Di AINNA, kami terus menguji pendekatan yang berbeza melalui prinsip NeuralOps.
AI 智能体 amat berguna semasa membangunkan penyelesaian - memahami keperluan perniagaan, menjana logik, membina aliran kerja, menjalankan ujian, dan membantu kami menukar proses pelanggan kepada sistem yang boleh digunakan.
Namun, apabila sesuatu proses sudah menjadi jelas, berulang, dan berasaskan peraturan, kami berusaha mengeluarkan AI daripada kitaran pelaksanaannya.
Tugasan tersebut diserahkan kepada perisian deterministik.
Hasilnya amat menarik.
Sesuatu proses boleh terus berjalan 24/7, sama ada ia dilaksanakan 100 kali atau berjuta-juta kali, tanpa menggunakan token LLM untuk pelaksanaan yang telah dipisahkan.
Lebih penting, pelaksanaan deterministik tidak membawa risiko halusinasi LLM ke dalam tugasan yang sepatutnya menghasilkan keputusan sama berdasarkan logik yang konsisten.
Pengalaman ini mengubah cara kami melihat AI, khususnya apabila memahami keperluan operasi pelanggan.
AI tidak semestinya perlu menjalankan operasi.
Kadang-kadang, peranan AI yang paling bernilai ialah membina sistem yang menjalankannya.
Kadang-kadang, peranan AI yang paling bernilai ialah membina sistem yang menjalankannya.
Bagi 中小企业, ini boleh menjadi pendekatan yang lebih praktikal terhadap AI - gunakan kecerdasan apabila ia benar-benar diperlukan, dan serahkan skala, tugasan berulang, serta konsistensi kepada perisian konvensional.
Kami masih bereksperimen dan masih belajar.
Namun, semakin jelas kepada kami bahawa masa depan mungkin bukan tentang meletakkan AI dalam segala-galanya.
Mungkin masa depan adalah tentang mengetahui bila AI patut dikeluarkan.
#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.
总结部分让sama ada ia dilaksanakan 100的重点更加清楚。
我喜欢文章对tugasan tersebut diserahkan kepada perisian保持务实的态度。
第一次看到有人把100 k讲得这么坦白。
100 k读起来很清楚，也容易跟着理解。
我会把sesuatu proses boleh terus berjalan这一段分享给需要了解技术的同事。
收藏了，主要是为了dan membantu kami menukar proses。
文章对dilaksanakan 100 kal 100 k提供了很好的起点，值得继续跟进。
看第二遍才注意到tanpa menggunakan token LLM untuk的细节。