我们有一个相当疯狂的新 AI 代理功能，几乎已经发布了两次，但就在我们接近发布时，新的技术突破使得代理的性能大大提升。AI 中新最佳实践的出现速度是科技史上前所未有的。 普遍的趋势是，我们都在共同寻找最佳的方法来分配代理之间的工作，以使它们能够完成更复杂的任务，处理比上下文窗口本身能够支持的更多信息，找到与任务相关性最高的数据，并减轻 AI 模型的自然限制。 令人惊讶的是，对于许多这些改进领域，您可以随时决定投入更多计算资源来解锁另一波性能提升。当然，最终的限制是某人愿意为执行任务支付的费用，但令人惊讶的是，我们总是可以利用这个变量。

AI 编程中发生的深刻事情是，你开始对越来越大的项目说是。那些因为没有办法验证是否是好主意而让人感到畏惧的工作，突然之间你可以报名参加，因为你知道一周内就能得到结果。

很难确切知道这会如何发展，但如果我必须下注在 AI 简化法律领域或使其变得更加复杂之间，我会选择后者。 当你降低任何人询问法律问题的成本，并生成越来越多的奇特和定制的条件时，你只会增加下游人类法律工作的数量。 美国律师协会估计，活跃律师的数量从1975年的大约400,000人增加到2025年的大约1,375,000人。在这段时间里，我们发明了个人电脑、文字处理器、共享法律数据库，以及其他50种可以使法律更高效的东西。但相反，我们的律师数量反而增加，正是因为这种效率。 我怀疑这种情况会在比我们目前预期的更多领域发生。尤其是在医疗保健、工程以及许多其他高需求和高技能的工作领域，因为我们为这些工作创造了全新的使用案例。