技术架构解析
Wawes的早期版本（MVP）巧妙地利用了现有大模型的知识库来实现语义搜索。其基本原理是，大模型扫描用户的播放列表，并根据其对语言的理解，将用户的查询与相关的歌曲或视频进行匹配。虽然这种方法相对简单，但足以验证概念的可行性。
文章作者也提到了未来更高级的架构设想，即利用BERT将歌词转化为embedding（可以理解为文本的数值指纹），并使用Hugging Face上的Transformers将音频转化为embedding。这些embedding将被存储在VectorDB（例如Pinecone）中。当用户进行搜索时，查询也会被转化为embedding，并在歌词和音频数据库中分别进行搜索。最后，使用加权平均余弦相似度来组合搜索结果，权重由大模型动态设置。
这种架构的优势在于能够更精确地捕捉歌曲的语义信息和情感特征，从而提供更准确的搜索结果。然而，实现这一目标也面临着诸多挑战，例如：合法获取歌词和音频数据、处理大规模数据的计算资源需求、以及保证用户体验的实时性。文章作者估算，处理一个包含370首歌曲的播放列表，可能需要超过4个小时，这显然是不可接受的。
敏捷开发：6小时构建MVP
尽管面临诸多技术挑战，Wawes的作者仍然在短短6个小时内构建了一个可用的MVP。这得益于敏捷开发理念和高效的开发工具。
首先，作者选择使用NextJS作为前端框架，构建一个完全在浏览器端处理的客户端应用程序。这意味着用户的数据不会被上传到服务器，从而保护了用户的隐私。其次，作者使用了Vercel进行部署，这可以实现即时预览和快速迭代。更重要的是，作者使用了Firebase Studio（以前称为IDX）作为开发环境，这使得他可以直接在云端进行开发，无需担心本地机器的性能限制。
这个案例充分说明，即使资源有限，只要有好的想法、正确的工具和高效的开发流程，仍然可以在短时间内创造出有价值的产品。
用户行为追踪：数据驱动优化
一个好的产品不仅要功能强大，还要易于使用。为了了解用户如何使用Wawes，并不断优化产品体验，作者采用了Vercel和PostHog两种工具来追踪用户行为。
Vercel提供了内置的分析功能，可以追踪跳出率、页面浏览量、访客数量、在线用户和页面加载速度等指标。这些指标可以帮助作者快速了解产品的整体表现，并发现潜在的问题。例如，如果跳出率很高，可能意味着用户对某个页面的内容不感兴趣，或者页面加载速度太慢。
PostHog则提供了更详细的用户行为分析功能，可以追踪用户旅程、流失率和点击事件等。这些信息可以帮助作者深入了解用户在使用产品时的行为模式，并找到用户体验的瓶颈。例如，如果用户在搜索页面上流失率很高，可能意味着搜索功能不够直观或搜索结果不够准确。
通过结合Vercel和PostHog的数据，作者可以全面了解用户行为，并根据数据驱动的 insights 来优化产品体验。
AI工作流：加速开发流程
Wawes的快速开发还得益于AI工具的赋能。作者主要使用了以下AI工具：
- Jules（Google的AI编码助手）：可以根据prompt编写代码、测试代码并创建PR。
- Stitch（Google的AI增强设计工具）：可以用于创建应用程序模型。
- GitHub Copilot：作为Jules的补充，处理Jules无法完成的编码任务。
作者使用Stitch设计应用程序界面，然后使用Jules根据prompt编写代码。Jules会进行代码测试，并通过Vercel进行预览。如果代码没有问题，则合并PR。
这个AI工作流极大地提高了开发效率，使得作者可以在短时间内构建出一个可用的MVP。
未来展望：构建更智能的音乐体验
Wawes的MVP只是一个开始。作者计划在未来探索更多功能，例如：
- 基于查询创建/更新播放列表：根据用户的心情或场景自动生成个性化播放列表。
- 将应用程序移植到Chrome扩展程序：提高应用程序的可访问性。
- 允许用户添加歌曲标签/笔记：将用户的个人记忆融入搜索体验。
- 基于歌词/音乐embedding的响应：提供更精确的搜索结果。
作者还计划引入付费层级，以应对Google API免费层级的速率限制。
Wawes的未来充满想象空间。它不仅可以帮助用户更轻松地找到自己喜欢的音乐，还可以根据用户的情绪和场景自动生成个性化播放列表，甚至可以将用户的个人记忆融入音乐体验。
结语：AI赋能，创意无限
Wawes的案例证明，AI正在改变软件开发的格局。借助AI工具，开发者可以更快地构建出更智能、更强大的应用程序。
音乐领域的语义搜索只是AI赋能的一个缩影。未来，AI将在更多领域发挥重要作用，帮助我们解决问题、创造价值。Wawes的成功也提醒我们，不要害怕尝试新技术，要积极拥抱AI，利用它来加速创新，实现自己的创意。正如作者所说：“世界不需要更多的想法——它需要行动者。”
所以，如果你有一个很棒的想法，不要犹豫，立即行动起来！