现在一堆人在做agent
正规的方式
要落地似乎没有那么容易
阿肥因为是一个人使用
所以碰到的问题会相对少
只求稳定高效
但我觉得建置的成本时间很高
还有假设网络失效云端模型有问题
本地化势必然也要做
而且我看就算是本地化要稳定
你也怕有万一一台没有作业的时候
得暂时嫁接云端 或者是两台并行的
暂时降效能跑.=.=
然后目前这些模型的东西要转成稳定的agent
似乎都避免不了
输入 输出的规范
将输入的东西整理精简成json固定下来
在送入执行层面
ai llm主要的用途
监控这个过程...以及依序执行
你不能让他脱缰...
你势必要在前端后端还有中间执行规格化
这样他才能稳定的输出你要的结果...
LLM本身就是随机
你不这样做在高精度在稳的模型
都会有脱缰状态
我有时候在想
与其是这个状态...
不然我脚本自己打一打
或者是ai写脚本
某些场景固定执行就好了啊
为什么要导入这些=.=
真的能脚本增效吗
当然这东西对知道怎么用的单一战力
可以提高上限
使用的agent例如
我的管理文件归档的机器人
我传图片他自己建立.md重新命名归档csv
然后我要调阅任何帐单资料
这种就很适合
调阅文件资料跟图片使用...目前用起来顺
但我想是因为我档案不过就过千而已
https://imgpoi.com/i/CZ2HH2.png
所以
再来销项 进项小精灵
都是图形辨识sql建档关连
自动统计税额可以套入401 403为主
我觉得我可以多数的小型商行也都可以
这个开销倒是可以省下来
https://imgpoi.com/i/CZ2OAV.png
https://imgpoi.com/i/CZ23VD.png
因为他确实扫描就可以归档
然后就可以自己看有没有问题
LLM在这些场景就很适合
=.=
不过这是基于我在本地运行
我两个月下来
弄这些有的没有的7-8 agnet
让他绕一共花了2.5b左右的token
由于本地可是电费
ai落地运用阿肥我认为是时间问题
他铁定会开始的
能取代的人力我拿会计这个岗位来说
一般公司假设一个会计+两个key单的
那两个key的可以少掉一个甚至两个
主要的那位就是负责资料确认最后检查
（其实这个人也可以被取代）
=.=
这要泡沫的原因
我只觉得是落地时间问题
会去影响到资本支出
股票的泡沫是资金他等不及这过程
不是ai真的会泡沫
你这句话的解释是这样来的
当然我这些依据
是因为我做出来的skill
aqent
他们不是黑箱的状态
我每个步骤都有对应的脚本只执行
以及输入资讯的规范及除错纪录以及部分
本地agent会介入自己修正并且下次碰到
他会知道可能碰到的修正欧=.=
否则...
为什么不原本的系统上嵌入ai就好了
做一个agent要去取代一个岗位
那个岗位
他原本就没有特别有价值
那到底=.=
不去除痛点或是增效
而是导入制造麻烦然后省那么一点点钱
根本毫无意义
相信不久有些公司就会发现
底端便宜用就好了...
然后高端的还是让他手刻...
别让他闲置下来等token
他整天想东想西
不会安定在岗位里面工作的...
站在这个角度ai
并没有降本增效...
因为当所有公司都在用
每个人基础提高了...
不代表你的业绩会提高
而且当所有人提高那不就代表...
所有人都没有提高...
现在只是一堆人在fomo如果我不用
我就会被淘汰我的公司会不会输人...
但这些硬件token投资
阿肥我觉得要部署到落地...嵌入你们工作流
没有3年我看难
投资人
能烧3年没有见到落地成效产能激增吗
=.=
我觉得不能