Bây giờ khi chúng ta đã nén gần như toàn bộ kiến thức của nhân loại vào các mô hình ngôn ngữ lớn, biên giới tiếp theo là gọi công cụ. Kết nối các công cụ AI khác nhau cho phép tự động hóa. Sự chuyển đổi từ suy nghĩ sang hành động đại diện cho bước đột phá thực sự trong tiện ích AI. Tôi đã xây dựng hơn 100 công cụ cho bản thân, và chúng hoạt động hầu hết thời gian, nhưng không phải lúc nào cũng vậy. Tôi không phải là người duy nhất. Báo cáo Chỉ số Kinh tế của Anthropic tiết lộ rằng 77% việc sử dụng Claude trong kinh doanh tập trung vào tự động hóa toàn bộ nhiệm vụ, không phải là đồng hành. Anthropic đã công bố tài liệu vào tuần trước về hiệu quả token và tái cấu trúc các công cụ để tối ưu hóa việc sử dụng của chúng. Hướng dẫn này thật ngược đời: thay vì nhiều công cụ đơn giản với nhãn rõ ràng, hãy tạo ra ít công cụ hơn, nhưng phức tạp hơn. Dưới đây là bảy công cụ email mà tôi đã xây dựng - các script Ruby, mỗi cái có một mục đích rõ ràng. Script “Gửi Email An Toàn” được thiết kế để ngăn AI gửi email mà không có sự chấp thuận. Thật ngây thơ, đơn giản và rõ ràng, chẳng lẽ một mô hình ngôn ngữ không thể đọc những điều này và biết chính xác những gì tôi đang yêu cầu nó làm? Nhưng không đơn giản như vậy! Anthropic khuyến nghị tạo ra các công cụ phức tạp. Nghiên cứu của họ cho thấy rằng "các yêu cầu tiết kiệm trung bình 14% token đầu ra, lên đến 70%" khi sử dụng các công cụ tinh vi, giàu tham số thay vì các công cụ đơn giản. Lý do? Các hệ thống AI hiểu ngữ cảnh đầy đủ tốt hơn là ý định bị phân mảnh. Tôi đã dành cả cuối tuần để hợp nhất tất cả các công cụ của mình thành các công cụ thống nhất, như cái này cho email: (hình ảnh thứ ba) Tác động đến độ chính xác là ngay lập tức. Tỷ lệ thành công của Claude gần đạt 100%. Hệ thống nhanh hơn. Kết quả là, tôi đang sử dụng ít token hơn với một hệ thống hiệu quả hơn. Đây là mô hình tư duy hiện tại của tôi: (hình ảnh thứ tư) Khi tôi thiết kế lại cho nhận thức AI thay vì trực giác con người, mọi thứ đều cải thiện. Các hoạt động CRM của tôi, quản lý lịch và quy trình làm việc cơ sở dữ liệu đều trở nên đáng tin cậy hơn khi được hợp nhất thành các công cụ toàn diện, nặng tham số. Độ chính xác được cải thiện, vì vậy tổng chi phí đã giảm đáng kể. Nhưng đừng yêu cầu tôi sử dụng các công cụ. Tôi giờ đây hơi lạc lối giữa sự phức tạp. Đây là một hệ quả không thể tránh khỏi của việc làm việc ở các mức độ trừu tượng cao hơn, không còn hiểu sâu về máy móc nữa. Chúng ta đã dành hàng thập kỷ để làm phần mềm đơn giản cho mọi người. Bây giờ chúng ta đang học cách làm cho nó phức tạp cho AI.