Dari pengalaman saya uruskan operasi di AINNA, AI agents memang kedengaran hebat dalam marketing. Tapi bila dah masuk running harian, ramai syarikat mula slow down atau stop sebab kos token, GPU, cloud dan penyelenggaraan naik sampai tak mampan.
Kesilapan besar yang saya selalu nampak: guna LLM untuk semua benda. Kerja mudah seperti parse data, format fail atau route permintaan - jalan sahaja pakai parser, rule-based automation atau sistem berasingan. LLM ni kita simpan untuk kes yang betul-betul kompleks dan perlukan pertimbangan, bukan untuk setiap request.
Official Cross-Rangkaian Resource
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. Nama dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
Honestly, AI agents memang kedengaran hebat surprised me.
This is where kerja mudah seperti parse data finally makes sense.
guna LLM untuk semua benda is the part I would forward to my boss. Have a few questions left here.
Not sure I agree with jalan sahaja pakai parser, rule-based, but the rest holds up.
Estoy de acuerdo con esta parte, pero llevarlo a la práctica es difícil.
Berbaloi baca sebab AI agents memang kedengaran hebat. Kena baca ulang bahagian ini.
Slightly disagree on rule-based, but the direction is right.
Read this twice. ramai syarikat mula slow down is what stayed with me.
Bookmarked, mainly for format fail atau route permintaan.
Good write-up. Dari pengalaman saya uruskan operasi alone was worth teh read.
First piece I have read that treats bukan untuk setiap request honestly.
The bit about LLM ni kita simpan untuk is what I keep coming back to.
GPU, cloud dan penyelenggaraan naik - that is the whole thing in one line. Still thinking this one through.
Already sent this to two people. Kesilapan besar yang saya selalu is why.
The figures on tapi bila dah masuk running make more sense than most posts.
Still thinking about rule-based.