感觉这个问题可分为两个层面:
- 如果让AI做好某个特定的事情
- 如何让AI更牛逼
对于1, 很多电商,做AI漫剧的都会选择搭建工作流来把一套流程固定下来. 无论你用多么牛的LLM都不如别人一套跑下来的.
对于2, 首先得从LLM转到Agent(Code Agent),这一下就极大的提高了AI能力, 但是用一样的claude懂的人又能比不懂的人用好,所以问题又成为了解Agent. agent还是可扩展的,所以再加上改造agent.
用好agent,我觉得第一步就是prompt的优化, 不要用太傻的prompt, 不同的prompt出来的结果差距很大. 好的prompt主要就是说清要做什么,越具体越好(这一步就考验人脑的设计和表达能力了),以及不要什么.
第二步就是清楚的context的限制. 现在agent搞了那么多的记忆机制,也是因为这256kb的context,另一方面context这个窗口限制也考验人脑对于工作的切分,不可能在一个context里完成大项目,也不能完全依赖agent的压缩(或许可以依赖),把项目分模块解耦是很好的方式,这就有点像开发多线程程序了.总之用好context是用AI开发大项目的基础.
第三步是就是扩展agent.包括skill,知识库. 用skill也能实现工作流的效果. 知识库限制也有很多方案,各有优点. 知识库我感觉不应看作agent的一部分,而是agent的环境.
后面还有进阶的就是多Agent团队, 把llm+agent当成一个万能员工使用效果不如用多个agent进行协作的好. 这里多agent核心不是并行,而是隔离,每个agent负责一个类型的工作,有它自己的工作环境(skill, 知识库, llm model),这样效果更好
还有就是要了解市面上哪些model的特点,适合做什么.
就是我最近用AI干活的一些浅薄理解和思考, 希望能跟大家讨论, 欢迎不同的见解
1 个帖子 - 1 位参与者
来源: linux.do查看原文