Žebřík se rozbil celé odpoledne a já jsem měl pocit, že jsem ztratil kontakt se světem

Nejpokročilejší modely umělé inteligence píší kód, který není špatný, a úroveň modulů daleko převyšuje průměrnou úroveň lidských programátorů. Kód napříč moduly je omezen délkou kontextového okna a může vyžadovat lidskou pomoc při plánování návrhu, a pokud je struktura projektu přiměřená, může umělá inteligence také znovu použít stávající kód, aby byl SUCHÝ

Po pečlivém přemýšlení zjistíme, že důvodem, proč umělá inteligence píše kód špatně, není to, že by neuměla psát, ale to, že neumí číst. Lidé se dívají na spoustu zdánlivě nesouvisejících věcí kvůli funkci, ale jsou to právě tyto zdánlivě nesouvisející věci, které vám poskytují možnost udržet projekt v suchu. Aby se umělá inteligence stala pilířem, musí se to 🤪 nejprve naučit

Nemluvě o tom, že je to bódhisattva. Pokud umřete hlady v divočině... Viděl jsem hrob na kraji silnice a byly tam pocty. Pokloníte se a řeknete: "Je mi líto, umřu hlady, vezměte si k jídlu daň." Nemyslím si, že by vás někdo nebo duchové uvedli do rozpaků...

Jak se domníváte, že se výzkum v oblasti inženýrství umělé inteligence stává jazykem stále filozofičtější?

Hluboce souhlasím:1. Paralelní spolupráce mezi více agenty není tak stabilní jako jedno vlákno. 2. RAG není tak spolehlivý jako tradiční vyhledávání; 3. Čím více instrukcí ve výzvě, tím více model neví, jak si vybrat. ——Původní překlad je následující—— Na cestě k vytváření agentů umělé inteligence náš tým @Cline identifikoval tři "myslící viry". Takzvaný "myšlenkový virus" jsou lákavé nápady, které znějí velmi chytře, ale v praxi vůbec nefungují. Tyto tři viry jsou: * Multi-agentní orchestrace * Vyhledávání Augmented Generation (RAG) * Čím více instrukcí = tím lepší efekt Pojďme to zjistit! 1. Spolupráce s více agenty Scéna ve sci-fi filmu - "týloví agenti, muniční agenti, analytičtí agenti, velitelští agenti" - vyslání velké skupiny sub-agentů a nakonec shrnutí výsledků - zní opravdu skvěle. Skutečnost je však taková, že drtivá většina užitečné práce agentů je jednovláknová. Složité procesy spolupráce zřídka přinášejí skutečnou hodnotu a často vytvářejí chaos. Víte, je dost těžké přimět model, aby fungoval stabilně v jednom vlákně, natož aby se vypořádal s logikou paralelní spolupráce. To nejen zvyšuje složitost implementace, ale také činí proces pochopení a rozhodování o modelu extrémně složitým. 2. Použití RAG k vytváření agentů RAG, neboli Retrieval Augmented Generation, je také myšlenkový virus. Teoreticky to vypadá výkonně, ale v praxi, zejména ve scénářích agentů, jsou i základní příkazy pro vyhledávání textu, jako je GREP, někdy lepší než on. Proč aura RAG ve skutečném pracovním postupu agenta mizí? Protože získané informace jsou často roztříštěné a nemohou modelu umožnit vytvořit koherentní a užitečné "porozumění". Lepším přístupem je téměř vždy nechat model, aby vypsal soubory sám, hledal způsobem podobným grepu a poté otevřel a přečetl celý soubor (stejně jako člověk). Tým @Cline to začal dělat brzy a pak jsme viděli, že @Amp – Research Preview a @Cursor – také přešel k tomuto pragmatičtějšímu přístupu. 3. Více instrukcí = tím lepší efekt Existuje rozšířená mylná představa, že hromadění dalších a dalších "instrukcí" v systémových nápovědách dělá model chytřejším. To je zcela nesprávné. "Zalévání" výzvy pouze zmate model, protože více pokynů má tendenci vést ke konfliktním návrhům a přetížení informacemi. Výsledkem je, že musíte hrát hru "prásknout krtka" a neustále si pohrávat s nejrůznějšími podivnými chováními modelu, místo abyste získali opravdu užitečný výstup. U většiny dnešních špičkových modelů je nejlepším způsobem, jak se jim vyhnout z cesty, nekřičet na ně ve snaze nasměrovat je určitým směrem. Važte si prosím každého svého slova (nebo symbolu). Celkově vzato, všechny tři výše uvedené myšlenky jsou velmi lákavé. Pokud s umělou inteligencí nepracujete celý den, možná si myslíte, že všechny dávají velký smysl – ale není tomu tak. Samozřejmě, že s tím, jak se budou zlepšovat schopnosti základních modelů, se naše vnímání těchto metod může v budoucnu změnit.