1
AdminNB Apr 30
学得慢了可以不用学了
|
3
345931883 Apr 30
赞同,很多细节理解背下来用很浪费时间,迭代更新也快,主要理解思路,具体实现交给 AI 才是正途
|
4
BuggerKing Apr 30 深有同感,浅显地看觉得没学会,深入看又觉得没必要
|
5
sentinelK Apr 30 因为 LLM 的工程实践有个自证陷阱。
你没法证明你的 Agent 流程,或者说工程化产品相比裸模型/竞品是更优、更有效的。 所有人都在吹自己对于 LLM 落地的思路有多么高大上。但聊到实际产出又都阳痿了,因为他们没法对实际产出负责。 但是有一些思想还是有一定的启发作用。 比如任务拆分,利用的就是 LLM 对于复杂度 1*N 的任务执行效果比复杂度 N 的效果好的特性。 比如多 Agent 互相监督,利用的是 LLM 注意力机制有限的限制,通过多个 LLM 推理进程左右互搏来实现更好的效果。 剩下的一些纯 marketing 角度的概念,笑笑就好。 |
7
wero Apr 30 最近也感觉卷技术没意义. Agent 开发本身门槛没那么高, 而且迭代速度很快.
|
8
gongjs Apr 30
有啥推荐的 agent 开发教程吗
|
9
evan1 OP PRO |
10
penisulaS Apr 30
agent 的开发教程说不定也是 ai 写的,那就让 ai 来看吧,魔法对抗魔法
|
11
pluswu1986 Apr 30
@sentinelK 所有的措施都是为了确定性增加 熵值降低
|
12
longaiwp Apr 30
只要你不看,过一阵子就会发现,不需要看了
|
13
RoccoShi Apr 30
让 AI 给你 summary
|
14
nakun233 Apr 30
最近在看 hermes 和 claw ,感觉设计理念上分别挺大的,但有些多 agent 特性在 hermes 上又显得不方便。感觉现在大家都是按自己想法再进一步魔改了,真正的大航海时代
|
15
PaulSamuelson Apr 30 最后发现,都在用 AI 开发 Agent 了,那还学个啥啊
|
16
newtype0092 Apr 30 @sentinelK 总感觉现在的各种流程,本质上就是个自动抽卡机,确实比之前手动抽卡更方便,但本质的效率并没变,依然是反复花钱( token )抽卡直到抽到自己觉得可以接受的程度为止。。。
|
17
Venlenter Apr 30
@evan1 #9 同在看这个,感觉了解了思路,能让 AI 生成,但看到招聘 agent 相关岗位的要求,又感觉没底,有种学了个 demo ,实际公司要你真实产出的畏惧感
|
18
sentinelK Apr 30
@newtype0092 是的,毕竟 LLM 的本质就是统计学概率续写。各种工程化只是在利用目前 LLM 模型算法的甜点,争取能够提升最终答案落在全局最佳的比例。
而且 Agent 底层理念就在于,我承担返工的风险,烧更多的 token ,但是要一次性(或者说非人工干预下)成功。 高效利用 token 的理念则恰恰相反。 |
19
sentinelK Apr 30
btw:
如果只是想了解 Agent 的理念,我觉得这个视频的信息量已经够了: https://www.bilibili.com/video/BV1dpQTB3EXg?spm_id_from=333.788.videopod.sections&vd_source=0ef6494d0ac82c1df8c1a6cc5e8ef08c |
20
evan1 OP PRO @PaulSamuelson #15 目前确实是在用 AI 开发各种 skill 和 agent ,所以感觉没必要了解细节。
|
21
syaeldon Apr 30
|
22
bwnjnOEI Apr 30 via iPhone
感觉现在的 agent 开发是给过去岗位的过渡阶段。可预见的要懂的很多从 infra 到 paper 联系最近去学 rlm 从今年 iclr 看来大厂要开始基于 rlm 训练了 100m 上下文挡不住
|
23
hasayake97 Apr 30
对咯,就这样学。
|
24
HotieCutie Apr 30
让 AI 开发 AI
|
26
onnethy 22h 52m ago
都知道什么流程,也知道具体有哪些模块,甚至 claude code 工程落地的源码都开源了,但是真正做好的有哪些?所以我觉得还是得深入学习理解,不然和调包侠没区别。
|