最新

你是否使用过这些产品？你觉得它们有价值吗？它们是否做了基础模型公司没有做的事情？ 大约一年前，我就思考过这个问题，现在想重新审视一下。 今天，我在Product Hunt上做了一些调查，也浏览了一些最近的YC公司。我立刻注意到的是——哇！——有一些非常棒的设计师（或者现在可能是AI）正在制作精美的产品演示和1-3分钟的视频。我遇到的的大多数产品都是AI，用于各种事情，比如创建办公文档、发送电子邮件、制作演示文稿、网页抓取、制作移动应用程序、管理会议和人际关系等等。 然而，当我摆脱了这些花哨的东西，开始深入研究时，我并没有真正看到这些产品有什么特别之处，或者说它们与基础模型+一些基本的RAG（检索增强生成）有什么区别。事实上，许多与文件相关和依赖记忆的应用程序，今天完全可以通过OpenAI的聊天网站完美地完成。公平地说，我认为其中一些产品通过各种提示工程技巧，拥有更好的“流程”。但这是否足以证明比我现有的OAI/Anthropic订阅，每月支付一大笔费用，我不知道。 但当我看到其中许多产品时，我的总体看法是，它们可能不是初创公司，至少不是我看到能持续下去的那种。它们必须越来越专注于细分市场，才能摆脱能力越来越强的基础模型的触角。那些似乎能够持续发展并做得好的大公司是Perplexity和Cursor，它们似乎在早期发展得足够快，吸引了大量的资源和人才来不断构建功能。所以，也许基础模型只能做到它们大约60%的事情，而对于我上面描述的产品/初创公司来说，这个数字更像是90%。我的结论是，对“GPT包装器”持谨慎态度，也许要等到更多有创意的想法（例如，现实世界的用例）实现，因为SaaS领域似乎很艰难。

让我们一起创造酷炫的东西吧！ 我正在用 JS 开发一个游戏。在你们和其他 AI 的帮助下，我们一定能让世界变得更美好。

嘿，Hacker News！我们是 Empromptu.ai，一个 AI 应用构建器，用于构建 AI 应用（RAG、模型、评估都内置在每个应用中）。 演示：[https://www.youtube.com/watch?v=w25XhUaPfls](https://www.youtube.com/watch?v=w25XhUaPfls) 我们在耗尽了数千个 AI 构建器的积分并遇到同样的问题后，创建了 Empromptu：看起来很酷的原型或演示，但在实际用户面前却崩溃了。 问题不在于构建过程，而在于准确性。大多数 AI 应用程序的可靠性停留在 60% 左右，这对于原型来说还可以，但在生产中是不可用的。我们意识到这些工具并不是真正的“AI 应用构建器”，它们只是碰巧使用 AI 的网站构建器。 我们想首先解决最难的问题：让 AI 应用程序真正可靠地运行。 我们的方法侧重于我们称之为动态优化的内容。我们的系统会根据上下文进行调整，而不是将所有可能的情况都塞进一个庞大的提示中（这会混淆 LLM）。例如，一个旅行聊天机器人会自动知道提到洛杉矶时使用 LAX，而提到多伦多时使用 Pearson。这可以持续提供 90% 左右的准确性，而行业标准是 60% 左右。 但仅仅有准确性是不够的，因为我们还需要解决构建器方面的差距： * 简单的构建器（Lovable、Bolt）：创建静态网站，而不是 AI 应用程序 * 复杂的 ML 工具：需要专门的团队，而大多数初创公司都没有（Arize、Voxel51）——我们还从技术和非技术创始人那里听说，他们觉得这些工具非常复杂 * 缺少什么：构建 AI 嵌入功能的应用程序的工具 因此，我们构建了内置优化的 AI 代理。用户只需输入他们想要构建的内容，我们的代理就会处理整个开发流程：创建具有嵌入式模型、RAG 和智能处理的应用程序。您可以将其部署到您自己的基础设施上，通过 Netlify、GitHub 或直接下载，因为您可以在本地运行它。 结果：初创公司、独立黑客和企业无需聘请专门的 ML 团队即可构建可用于生产的 AI 应用程序。 候补名单：[https://empromptu.ai](https://empromptu.ai) 我们很乐意收到来自 HN 社区的反馈——特别是如果您遇到了类似的准确性问题，或者对技术方法有任何想法。

八年前看到这个问题，很喜欢当时的回答。很想看看现在大家会怎么说。<p>引用原帖内容：在坚持的过程中，你会避免哪些事情？