熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
我越來越認為，使用大型語言模型（LLM）輔助的工程技能上限，可能與一般工程的上限差不多。（這肯定比例如 Excel 更深，Excel 的熟練程度也有很多層次。）
7月23日 09:40
要讓 AI 編碼代理達到 10 倍的效果，你需要 *痴迷* 於上下文工程，這是最重要的。
良好的上下文 = 良好的計劃 = 良好的結果
AI 模型是天才，每次都從零開始。
因此，通過過度提供上下文來讓它們上手。
將此提示作為起點。
技能上限是一種遊戲術語。它捕捉了這樣的直覺：在某些遊戲中，最佳玩家和最差玩家之間的差異微乎其微，例如井字遊戲，而在其他遊戲中，這種情況則完全不成立，人們可以終其一生研究這個遊戲並不斷進步（如撲克、圍棋）。
這不僅僅是在微觀機械或提示工程或上下文工程的層面上。還有整個工作模式依賴於大型語言模型（LLM）最擅長的部分，而你在這些工作上花費的時間在所有會話或項目中並不是固定的。
因此，考慮到您對整個系統擁有控制或影響力，您需要做出半決策："我是否希望這個系統擁有更多類似 LLMs 這種能夠快速處理的子組件？還是我應該做出其他架構或類似的選擇？"
是的，我們距離了解由大型語言模型（LLM）提供的子系統的維護循環還有幾年的時間，但明智的推測可能是「人類可能在一般意義上意識到這種情況正在發生。」
無論如何，這些東西非常有趣，我發現自己處於一個奇怪的境地，竟然希望假期結束，這樣我就可以免費寫代碼了。
（作為這種風格的眾多適應之一，它受益於多小時不間斷的時間區塊，因為代理人依賴於上下文，而會議的前幾分鐘則很糟糕。這在岳父母的餐桌上進行是很困難的。）
47.31K
熱門
排行
收藏