对我来说,AI-First 始于选择模型之前。我先确定我需要什么结果,以及如何检验它。一些智能体负责干活,另一些负责检查结果。我记录各项决定,这样项目在中断之后可以接着做。如果下一步涉及发布、访问权限或资金,智能体就会停下,由我来决定。
这个顺序不是我从理论里推出来的。我在商业开发、研究,以及重返一个被我搁置太久的项目时,一次次看到它。
Cubrim 让我明白:当一个论点面对严格的检验时,会发生什么。我在 Arcanada 里和智能体一起做这个项目,它们能带来比我独自能审视的更多的假设。但每一个假设仍然必须把原始文件逐字节还原,并且让它变得更小。
我只保留了通过这两项检查的想法。研究因此向前推进,而不必为哪个模型听起来最有把握而展开冗长的争论。
Angry Robot 给我带来的问题几乎相反。我在 Arcanada 里和智能体一起做这个系统,它是我几年前创办的。当我回到它时,困难在于找回当初为什么做出那些旧决定,并在改动策略之前,把代码、数据和测试重新连起来。
智能体帮我找回了这些联系。目前我在真实账户上运行三个策略,它们能赚钱。一项改动能否进入真实账户,由我一个人决定。
一个人的生命很重要
“一个人的生命很重要”对我而言是很个人的一句话。它来自这样的追问:我想保护什么,我想怎样使用自己有限的时间。
我最先想到的是很实际的问题:当危机切断食物、药品、必需设备和安全场所时,人们会怎样?这个问题后来成了 Food & Ammunition——一项在日常联系仍然畅通时,就准备好物资和受保护的支援点的计划。政局不稳和自然灾害,让我感到这个问题迫在眉睫。
Food & Ammunition 仍是我正在制定的计划。它也是我需要一个共同场所来承载这项要花上多年的工作的原因之一。
另一层含义来自我自己的时间。当我今天没有所需的团队、资金或知识时,一个有用的想法可能淹没在“我以后再回来做”的说法背后。
Arcanada 正是从这种挫败感中生长出来的。在各种截然不同的项目里,我一次次在中断之后回来,去寻找此前的决定、做出这些决定的理由,以及下一步。我需要一个地方,让这段历史得以保存,让另一个智能体或另一个人能帮我把工作继续下去。
Arcanada 的一部分已经能帮我回到一项已保存的决定并继续推进项目。其余部分我仍在构建。今天已有的东西,已经足以让我重新打开那些本来可能被放弃的想法。
从哪里开始
如果你想尝试这种工作方式,我愿意交流。我们可以讨论数量有限的试点,或为你的团队做一次咨询。
我会从一项边界清楚的任务开始。我们应当事先知道成功是什么样子、如何检验,以及哪项决定仍由人来做。
我们现在究竟能构建什么?
我们如何知道它有效?
哪项决定你要留给自己?
每做一个项目,我都得重新回答这些问题。