Setelah LLM keluar, lemparan pada lapisan aplikasi tidak pernah berhenti. Dari penyetelan cepat hingga konfigurasi alur kerja hingga pembuatan agen, tujuan utamanya sama: untuk membuat LLM bekerja lebih baik untuk manusia dan menekan kinerja mesin secara ekstrem. Pemerasan LLM dapat dibagi menjadi dua dimensi. Yang pertama adalah membantunya menemukan algoritme yang optimal dan membuat penalaran tidak terlalu memutar. Untuk tujuan ini, kami telah menempuh hampir setiap jalan yang dapat kami pikirkan, memungkinkan LLM untuk belajar merenungkan (refleksi, konsistensi diri, kritik diri), dan belajar bernalar dan merencanakan (penalaran, perencanaan, rantai pemikiran, pohon pemikiran). belajar menghafal (memori jangka pendek, memori jangka panjang) sehingga Anda tidak akan kehilangan ingatan setelah percakapan panjang; belajar menemukan pengetahuan (RAG, grafik pengetahuan) dan melengkapi fakta di dunia luar; Pelajari cara membangun pembangunan konteks untuk memasukkan informasi yang lebih valid ke dalam token terbatas. Belajar menggunakan alat (penggunaan alat, panggilan fungsi, MCP) untuk menyerahkan hal-hal kepada program eksternal untuk dijalankan, alih-alih membuatnya sendiri; Tunggu sebentar. Tujuan penting dari hal-hal ini adalah untuk membantu LLM memahami apa yang dilakukan manusia lebih cepat, menemukan jalan yang paling murah di sekitar tujuan yang berorientasi, dan berlari ke solusi yang optimal. Dimensi kedua adalah pemerasan waktu, memungkinkan LLM bekerja 24×7 jam sehari. Ketika kita memiliki pemahaman yang lebih dalam tentang LLM, mudah untuk menganggapnya sebagai "karyawan digital" untuk diri kita sendiri atau organisasi kita, yang tak kenal lelah dan tidak dapat mengeluh, dan dapat terus beroperasi dan belajar. Kebanyakan orang menggunakan AI saat ini, dan mereka masih terjebak dalam skenario satu titik seperti memeriksa informasi, meringkas konten, dan menulis laporan mingguan. Pertama-tama kita perlu merencanakan pabrik digital AI kita sendiri - pikirkan dengan jernih tentang "produk" apa yang ingin kita buat, apakah itu sistem yang mengumpulkan pengetahuan, proses bisnis otomatis, atau layanan yang dapat diulangi dalam jangka waktu yang lama. Di pabrik ini, AI adalah algojo di lini produksi, bertanggung jawab atas pemrosesan dan output tertentu; Peran manusia telah berubah, dari "pekerja yang bekerja secara langsung" menjadi "pengawas dan manajer". Alih-alih melakukan setiap langkah dengan tangan, manusia merancang alur, menetapkan aturan, menetapkan metrik, memantau kualitas, dan menjadwalkan sumber daya saat dibutuhkan. Dengan kata lain, nilai AI bukanlah untuk "melakukan sedikit pekerjaan" untuk kita, tetapi untuk membantu menjalankan seluruh jalur perakitan, dan manusia lebih seperti "manajer pabrik digital". Ketika kedua dimensi ini digabungkan, titik infleksi yang sebenarnya muncul. LLM tidak lagi sekadar alat dingin, tetapi secara bertahap menjadi mitra yang dapat berkolaborasi dalam waktu yang lama. Ini dapat mengambil pekerjaan berulang dan memberikan wawasan tentang masalah yang kompleks. Ini bukan hanya tentang "melakukan sesuatu untuk Anda", ini tentang "melakukan sesuatu dengan Anda". Kesenjangan di masa depan bukan tentang siapa yang dapat menulis petunjuk yang lebih indah, tetapi tentang siapa yang benar-benar dapat mengintegrasikan LLM ke dalam waktu dan organisasi mereka untuk membentuk metode produksi yang stabil. Oleh karena itu, apakah akan digunakan, kedalaman apa yang akan digunakan, dan apakah dapat terus dioptimalkan adalah sumber daya saing jangka panjang. Siapa pun yang dapat menjalankan AI sebagai "pabrik" dan mengubah diri mereka dari pelaksana menjadi supervisor dan manajer akan mendapatkan manfaat yang benar-benar dapat digunakan kembali dan kumulatif dalam pekerjaan dan bisnis sehari-hari mereka di masa depan.

Tidak hanya melakukan penelitian mendalam, ChatGPT baru-baru ini mendukung belanja online, mengintegrasikan perbandingan harga multi-platform dan ulasan pengguna nyata ke dalam chatbot. Seluruh proses "komunikasi permintaan→ rekomendasi produk→ perbandingan harga produk→ referensi evaluasi pengguna→ pembelian → pemesanan" dapat diselesaikan di terminal.

Untuk memastikan keakuratan, saya juga akan melakukan perbandingan dan verifikasi informasi sebelum dan sesudah, dan saya telah menyelesaikan pekerjaan penelitian dan pengumpulan bukti yang hanya dapat saya lakukan dalam dua jam hanya dalam empat menit.