Teraz, gdy skompresowaliśmy niemal całą ludzką wiedzę w dużych modelach językowych, następną granicą jest wywoływanie narzędzi. Łączenie różnych narzędzi AI umożliwia automatyzację. Przejście od myślenia do działania stanowi prawdziwy przełom w użyteczności AI. Zbudowałem ponad 100 narzędzi dla siebie i działają one większość czasu, ale nie zawsze. Nie jestem sam. Raport Economic Index firmy Anthropic ujawnia, że 77% biznesowego wykorzystania Claude'a koncentruje się na pełnej automatyzacji zadań, a nie na współpilotowaniu. Anthropic opublikował w zeszłym tygodniu dokumentację na temat efektywności tokenów i przekształcania narzędzi w celu optymalizacji ich użycia. Wskazówki były nieintuicyjne: zamiast wielu prostych narzędzi z wyraźnymi etykietami, stwórz mniej, bardziej złożonych narzędzi. Oto siedem narzędzi e-mailowych, które zbudowałem - skrypty Ruby, z każdym mającym wyraźny cel. Skrypt „Bezpieczne wysyłanie e-maili” został zaprojektowany, aby zapobiec wysyłaniu e-maili przez AI bez zatwierdzenia. Pięknie naiwne, proste i jasne, czy model językowy nie powinien być w stanie przeczytać tych informacji i dokładnie wiedzieć, o co go proszę? Ale to nie jest takie proste! Anthropic zaleca tworzenie złożonych narzędzi. Ich badania pokazują, że „żądania oszczędzają średnio 14% tokenów wyjściowych, do 70%”, gdy używa się zaawansowanych narzędzi bogatych w parametry zamiast prostych. Powód? Systemy AI lepiej rozumieją pełen kontekst niż fragmentaryczne intencje. Spędziłem weekend na konsolidacji wszystkich moich narzędzi w zjednoczone narzędzia, jak to do e-maila: (trzecie zdjęcie) Wpływ na dokładność był natychmiastowy. Wskaźnik sukcesu Claude'a zbliża się do 100%. System jest szybszy. W rezultacie używam znacznie mniej tokenów z bardziej efektywnym systemem. Oto mój obecny model mentalny: (czwarte zdjęcie) Kiedy przeprojektowałem pod kątem poznania AI, a nie intuicji ludzkiej, wszystko się poprawiło. Moje operacje CRM, zarządzanie kalendarzem i przepływy pracy w bazach danych stały się bardziej niezawodne, gdy zostały skonsolidowane w kompleksowe, bogate w parametry narzędzia. Dokładność się poprawiła, więc całkowity koszt został znacznie zredukowany. Ale nie proś mnie o używanie tych narzędzi. Teraz jestem trochę zagubiony wśród tej złożoności. To nieunikniony skutek pracy na wyższych poziomach abstrakcji, już nie rozumiejąc głęboko maszyny. Spędziliśmy dziesięciolecia, upraszczając oprogramowanie dla ludzi. Teraz uczymy się, jak uczynić je złożonym dla AI.