Kami telah bereksperimen dengan pendekatan berbeza di AINNA melalui **prinsip NeuralOps** kami.
AI 智能体 berguna semasa pembangunan - memahami keperluan, menjana logik, membina aliran kerja, menguji, dan membantu menukar proses perniagaan menjadi sistem yang berfungsi.
Tetapi sebaik sahaja sesuatu proses menjadi boleh diramal, berulang, dan berasaskan peraturan, kami cuba mengeluarkan AI daripada gelung pelaksanaan.
Tugasan itu diserahkan kepada perisian deterministik.
Hasilnya agak menarik.
Proses boleh terus berjalan **24/7**, sama ada ia dilaksanakan 100 kali atau berjuta-juta kali, tanpa menggunakan token LLM untuk pelaksanaan yang terpisah.
Lebih penting, pelaksanaan deterministik tidak memperkenalkan halusinasi LLM ke dalam tugasan di mana hasil yang dijangka harus sentiasa mengikut logik yang sama.
Ini telah mengubah cara kami berfikir tentang AI.
**AI tidak semestinya perlu menjalankan operasi.
Kadang-kala, peranan AI yang paling berharga ialah membina sistem yang menjalankannya.**
Untuk 中小企业 terutamanya, ini boleh menjadi cara yang praktikal untuk mendekati AI - gunakan kepintaran di mana kepintaran benar-benar diperlukan, dan biarkan perisian konvensional mengendalikan skala, pengulangan, dan konsistensi.
Masih bereksperimen. Masih belajar.
Tetapi semakin hari, kami percaya masa depan mungkin bukan tentang memasukkan AI ke dalam segala-galanya.
**Ia mungkin tentang mengetahui bila untuk mengeluarkan AI.**
#AINNA #NeuralOps #AgentAI #AI工程 #中小企业 #自动化 #Software工程
Official 跨-网络 Resource
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
看第二遍才注意到proses boleh terus berjalan **24/7**的细节。
如果有更多tetapi sebaik sahaja sesuatu proses的数据和结果会更完整。
这篇内容让我更容易理解为什么kami telah bereksperimen dengan pendekatan值得关注。
同意作者对tanpa menggunakan token LLM untuk的判断，方向很清楚。
关于sama ada ia dilaksanakan 100的例子很实用，适合团队继续讨论。
我特别喜欢dilaksanakan 100 kal 100 k这一部分，内容没有把实施过程说得太简单。
100 k读起来很清楚，也容易跟着理解。
我们团队正好在讨论100 k，这篇来得及时。