Chủ đề thịnh hành
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
"Trong phát triển phần mềm truyền thống, bạn sẽ lập kế hoạch cho v1, v2, v3 của sản phẩm mới dựa trên độ sâu tính năng hoặc nhu cầu của người dùng. Với các hệ thống AI, góc nhìn thay đổi.
Mỗi phiên bản được định nghĩa bởi mức độ quyền tự chủ của hệ thống và mức độ kiểm soát mà bạn sẵn sàng từ bỏ.
Bắt đầu bằng cách xác định một tập hợp các tính năng có kiểm soát cao và quyền tự chủ thấp (phiên bản 1 trong hình dưới đây).
Chúng nên nhỏ, có thể kiểm tra và dễ quan sát. Từ đó, hãy nghĩ về cách những khả năng đó có thể phát triển theo thời gian bằng cách tăng dần quyền tự chủ, từng phiên bản một. Mục tiêu là phân chia một trạng thái cuối cùng cao cả thành những hành vi ban đầu mà bạn có thể đánh giá, lặp lại và xây dựng từ đó.
Ví dụ, nếu mục tiêu cuối cùng của bạn là tự động hóa hỗ trợ khách hàng trong công ty của bạn, một cách bắt đầu có kiểm soát cao sẽ là xác định v1 (phiên bản 1) chỉ đơn giản là chuyển hướng các vé đến bộ phận đúng, sau đó chuyển sang v2 nơi hệ thống gợi ý các giải pháp khả thi, và chỉ đến v3 mới cho phép nó tự động giải quyết với sự hỗ trợ của con người.
Dưới đây là một vài ví dụ khác:
Trợ lý marketing
v1: Soạn thảo email, quảng cáo hoặc nội dung mạng xã hội từ các gợi ý
v2: Xây dựng các chiến dịch nhiều bước và thực hiện chúng
v3: Ra mắt, thử nghiệm A/B và tự động tối ưu hóa các chiến dịch trên các kênh
Trợ lý lập trình
v1: Gợi ý hoàn thành inline và các đoạn mã mẫu
v2: Tạo các khối lớn hơn (như kiểm tra hoặc tái cấu trúc) để con người xem xét
v3: Áp dụng các thay đổi có phạm vi và mở các yêu cầu kéo (PR) một cách tự động
Nếu bạn đã theo dõi cách các công cụ như GitHub Copilot hoặc Cursor phát triển, đây chính xác là cuốn sách hướng dẫn mà họ đã sử dụng. Hầu hết người dùng chỉ thấy phiên bản hiện tại, nhưng hệ thống cơ bản đã leo lên bậc thang đó dần dần. Đầu tiên là hoàn thành, sau đó là các khối, rồi đến PR, với mỗi bước được kiếm được thông qua việc sử dụng, phản hồi và lặp lại."
Thêm ở đây:


00:21 20 thg 8
Bạn không thể xây dựng sản phẩm AI giống như các sản phẩm khác.
Sản phẩm AI vốn dĩ không xác định, và bạn cần phải liên tục thương lượng giữa quyền tự chủ và kiểm soát.
Khi các nhóm không nhận ra những khác biệt này, sản phẩm của họ sẽ gặp phải những thất bại bất ngờ, họ bị mắc kẹt trong việc gỡ lỗi các hệ thống phức tạp lớn mà họ không thể theo dõi, và niềm tin của người dùng vào sản phẩm dần dần bị xói mòn.
Sau khi thấy mô hình này diễn ra qua hơn 50 triển khai AI tại các công ty như @OpenAI, @Google, @Amazon, và @Databricks, Aishwarya Naresh Reganti và Kiriti Badam đã phát triển một giải pháp: khung Continuous Calibration/Continuous Development (CC/CD).
Tên gọi này là một tham chiếu đến Continuous Integration/Continuous Deployment (CI/CD), nhưng, khác với tên gọi của nó, nó được thiết kế cho các hệ thống mà hành vi là không xác định và quyền tự chủ cần phải được kiếm được.
Khung này cho bạn biết cách:
- Bắt đầu với các tính năng có kiểm soát cao, quyền tự chủ thấp
- Xây dựng các hệ thống đánh giá thực sự hoạt động
- Mở rộng sản phẩm AI mà không làm mất niềm tin của người dùng
Nó được thiết kế để nhận ra sự độc đáo của các hệ thống AI và giúp bạn xây dựng các sản phẩm AI có chủ đích, ổn định và đáng tin cậy hơn.
Họ đang chia sẻ điều này công khai lần đầu tiên:

64,11K
Hàng đầu
Thứ hạng
Yêu thích