做一个 AI 应用,我认为有两个问题必须提前答:
1. 我到底为什么要在这事上用 AI?换句话说,增值在哪?
2. 我在优化什么?
几乎没有例外,我见到的大多数 AI 应用对这两个问题都没认真答。
尤其让我觉得怪的是那种执念:非要让 LLM 表现得像传统计算系统。如果你的目标是确定性、刚性流水线、完全成文的逻辑,那现成好用的工具多了。
它们更便宜、更快、也更容易推演。
AI 给你的是完全另一种东西。
智能体在脏系统里才发光。带噪声的数据。目标含糊的不完整输入。现实拒绝配合、流程本身不得不跟着演化的局面。
有个问题大家常问:「为什么不能用 AI 自动化那些无聊活?」能啊!只是开发者还没追上来。
问题是,用得正确的话(对,确实存在一套正确方法论),智能体应该能补缺口、在不确定下推理、随条件变化调整流程。
经济账就是从这里开始有意思的。
系统越能适应,你的智能体对其真实环境准备得越足,需要硬编码的边缘情况就越少。
脆规则更少,场景爆炸更少。
人力看护更少。
这才是真省钱:把前 AI 世界根本不可能自动化的东西自动化。
眼下这波,感觉被一套对计算而言早已失效的旧思维模型捆着。
一部分是对失控合理的害怕。
一部分纯粹是资源错配。
重点是,如果你拿 AI 干的事只是把智能体硬塞进传统应用模型,那你就没懂点子上……还把钱留在桌面上没拿。
是时候放开手脚玩了。