为什么 AI 智能体还不够--系统架构才是关键✎ Edit

全部 orang sedang bercakap tentang agen AI.

Namun, sangat sedikit yang membincangkan perkara sebenar yang menentukan sama ada penyebaran AI berjaya dalam persekitaran produksi.

Hari ini, dengan anggaran USD30 setiap bulan, hampir sesiapa sahaja boleh melanggan LLM dan membina ratusan sistem autonomi yang beroperasi 24 jam sehari, tujuh hari seminggu. Langganan itu bukan lagi halangan terbesar.

Cabaran sebenar terletak pada memilih arkitektur yang betul, strategi orkestrasi, dan agen AI yang sesuai.

Di AINNA, sistem autonomi kami dibina berdasarkan prinsip NeuralOps:

- 智能路由

- 分离式系统

- Specialized AI智能体

- 确定性 execution di mana AI tidak diperlukan

Pendekatan ini membolehkan AI digunakan hanya apabila kecerdasan benar-benar diperlukan, manakala perisian konvensional mengendalikan perkara-perkara lain.

Hasilnya? Kos operasi yang jauh lebih rendah, penggunaan token yang lebih sedikit, kebolehpercayaan yang lebih baik, dan kemampuan skala yang lebih tinggi.

Pengalaman Peribadi Saya

Sejak beberapa bulan kebelakangan ini, saya telah menguji banyak ekosistem agen AI secara mendalam.

4. OpenClaw

OpenClaw merupakan projek sumber terbuka yang mengagumkan, dengan integrasi saluran yang luas dan visi yang besar.

Namun, berdasarkan pengalaman produksi saya sendiri, ia bukan pilihan yang paling sesuai.

Saya melaburkan masa yang banyak untuk membina dengannya kerana saya benar-benar percaya pada potensinya.

Akhirnya, saya mendapati diri saya menghabiskan lebih banyak masa mengurus ketidakstabilan berbanding membina produk.

Bagi beban kerja saya, sukar untuk bergantung padanya sebagai platform produksi utama.

Itu tidak bermakna OpenClaw adalah projek yang teruk-ia sekadar tidak sesuai dengan cara kami membina sistem AI produksi.

3. Hermes

Hermes menjadi teman mudah alih pilihan saya.

Apabila saya sedang melancong atau jauh dari stesen kerja, integrasi Telegram menjadikannya sangat praktikal.

Ia tidak sekuat aliran kerja 命令行 penuh, tetapi untuk kelulusan pantas, pemantauan, dan automasi ringan, prestasinya sangat baik.

2. Grok 命令行 (AINNA Modified)

Kami mengubahsuaikan persekitaran 命令行 dengan ketara menerusi integrasi:

- Ollama

- OpenCode inference 工作流

- Orkestrasi dalaman

- 分离式 execution pipelines

Hasilnya ialah persekitaran pembangunan praktikal yang mampu menyelaras beberapa tugas AI secara cekap.

1. OpenCode 命令行 (AINNA Modified)

Ini telah menjadi tulang belakang aliran kerja kejuruteraan kami.

Selepas penyesuaian mendalam mengikut arkitektur NeuralOps, OpenCode menawarkan pengalaman paling boleh diharapkan untuk kejuruteraan AI berskala besar.

Melalui pendekatan ini, kami membina kira-kira 600 sistem detached berasaskan awan dalam tempoh hanya beberapa bulan.

Pengajarannya mudah:

模型 AI penting.

Agen AI penting.

Tetapi kedua-duanya bukan pembezal utama.

Arkitektur sistem menentukan sama ada AI menjadi demo yang mahal atau platform produksi yang boleh diskalakan.

Masa Depan AI

Generasi seterusnya AI tidak akan ditentukan oleh siapa yang mempunyai model terbesar.

Ia akan ditentukan oleh siapa yang membina orkestrasi terbaik.

Organisasi yang menang akan:

- Melakukan routing secara bijak.

- Memisahkan logik deterministik daripada penaakulan AI.

- Mengaktifkan model besar hanya apabila perlu.

- Menggabungkan beberapa agen pakar berbanding bergantung kepada satu pembantu serba boleh.

- Memandang AI sebagai infrastruktur-bukan sekadar chatbot.

Dalam tahun-tahan akan datang, kelebihan daya saing akan dimiliki bukan oleh syarikat yang menggunakan AI paling banyak, tetapi oleh mereka yang menggunakan AI dengan kecekapan tertinggi.

Itulah falsafah di sebalik NeuralOps.