Stigen gikk i stykker hele ettermiddagen, og jeg følte at jeg hadde mistet kontakten med verden

De mest avanserte AI-modellene skriver kode som ikke er dårlig, og modulnivået overstiger langt gjennomsnittsnivået for menneskelige programmerere. Kryssmodulkode er begrenset av lengden på kontekstvinduet og kan kreve menneskelig assistanse i designplanlegging, og hvis prosjektstrukturen er rimelig, kan AI også gjenbruke eksisterende kode for å holde den tørr

Etter å ha tenkt nøye over det, er grunnen til at AI skriver kode dårlig ikke fordi han ikke kan skrive, men fordi han ikke kan lese. Folk ser på mange tilsynelatende urelaterte ting på grunn av en funksjon, men det er disse tilsynelatende urelaterte tingene som gir deg muligheten til å holde prosjektet TØRT. For at AI skal bli en pilar, må den først lære dette 🤪

For ikke å nevne at det er en bodhisattva. Hvis du sulter i hjel i naturen ... Jeg så graven i veikanten, og det var hyllester. Du bøyer deg og sier: «Unnskyld, jeg sulter i hjel, ta en hyllest for å spise.» Jeg tror ikke noen eller spøkelser vil gjøre deg flau ...

Hvordan føler du at AI-ingeniørforskning blir mer og mer filosofisk i språk?

Jeg er dypt enig:1. Parallelt samarbeid mellom flere agenter er ikke så stabilt som en enkelt tråd. 2. RAG er ikke like pålitelig som tradisjonelt søk; 3. Jo flere instruksjoner i ledeteksten, jo mer vet ikke modellen hvordan den skal velge. ——Den opprinnelige oversettelsen er som følger—— På veien til å bygge AI-agenter @Cline teamet vårt identifisert tre "tenkende virus". Det såkalte "tenkeviruset" er de fristende ideene som høres veldig smarte ut, men som ikke fungerer i det hele tatt i praksis. De tre virusene er: * Orkestrering av flere agenter * Gjenfinning av utvidet generasjon (RAG) * Jo flere instruksjoner = jo bedre effekt La oss finne det ut! 1. Samarbeid med flere agenter Den typen scene i en science fiction-film - "bakagenter, ammunisjonsagenter, analyseagenter, kommandoagenter" - som sender ut en stor gruppe underagenter, og til slutt oppsummerer resultatene - høres veldig kul ut. Men realiteten er at det store flertallet av nyttig agentarbeid er entrådet. Komplekse samarbeidsprosesser gir sjelden reell verdi og skaper ofte kaos. Du vet, det er vanskelig nok å få modellen til å fungere stabilt i en enkelt tråd, enn si håndtere parallell samarbeidslogikk. Dette øker ikke bare kompleksiteten i implementeringen, men gjør også forståelsen og beslutningsprosessen til modellen ekstremt kompleks. 2. Bruk RAG til å bygge agenter RAG, eller Retrieval Augmented Generation, er også et tankevirus. Det ser kraftig ut i teorien, men i praksis, spesielt i agentscenarier, er til og med grunnleggende tekstsøkekommandoer som GREP noen ganger bedre enn det. Hvorfor blekner RAGs aura i selve agentarbeidsflyten? Fordi informasjonen som hentes inn ofte er fragmentert og ikke kan la modellen danne en sammenhengende og nyttig «forståelse». En bedre tilnærming er nesten alltid å la modellen liste opp filene på egen hånd, søke på en grep-lignende måte, og deretter åpne og lese hele filen (akkurat som et menneske). Det @Cline teamet begynte å gjøre dette tidlig, og så så vi at @Amp – Research Preview og @Cursor – også gikk over til denne mer pragmatiske tilnærmingen. 3. Flere instruksjoner = jo bedre effekt Det er en utbredt misforståelse at det å samle opp flere og flere "instruksjoner" i systemmeldinger gjør modellen smartere. Dette er helt feil. "Vanning" av ledeteksten vil bare forvirre modellen, ettersom flere instruksjoner har en tendens til å føre til motstridende forslag og informasjonsoverbelastning. Som et resultat må du spille et spill med "whack-a-mole" og hele tiden tukle med all slags merkelig oppførsel av modellen i stedet for å få virkelig nyttige resultater. For de fleste av dagens banebrytende modeller er den beste måten å komme seg ut av veien på å ikke kjefte på dem i et forsøk på å styre dem i en bestemt retning. Vær så snill å verne om hvert ord (eller token). Alt i alt er alle de tre ovennevnte ideene veldig fristende. Hvis du ikke jobber med AI hele dagen, tror du kanskje at de alle gir mye mening – men det gjør de ikke. Selvfølgelig, etter hvert som evnene til de underliggende modellene forbedres, kan vår oppfatning av disse metodene endre seg i fremtiden.