Mana yang lebih boleh diharap untuk menggerakkan kargo?
机器人 yang mengangkut setiap bungkusan sendiri membuat keputusan, memilih laluan, dan menyesuaikan diri setiap kali?
Atau robot yang membina rel, sistem isyarat, titik pemeriksaan, dan peraturan operasi supaya ribuan bungkusan boleh bergerak secara automatik melalui laluan terkawal?
Bagi operasi kritikal, pendekatan kedua lebih boleh diharap.
Saya lihat AI untuk e-commerce dan sistem kewangan dengan cara yang sama.
Menggunakan LLM secara langsung untuk menganalisis setiap transaksi akan memperkenalkan variasi.
模型 itu boleh dipengaruhi oleh konteks, prompt, kemas kini model, data latihan, dan bias manusia yang terkumpul.
Arsitektur yang lebih baik ialah guna AI untuk membina rel.
Biar AI mereka bentuk sistem berasingan: parser tetap, logik deterministik, garis panduan perakaunan, peraturan pengesahan pesanan, pemeriksaan penyesuaian, dan penunjuk kewangan yang sudah ditetapkan.
Kemudian biar data pesanan, stok, dan transaksi bergerak melalui sistem terkawal itu berulang kali.
AI tidak perlu \"berfikir\" tentang setiap transaksi.
AI hanya dipanggil semula apabila sistem menghadapi pengecualian atau kerumitan yang benar-benar memerlukan reasoning.
AI membina rel.
系统 deterministik menggerakkan kargo.
AI menguruskan pengecualian.
Bagi operasi e-commerce dan sistem kewangan, kebolehpercayaan harus datang daripada arkitektur, bukan dengan meminta model probabilistik membuat pertimbangan yang sama berulang kali.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
这篇文章适合团队用来开始讨论saya lihat AI untuk e-commerce。
如果有更多arsitektur yang lebih baik ialah的数据和结果会更完整。
模型 itu boleh dipengaruhi oleh这个说法我要拿回去跟同事讨论。
我喜欢这篇文章这部分，因为它讲得比较务实。
第一次看到有人把这段说明讲得这么坦白。