@cartainc opprettet en systemforespørsel for agenten ved å bruke Lucidchart til å lage et diagram over hele arbeidsflyten til en domeneekspert. Deretter konverterte en intern promptgenerator det til JSON, som ble matet inn i agenten programmatisk. «Team som best forstår domenet, bidrar direkte til rask og kontekstdesign, forbedrer hastighet og relevans uten å måtte trene modeller eller lære ML», sier @JayantTikmani. Her er deres gullstandard for tilskyndelsesteknikker, som er sterkt avhengige av læring i kontekst. For hele historien om hvordan Carta bygde en agent som sparte interne team 3,500+ timer per måned, følg lenken i kommentarfeltet.

I vårt andre essay om anvendt intelligens bryter vi ned hvordan @cartainc bygget en intern agent som sparer teamet deres for 3,500+ timer per måned. CPO @artshali og direktør for maskinlæring @JayantTikmani dele de nøyaktige detaljene for å gjøre en 11-minutters oppgave til en som kan fullføres på sekunder: - Fokus på arbeidsflyter der menneskelig dømmekraft var avgjørende, men ineffektiv - Diagrammer en arbeidsflyt i Lucidchart og konvertere den til JSON for å fungere som agentens systemmelding - Frakobling av modellatferd fra UX og arbeidsflytintegrasjon for rask iterasjon - Og mye mer Les hele historien i svarene nedenfor:

"De raskest voksende gruppene som bruker Cursor er ikke ingeniører. Det er støtte og inntekter», sier @fnthawar, VP og Head of Engineering hos Shopify. Her er hva de bygde da Shopify ga alle tilgang til dyre modeller (ikke bare tekniske team): - En salgsingeniør forlot GSuite Drive, Slack, Salesforce og andre verktøy fordi han bygde en personlig "Hva skal jeg gjøre i dag?" hjemmeside i Cursor. - En selger brukte Cursor til å bygge et verktøy som genererer detaljerte sammenligninger av nettstedsytelse automatisk, noe som hjelper dem med å tenke nytt om hvordan de selger. - Revenue Tooling-teamet bygde en forespørsel-om-forslag-agent som svarer på flere tilbudsforespørsler samtidig og lærer hvilke svar som fungerer best. Vår nye nye publikasjon, «Applied Intelligence», har som mål å fokusere på hvordan byggherrer bruker AI i selskapene sine og effekten de skaper. I vårt første essay satte vi oss ned med Thawar for å lære den ikke-åpenbare innsikten, taktikken og arbeidsflytene Shopify brukte for å bringe medgründer og administrerende direktør Tobi Lütkes ambisiøse notat til live. Følg lenken nedenfor for å lese mer.

AI Agent-oppstarter lanseres daglig. Men de etablerte skyleverandørene (AWS, Azure, etc) som startups bygger på toppen av, var ment for mennesker, ikke milliarder av autonome agenter. Det er derfor jeg er mer enn stolt over å samarbeide med @blaxelAI, "AWS for AI-selskaper".

Vi har nettopp knekt dokumentredigering uten å tegne bokser. Vi er glade for å lansere Edit – et nytt endepunkt som fyller ut alle dokumenter automatisk. Rediger revolusjonerer dokumentautomatisering ved automatisk å finne alle tomme felt, tabeller og avmerkingsbokser i skjemaer, og deretter fylle dem ut med dataene dine på en intelligent måte. For å prøve det, registrer deg på ventelisten på eller se det i aksjon nedenfor 🧵

Shopify har bevisst avviket fra @tobi notat på ett sted. Notatet: "Før de ber om mer antall ansatte og ressurser, må teamene demonstrere hvorfor de ikke kan få gjort det de vil ha gjort ved hjelp av AI." Avledningen: "Vis at du kan bruke AI mer, og da får du flere ressurser." Selskapet ansetter 1,000 ingeniørpraktikanter, som de kaller "AI-kentaurer": AI native + som gir de mest kreative måtene å bruke de nyeste verktøyene på. Disse praktikantene har en "nybegynnertankegang", som Shopify mener hjelper deg med å finne veien gjennom problemer. Finn ut mer om Shopifys ikke-åpenbare AI-innsikt, taktikker og arbeidsflyter i historien som er koblet til i svarene.

Jeg elsker å se ekte applikasjoner kontra quick-hit demoware. En stor del av det er at det er enkelt å lage greenfield-kode. Å koble til en eksisterende kodebase, hvorav deler kan være 10 år gamle, er mye vanskeligere. (Eller, når det gjelder mange offentlige eller bedriftssystemer, COBOL.)

Fremtiden er allerede her. Og den kjører i produksjon. Applied Intelligence er en ny publikasjon fra @firstround om hvordan ekte team bygger med AI. Først opp: Shopify. Da @tobi gjorde bruk av AI til en forventning, gjenoppbygde teamet hvordan de jobber. De deler arbeidsflyter, interne demovideoer og taktiske råd om hva de har lært så langt. Neste opp: Carta, Atlassian og mange flere som hver viser hvordan AI faktisk blir brukt og bygget.

Vi lanserte nettopp noe nytt på @firstround - Applied Intelligence, en ny publikasjon som deler hvordan selskaper faktisk bruker AI i produksjonen akkurat nå. Ikke teori. Ikke demoware. Ekte arbeidsflyter med reelle resultater. Vårt første stykke er med @Shopify og det er 🔥👇

Etter at @tobi publiserte sitt nå berømte AI-notat, så du sannsynligvis lignende innlegg fra andre grunnleggere og administrerende direktører oversvømme denne plattformen. Men de fleste selskaper er fortsatt i «notater og demoer»-fasen – ambisiøse planer og mandater, «AI-først»-veikart på dekk om bord, prangende funksjoner og demoware. Likevel er skalerbare implementeringer og reelle resultater fortsatt grumsete. Så i dag lanserer vi en helt ny publikasjon for å tette gapet: Applied Intelligence. Den tar sikte på å dele hvordan byggherrer bruker AI i selskapene sine og den meningsfulle effekten de ser. Vårt første essay er med ingen ringere enn Shopify, som følger opp Tobi Lütkes notat. Vi lærer av VP og Head of Engineering @fnthawar om den ikke-åpenbare innsikten, taktikken og arbeidsflytene Shopify brukte for å bringe et ambisiøst notat til live. Les essayet nedenfor.