@cartainc stworzył systemowy prompt dla swojego agenta, używając Lucidchart do zobrazowania pełnego przepływu pracy eksperta w danej dziedzinie. Następnie wewnętrzny generator promptów przekształcił to w JSON, który został wprowadzony do agenta programowo. "Zespoły, które najlepiej rozumieją daną dziedzinę, bezpośrednio przyczyniają się do projektowania promptów i kontekstu, poprawiając prędkość i trafność bez potrzeby szkolenia modeli czy nauki ML," mówi @JayantTikmani. Oto ich techniki tworzenia promptów, które w dużej mierze opierają się na uczeniu w kontekście. Aby poznać pełną historię tego, jak Carta zbudowała agenta, który zaoszczędził wewnętrznym zespołom ponad 3,500 godzin miesięcznie, kliknij w link w komentarzach.

W naszym drugim eseju na temat Inteligencji Zastosowanej analizujemy, jak @cartainc zbudował wewnętrznego agenta, który oszczędza ich zespołowi ponad 3,500 godzin miesięcznie. CPO @artshali i Dyrektor Uczenia Maszynowego @JayantTikmani dzielą się dokładnymi szczegółami przekształcenia 11-minutowego zadania w takie, które można wykonać w kilka sekund: - Skupienie się na przepływach pracy, w których ludzka ocena była niezbędna, ale nieefektywna - Diagramowanie przepływu pracy w Lucidchart i konwertowanie go na JSON, aby działał jako systemowy prompt agenta - Oddzielenie zachowania modelu od UX i integracji przepływu pracy dla szybkiej iteracji - I wiele więcej Przeczytaj pełną historię w odpowiedziach poniżej:

„Najszybciej rozwijające się grupy korzystające z Cursor to nie inżynierowie. To wsparcie i przychody,” mówi @fnthawar, wiceprezes i szef inżynierii w Shopify. Oto co zbudowali, gdy Shopify dało wszystkim dostęp do drogich modeli (nie tylko zespołów technicznych): - Inżynier sprzedaży porzucił GSuite Drive, Slack, Salesforce i inne narzędzia, ponieważ stworzył osobistą stronę główną „Co powinienem dzisiaj zrobić?” w Cursor. - Przedstawiciel handlowy użył Cursor do zbudowania narzędzia, które automatycznie generuje szczegółowe porównania wydajności stron, co pomaga im przemyśleć, jak sprzedają. - Zespół narzędzi przychodowych zbudował agenta do składania ofert, który odpowiada na wiele RFP jednocześnie i uczy się, które odpowiedzi działają najlepiej. Nasza nowa publikacja, „Zastosowana inteligencja,” ma na celu skupienie się na tym, jak twórcy wykorzystują AI w swoich firmach i jaki wpływ wywierają. W naszym pierwszym eseju usiedliśmy z Thawarem, aby poznać nieoczywiste spostrzeżenia, taktyki i przepływy pracy, które Shopify wykorzystało, aby ożywić ambitną notatkę współzałożyciela i CEO Tobi Lütke. Śledź link poniżej, aby dowiedzieć się więcej.

Startupy zajmujące się AI Agentami powstają codziennie. Jednak obecni dostawcy chmury (AWS, Azure itd.), na których startupy budują, byli stworzeni dla ludzi, a nie dla miliardów autonomicznych agentów. Dlatego jestem niezwykle dumny, że mogę współpracować z @blaxelAI, "AWS dla firm AI".

Właśnie opracowaliśmy edytowanie dokumentów bez rysowania ramek. Z radością ogłaszamy uruchomienie Edytuj – nowego punktu końcowego, który automatycznie wypełnia każdy dokument. Edytuj rewolucjonizuje automatyzację dokumentów, automatycznie znajdując wszystkie puste pola, tabele i pola wyboru w formularzach, a następnie inteligentnie wypełniając je danymi. Aby spróbować, zapisz się na listę oczekujących lub zobacz to w akcji poniżej 🧵

Shopify świadomie odbiega od notatki @tobi w jednym miejscu. Notatka: „Zanim poprosisz o więcej etatów i zasobów, zespoły muszą wykazać, dlaczego nie mogą zrealizować tego, czego chcą, korzystając z AI.” Odbiegnięcie: „Pokaż, że potrafisz lepiej wykorzystać AI, a wtedy dostaniesz więcej zasobów.” Firma zatrudnia 1 000 stażystów inżynieryjnych, których nazywają „AI centaurami”: natywnymi w AI + przynoszącymi najbardziej kreatywne sposoby wykorzystania najnowszych narzędzi. Ci stażyści mają „podejście początkującego”, co, jak wierzy Shopify, pomaga znaleźć drogę przez problemy. Dowiedz się więcej o nieoczywistych spostrzeżeniach, taktykach i przepływach pracy AI w Shopify w historii podlinkowanej w odpowiedziach.

Uwielbiam widzieć prawdziwe aplikacje w porównaniu do szybkich demowarów. Duża część tego polega na tym, że łatwo jest pisać kod od podstaw. Połączenie z istniejącą bazą kodu, z częściami, które mogą mieć 10 lat, jest znacznie trudniejsze. (Lub, w przypadku wielu systemów rządowych lub korporacyjnych, COBOL.)

Przyszłość jest już tutaj. I działa w produkcji. Applied Intelligence to nowa publikacja od @firstround na temat tego, jak prawdziwe zespoły budują z AI. Na początek: Shopify. Kiedy @tobi uczynił korzystanie z AI oczekiwaniem, zespół przebudował sposób swojej pracy. Dzielą się przepływami pracy, wewnętrznymi filmami demo i praktycznymi poradami na temat tego, czego się do tej pory nauczyli. Następnie: Carta, Atlassian i wiele innych, które pokazują, jak AI jest faktycznie używane i budowane.

Właśnie uruchomiliśmy coś nowego w @firstround - Applied Intelligence, nową publikację, która pokazuje, jak firmy faktycznie wykorzystują AI w produkcji w tej chwili. Nie teoria. Nie demoware. Prawdziwe przepływy pracy z prawdziwymi wynikami. Nasz pierwszy artykuł jest z @Shopify i jest 🔥👇

Po tym, jak @tobi opublikował swój teraz słynny memorandum dotyczące AI, prawdopodobnie zauważyłeś podobne posty od innych założycieli i CEO zalewające tę platformę. Jednak większość firm wciąż znajduje się w fazie "memorandów i demonstracji" — ambitne plany i mandaty, "AI-first" mapy drogowe na prezentacjach, efektowne funkcje i demoware. Jednak skalowalne wdrożenia i rzeczywiste wyniki pozostają niejasne. Dlatego dzisiaj uruchamiamy zupełnie nową publikację, aby zniwelować tę lukę: Applied Intelligence. Jej celem jest dzielenie się tym, jak twórcy wykorzystują AI w swoich firmach i jakie znaczące efekty obserwują. Nasze inauguracyjne eseje to rozmowa z nikim innym jak Shopify, w nawiązaniu do memorandum Tobi Lütke. Uczymy się od VP i szefa inżynierii @fnthawar o nieoczywistych spostrzeżeniach, taktykach i przepływach pracy, które Shopify wykorzystało, aby ożywić ambitne memorandum. Przeczytaj esej poniżej.