@
livib #4
这个过程很难用三言两语就讲明白,有机会再开篇幅单独分享吧。不过之前在别的帖子里有过讨论,你可以看看。现阶段 AI 确实有被吹过头,让人误以为只需要一句话丢给 AI 就能得到想要的结果。以我这些年干产品的经历来看,能把需求描述清楚是一项非常稀缺的能力,这个能力可以用 AI 进行测试。
总结一句话:当你觉得傻逼老板一句话下来就想当场把项目直接端上来的时候,AI 何尝不是这样看待你的需求
---
原贴:
https://www.v2ex.com/t/1167888LLM 不是烧 token 的问题,是稳定性的问题。
如果你是想 LLM 能像实习生一样,多教几次就能熟练、稳定的执行指令,现阶段不可能啊。LLM 参与自动化任务本身就是最大的不稳定因素,这和自动化要求的稳定相违背的,更别提高效了。
LLM 要反复试错才能解决问题,这在编码领域已经充分验证了呀,一句话丢给 LLM ,等会来看项目已经是一坨屎了,只有时刻盯着才能把项目写出来。只能提效,如果稳定性稍差,反而降效。
业务场景如果要引入自动化往往已经是稳定的业务流,在追求高效了。这不是探索性质的任务。
比如你当前的困境是网页元素变动导致脚本失效,想引入 LLM 来做代替。
这个方案我尝试过,纯脚本或者纯 LLM 都有各自缺点,混合型是不错的路子,比如脚本无法继续的时候,调 LLM 出来救场。LLM 此时的作用是拟人进行高级决策判断。想法蛮好的,但只要用过几次就知道,理想和现实的差距还是蛮大的,最终我放弃集成了。
业务问题就用业务方式解决,技术还没到这个阶段的时候,引入这种不完善的技术反而让业务开展充满阻碍。
LLM 在当下这个场景里,快速编码是更具备价值的能力,你的脚本失效,如果往常需要更多时间来编码,现在用 LLM 只需要自己定位问题,想好解决思路,然后让 LLM 编码,你来快速交付。这样就能更大程度的发挥业务价值,否则 LLM 真能代替你了,那下岗也不远了。