หัวเรื่องเดิม: ความหมายของเหตุการณ์ Karpathy เข้าร่วม Anthropic สำหรับ Claude
ผู้เขียนเรื่องเดิม: @nateherk
การแปล: Peggy, BlockBeats

บันทึกของบรรณาธิการ: Andrej Karpathy เข้าร่วม Anthropic ไม่ใช่เพียง "ผู้เชี่ยวชาญด้าน AI เข้าร่วมห้องปฏิบัติการชั้นนำ" นั่นเท่านั้น มีสิ่งที่น่าสนใจมากกว่าคือการเปลี่ยนแปลงทิศทางของผลิตภัณฑ์ที่อยู่เบื้องหลังการกระทำบุคคลนี้

ในปีที่ผ่านมา จุดศรัทธาในวงการ AI ยังคงมุ่งที่โมเดลเอง: ใครมีเบนช์มาร์กสูงสุด, ใครมีความสามารถในการสรุปที่แข็งแกร่งมากที่สุด, ใครนำหน้าในอันดับ. แต่เมื่อความสามารถของผลิตภัณฑ์เช่น Claude Code, Skills, MCP, การจดจำโครงการ, การไหลของ Agent ดำเนินไปอย่างต่อเนื่้อต่อเนื่อ แนวโน้มที่ชัดเจนกว่ากำลังปรากฏขึ้น: โมเดลเพียงเพียงเป็นชั้นหนึ่งของผลิตภัณฑ์, สิ่งที่จริงๆ ประเมินได้ผลอย่างดีของผู้ใช้, คือบทบาทของสมองของโมเดล, การจดจำ, การไหลของงาน, ทักษะ, ตัวต่อ, โครงสร้างไฟล์, คู่มือสไตล์ และวงจรเป้าหมาย

แนวทางที่ Andrej Karpathy ได้เน้นหยิบหยอดซ้ำๆ ในเดือนที่ผ่านมา "วิศวกรรมข้อความ", สอดคล้องกับการเปลียนแปลงนี้ สิ่งที่จริงๆ ประเมินได้พัฒนาได้จริงๆ ของ AI ไม่ใช่เพียงแค่ข้อคำถามที่ผู้ใช้เขียนไว้, แต่คือว่าโมเดลเข้าใจคุณพิมพ์เอกสาร, การไหลงาน, มาตรฐานสไตล์, วัตถุประสงค์ธุรกิจ และภาระแผนการใด. กล่าวอีกอย่าง, การแข่งขันของระดับถัดไปของ AI, อาจจะไม่ได้เป็นเพียงแค่ "โมเดลของใครสามารถสายขั้วได้ดีกว่า" แต่อาจจะเป็น "ใครสามารถทำให้โมเดลเข้าสู่สถานการงานแท้จริงได้ดีกว่า"

ตั้งแต่ LLM Wiki ไปถึง AutoResearch, และเดี๋ยว /goal แบบเป้าหมายไหนข้างฆ่าถึงขั้นไหน ทิศทางที่ Andrej Karpathy ประสบความสำเร็จที่เกิดขึ้นเป็นสาธารณะเส้นทางเดียวกัน: ว่าจะทำอย่างไรให้ AI ไม่ได้เห็นเพียงแค่ "หน้าต่างสนทนาที่ตอบคำถาม" แต่เป็นระบบการทำงานที่เข้าใจบริบท, ดำเนินงานแบบต่อเนื่อง, วนรอบรอบรอบวง รอบก้อนเป้าหมาย และเปรียญที่ประสานกับตัวได้ให้กับงาน และ

ด้วยเหตุนี้ Andrej Karpathy เข้าร่วม Anthropic แสดงถึงหมายความอะไร ไม่ใช่เพียงครั้งหนึ่งในการไหลของความชำนาญ, แต่เป็นเหมือนการย้ำว่า "เส้นทางผลิตภัณฑ์ของ Anthropic ในอนาคต AI, มูลค่าอยู่ไม่เพียงแค่ในพารามิเตอร์ของโมเดล, แต่ยังอยู่ในข้อมูลที่ผู้ใช้ออกตัว, การไหลของงาน, ระบบทรงจำและความรู้ในอุตสาหกรรม. ใครสามารถจัดระเบียบบริบทเหล่านี้เป็นที่เรียบร้อย จะเป็นใครที่น่าจะแท้จริงนำ AI จาก "เครื่องมือ" สู่ "โครงสร้างพื้นฐาน"

ด้ายานรอยของบทความเดิม:

ไม่กี่ชั่วโมงก่อน Andrej Karpathy โพสต์ออกมาประกาศว่าเขาจะเข้าร่วม Anthropic.

เวอร์ชันที่เรียบง่ายที่สุดของเรื่องนี้คือ: ผู้มีความรู้ความเชี่ยวชาญด้าน AI เข้าร่วมห้องปฏิบัติการ AI ขนาดใหญ่.

แต่สิ่งที่น่าสนใจมากกว่าคือ: ทำไมถึงเป็น Anthropic? และทำไมเป็นตอนนี้?

เพราะถ้าคุณได้กลับมองไปดูสิ่งที่ Karpathy ได้สร้างขึ้นอย่างต่อเนื่องในหลายเดือนที่ผ่านมา และกลับมองดูฟีเจอร์ต่างๆ ที่ Claude Code ได้เปิดตัวเมื่อไม่นานมานี้ จะพบว่า 2 อย่างดูเหมือนจะไปสู่ทิศทางของผลิตภัณฑ์เดียวกัน.

พื้นหลัง

Karpathy เป็นหนึ่งในบุคคลที่สำคัญในวงการ AI สมัยใหม่ ๆ.

เขาเป็นหนึ่งในสมาชิกผู้ก่อตั้ง OpenAI ปี 2015 ทำงานใน Tesla เป็นผู้รับผิดชอบด้านธุรกิจ AI 5 ปี; กลับมาที่ OpenAI ปี 2023 ออกไปหลังจาก 1 ปี; จากนั้นก็สร้างบริษัทการศึกษา AI ของตัวเอง Eureka Labs. เขายังเปิดตัวไอคอน LLM 101n นี่คือหลักสูตรฟรี ๆ ที่สอนผู้ใช้ว่าจะสร้างโมเดลภาษาจาก 0 อย่างไร

เขายังคิดค้นคอนเซป "vibe coding" คุณเพียงใช้อังกฤษอธิบายสิ่งที่คุณต้องการ ให้ AI เขียนโค้ดและรับฟังและคำแนะนำอย่างต่อเนื่องและใช้ดังนั้น. เขายังเสนอคอนเซป "context engineering" (วิศวกรรมบริบท) ซึ่งจะเป็นปัจจัยสำคัญของการถกเถนในบทความนี้ต่อไป.

ดังนั้น นี่ไม่ใช่เพียงการรับสมัติธรรมธรรมดา แต่เป็นสัญลักษณ์ที่กระทบกระชากอย่างมากเป็นหนึ่งในเสียงที่มีอิทธิพลที่สุดในวงการ AI เข้าร่วมห้องปฏิบัติการ AI ที่แข็งแกร่งที่สุดในปัจจุบัน

ประมาณหนึ่งสัปดาห์ก่อน Ramp ปล่อยดัชนี AI ของตน. ตามข้อมูลนี้ Anthropic ในองค์กรมีการใช้งานเป็นครั้งแรกกว่า OpenAI: 34.4% เป็น 32.3%

แน่นอน จริงจังต่อว่า นี่เป็นข้อมูลจากกลุ่มลูกค้าของ Ramp. OpenAI ยังคงมีแบรนด์ในวงการผู้บริโภคที่แข็งแกร่ง และยังมีสัญญาองค์กรขนาดใหญ่ๆ ที่ไม่ได้รับการรวมอยู่ในกลุ่มตัวอย่างนี้. ฉันไม่ต้องการขยายเรื่องนี้มากเกินไป แต่สัญญาณนี้ยากที่จะไม่ต้องสนใจ

เดือนนี้ในช่วงต้น ๆ Anthropic ได้ประกาศเปิดตัวบริษัทบริการ AI ใหม่ ๆ อีกหนึ่งองค์กร ซึ่งเป็นบริษัทร่วมทุนที่สร้างขึ้นร่วมกันระหว่าง Anthropic และ Blackstone、Hellman & Friedman และ Goldman Sachs เพื่อช่วยธุรกิจขนาดกลางนำ Claude เข้าสู่กระบวนการธุรกิจหลัก

ดูการกระทำนี้อีกครั้ง: พวกเขากำลังสร้างโมเดลและทรัพยากรทางแบรนด์ เช่น โค้ด Claude Skills MCP; พวกเขากำลังสร้างเครือข่ายพันธมิตร; และตอนนี้ก็เพิ่มความสามารถในการให้บริการเพื่อช่วยธุรกิจสามารถทำงานจริงและชัดเจนมากขึ้น

นี่ไม่ใช่เกมที่บอกว่า "เราส่งโมเดลให้คุณแล้ว คงเหลือเป็นหน้าของคุณโปรดหาทางเอาเอง" อีกต่อไป

Wrapper is the Product

ในปัจจุบันหลายส่วนเกี่ยวกับ AI ยังคงพูดถึงโมเดลเองเป็นผลิตภัณฑ์ที่สมบูรณ์: โมเดลไหนชนะในเบนช์มาร์กรอบไหน; Opus 4.7 GPT-5.5 Gemini whose stronger; การจัดอันดับเป็นอย่างไร

โมเดลเป็นสิ่งสำคัญแน่นอน ฉันไม่ได้พูดว่าโมเดลไม่สำคัญ แต่เมื่อใช้เครื่องมือเหล่านี้มากเท่าไหร่ จะเห็นว่า: โมเดลเป็นแค่ชั้นเดียวของผลิตภัณฑ์เท่านั้น สิ่งที่เปลี่ยนแปลงจริง ๆ สำหรับผลิตภัณฑ์ของคุณคือชั้น wrapper นอกสุด

นี่เป็นเหตุผลที่ทำให้คนสองคนที่ใช้โมเดลเดียวกัน แต่สามารถได้ผลต่าง ๆ ได้

สิ่งที่เรียกว่า wrapper คือ สิ่งทั้งหมดที่กำหนดว่าโมเดลจะถูกใช้อย่างไร

→ Claude Code ตัวเอง Codex Skills Subagents Hooks MCP Connectors

→ CLAUDE.md ของคุณ ความจำของคุณ เอกสารของคุณ กรณีศึกษาของคุณ

→ โครงสร้างไฟล์ของคุณ เกณฑ์การใช้งานของคุณ และนิยมให้ความสำเร็จอย่างจริงใน "ผลลัพธ์ที่ดี"

นี่คือสภาพแวดล้อมของโมเดล

ถ้าคุณเปิดหน้าต่างแชทที่สดใหม่โดยไม่มีบริบทใด ๆ แล้วขายแก้ไขปัญหาธุรกิจ มันไม่ทราบไร และก็คิดอย่างใดอย่างหนึ่งดังนั้นคุณต้องอธิบายสิ่งนั้นซ้ำ ๆ อีกครั้งในบทสนทนะ

แต่ถ้าคุณให้มันได้เอกสารของคุณ กรณีศึกษาของคุณ กระบวนการทำงานของคุณ แนวทางของคุณและมาตรฐานความสำเร็จที่แท้จริง มีความเป็นไปได้ที่การกระทำเดียวกันโมเดลที่คุณได้รับผลลัพธ์จะแตกต่างกันอย่างสิ้นเชิง

นี่คือที่ที่ Karpathy และ Anthropic ตรงกัน เขาเสนอ "การวิศวกรรมสำหรับบริบท" (context engineering) ไม่ใช่การดำเนินการสำหรับงานเกรด (prompt engineering) เพราะเหตุผลนี้ ความสามารถที่สำคัญที่แท้จริง คือไม่ใช่การเขียน prompt ที่สมบูรณ์แบบแต่ในการสร้างสภาพแวดล้อมที่ถูกต้องเพื่อให้โมเดลทำงานจริงและจำได้ความสำคัญของบริบทและใช้มันระหว่างการสนทนา

Anthropic ได้ทำงานเบื้องหลังเพื่อสร้างสภาพแวดล้อมนี้อย่างลับ ๆ Karpathy ได้กลายมาเป็นผู้สอนแบบเปิดเผยวิธีการนี้ ตอนนี้ทั้งสองกลุ่มความคิดนี้ได้รวมตัวกันในบริษัทเดียวกัน

เมื่อเข้าใจแล้ว Karpathy ที่ประชุมสามเดือนที่ผ่านมา สิ่งที่ทำไม่ได้เป็นกลุ่มโครงการสุ่ม ๆ และมีความเป็นเส้นทางมากขึ้น

LLM Wiki และคุณเชือกข้อมูล

ในเดือนเมษายนปีนี้ Karpathy ปล่อย LLM Wiki โครงการนี้ได้รับความนิยมอย่างรวดเร็วบน X

โครงสร้างของมันมีความง่ายดายมากหากคุณต้องการทราบฉันได้ทำวิธีใช้งานบน YouTube

→ โฟลเดอร์ raw/ ในนั้นมีไฟล์มาร์กดาว์มในปริมาณมาก ทุกอย่างตั้งแต่บันทึกข้อความทราบข้อมูลต้นฉบับ สรุปข้อความ การตีคู่ข้อมูลใด ๆ

→ โฟลเดอร์ wiki/ ที่ Agent จะรวมข้อมูลทั้งหมดและจับความเกี่ยวข้องระหว่างเนื้อหาต่าง ๆ ปรับธรรมชาติ และสร้างแผนผังความคิด

→ เอกสาร schema คล้าย CLAUDE.md หรือ AGENTS.md ที่ใช้บอก Agent ว่าระบบนี้ทำงานอย่างไร และวิธีที่ใช้สำหรับทำให้ Agent ปรับ

มันไม่ใช่ให้ปล่อย AI ไปค้นหาไฟล์ต้นฉบับ ไม่ใช่ของการค้นหาเวกเตอร์อย่างง่าย ๆ แต่ปล่อยให้ AI สร้างฐานความรู้ที่มีชีวิตอยู่และก้าวอยู่ไปออกได้ตลอดเวลา มันจะอ่านข้อมูลทราบความสัมพันธ์ระหว่างข้อมูล จนมีคนเริ่มใช้งานเพื่อสร้าง "สมองสองของตัวเอง"

เรื่องนี้มีความสำคัญมากกว่าที่เห็นด้านนอก คนมากมายกล่าวถึง "ข้อมูลเป็นเชือกสาน" ข้อมูลจริงใจและมีประโยชน์เพื่อการสร้างความมั่นใจ

อาจเป็นบันทึกการประชุมของคุณ ข้อบัญญัติภายใน บันทึกการโทรศัพท์ลูกค้า การสรุปข้อความข้อมูลของของข้อมูลของของข้อกำหนดของการเรียกตั้งและงบด้านสถาปัตยกรรมประเภท และเฟรมเวิร์ค

หาก Claude สามารถแปลงเนื้อหาเหล่านี้ให้เป็นบริบทที่มองเห็น เข้าใจ และใช้งานได้ สำหรับคุณนั้น ระบบนี้จะกลายเป็นทั้งหมดของคุณทุกวันจะกลายเป็นมากขึ้นช่างอัจฉริยะมากขึ้น

นี่คือ "ผลของการล็อค" มันไม่ได้เป็นเพราะว่าคุณไม่สามารถเปลี่ยนแบบจำลองได้ แน่นอนว่าคุณสามารถเปลี่ยนแบบจำลอง แต่เมื่อคุณยังดำเนินงานบนเครื่องมือนั้นอย่างต่อเนื่องสร้างบริบทงาน และความทรงจำเวลาผลจะยิ่งต้องออกจาก

LLM Wiki ไม่ใช่เพียงแค่งานรอง มันเป็นคำใบ้ฉันก็ไม่มีความสุมสำรับที่ในอนาคต ฉบับคลุมหรือของขวางโครงการอื่นของ Claude ระบบเมียงออกแบบคล้ายกัน คุณสามารถดูสแนไรแคลอร์สวมวรรถึคนต้องมา

แน่นอนคุณไม่จำเป็นต้องรอ. สุดสัปดาห์นี้คุณสามารถเอาเองไปใช้งานให้ Claude Code อ่านเอกสารสำคัญของคุณและสร้างวิกิได้ตามแบบนี้

หากคุณต้องการเป็นคนแรกที่วาง AI ลงไปในงาน. คุณจะพบว่าข้อมูลของคุณมีค่าจริง ๆ ก็ต่อเมื่อเอเจนท์ทราบวิธีการหามัน และวิธีใช้มันอย่างถูกต้อง

วงจรการวิจัยอัตโนมัติ และวัตถุประสงค์ /Goal

ในเดือนมีนาคมของปีนี้ Karpathy ได้เผยแพร่โครงการที่เรียก AutoResearch นั้นคือวงจรการวิจัยโดยอัตโนมัติ หากคุณเคยเล่น Ralph Loop คุณจะพบว่าทั้งสองมีความคล้ายคลึงกันในแง่ความคิด

รูปแบบของมันโดยประมาณก็คือ:

1. ได้รับสคริปต์การฝึกอบรม

2. ข้อเสนอแก้ไข

3. ทำงานฝึกอบรมชั่วคราว

4. ตรวจสอบผลตามเกณฑ์วัดที่เป็นฝั่ง: ผ่านหรือไม่

5. ทำซ้ำอย่างต่อเนื่องจนถึงวัตถุประสงค์

ถ้าต้องการให้ชัดเจน AutoResearch นั้นไม่ใช่คุณสมบัติที่ใช้บ่อยๆ ของฉัน ฉันไม่ฝึกอบรมแบบจำลอง และไม่ต่อเข้าใจว่าต้องการใช้วงจรเช่นนี้ในแอพ

กำหนดวัตถุประสงค์. สั่งงานให้เอเจนท์ทำงาน. พอเสร็จแล้วกลับมาอีกครั้ง

อีกครั้ง ดูว่าชุมชนทั้งหมดกำลังจะนำออกอะไรขึ้น: Codex มี /goal, Hermes มี /goal, Claude Code ก็มี /goal ที่เป็นพื้นที่เดิม ๆ

ฉันไม่พูดว่า Karpathy ใช้ไอเดียนี้ส่วนตัว. ฉันไม่ทราบ และจากเส้นใต้นี้มองจากด้านลึกลูก AutoResearch และ /goal ก็ไม่ใ่สือเครื่องเรื่องเดียวกัน แต่รูปแบบของมันบ่งชีพว่าตัวเอง ณ

ทั้งสองส่วนกำลังพาเราจากโหมด "กระตุ้นนำเสนอ กระตุ้นสำเร็จ" ออกไป

พวกเขากำลังนำเราไปสู่วิธีการแลกเปลี่ยนอีกแบบ: กำหนดผลลัพธ์ ให้เอเจนท์เป็นคนตัดสินใจว่าจะทำอย่างไร และรอจนกว่าเงื่อนไขที่กำหนดผลลัพธ์

นี่คือ Vibe coding รุ่นพรีเมียม. กำหนด "อยากได้" ไม่ต้องกำหนด "ทำยังไง" และรอจนกว่ามันจะสำเร็จ

เมื่อนำรูปแบบนี้มาผสมกับแนวคิดของ LLM Wiki ทั้งหมดไม่ได้มีลักษณะคล้ายกับหุบห้างคุย. มันเริ่มดูเหมือนพนักงานจริง ๆ: เข้าใจธุรกิจของคุณและทำงานต่อเนื่องรอบ ๆ วัตถุประสงค์จนถึงประสบความสำเร็จ

เส้นทางการศึกษานี้

ในประกาศการเข้าร่วมของ Karpathy มีประโยคหนึ่งที่สำคัญต้องตั้งใจมองอีกครั้ง คำนั้นคือ: "ฉันยังคงมีแรงบันดาลใจในด้านการศึกษา"

Eureka Labs, ซึ่งเป็นบริษัทก่อตั้งก่อนหน้าของเขา, ที่เราจะแลกเปลี่ยนแอบโฉม, เป็นโครงการการศึกษาในกลุ่มหมวดหมู่(อาจจะมีความหมาย "ในทางจิตใจและใจในกลุ่มหมาย") วัตถุประสงค์ของพวกเขาไม่ใช่การสอนคน "คลิกที่ปุ่มนี้, เชื่อมต่อกับโหนดเหล่านี้" แต่เป็นการช่วยเหลือคนเข้าใจในด้านใน AI จริงๆ: ระบบเหล่านี้ทำงานอย่างไร

ข้อความเป็นเรื่องที่ Karpathy ออกมาพูดนั้นน้อยมาก, คือเขาพูดงานเทคนิคขนาดมากให้มนุษย์ความรู้ก็คืออิทธิพลสุดในระดับการทำ. ให้การความรู้นั้นออกไปสู่คนอื่นเสียที่พวกเขาจะใช้ได้จริงบนทุกประการคนอื่น

สิ่งนี้มีความสำคัญมากสำหรับ Anthropic. หากการแข่งขันระยะถัดไปได้รับความสนใจในเชื้อชาย, ขั้นตอนงาน, Skills, ความจำ, และการต่อเนื่อง, นั่นแสดงว่าข้อจำกัดไม่ได้มีเพียงเทคโนโลยีเท่านั้น มันยังรวมถึงการศึกษาด้วย

IBM ได้ทดสอบเรื่องการใช้งาน AI และการเปลี่ยนแปลงด้วย AI ได้ต่างหากแจ่มชัด นำหลายธุรกิจในการ "ใช้งาน AI" กับการ "ใช้งาน AI อย่างดีจริงๆ" มีระยะห่างที่มากกัน ส่วนใหญ่จากธุรกิจจะหยุดอยู่ในจุดนี้

ให้คนที่เก่งโดยเฉพาะในเรื่องการศึกษา AI เข้าสู่องค์กร, ช่วยเหลือในการยุบลดระยะห่างดังกล่าว, มันไม่ใช่การกระทำเล็กน้อยเลย

3 คำทีีพยากยานหารการสุราของ Claude Code

ข้างล่างนี้เพียงแค่การคาดเดา ฉันไม่มีข้อมูลเบื้องใน, และไม่ทราบแผนการที่ดำเนินการของ Anthropic แต่อิงจากผลิตภัณฑ์ที่ Anthropic ได้ออกและเนื้อหาที่ Karpathy หยิบมาเผยแพร์ไปยิ่งกว่าหลายเดือนที่ผ่านมา, ก็จะเห็นภาพที่ชัดเจนมากขึ้น

Anthropic จะสร้าง "ร้านค้าสำหรับส่วนหนึ่งไปยี่

พวกเขาได้เริ่มจากเรื่องนี้ไปเมื่อแรก, ปลั๊กอินประจำหลัง, Skills, และส่วนโครงสร้างสินค้ากำลังถูกสร้าง

แต่ที่ฉันพูดถึงไม่ใช่ตลาด prompt

ฉันจะพูดถึงประเภทหนึ่งของส่วนโครงสร้างสินค้า: Skills, ขั้นตอนการทำงาน, ความจำของโครงการ, บทตำลฺบที่เป็นขั้นตอนไปทางลูกฟิใช้งาน, review loops, และช่องเชื่อมต่อที่เชื่อมต่อกับข้อมูลจริงๆ รวมถึงตัวอย่างของเขาสามารถสอนรูปแบบไปสู่ว่าตําม็ทรงทีหนึ่งคือสารอาณสามารถลูกฟรตือว่าคือการมองได้ดี

หากคุณเชื่อหรือถ่วง, sหว่น์ของคุณเป็นส่วนอิเลกจูที่นําดังกันคุ่งให้ได้มีค่าสูงยิ่งขึ้น, ยั่งอ่านอ้นเล็กน้อยความสนํหมน้นแกนไม่ได้แกเพียงคร่าย " เมฮให้ศาขอรองเท่าใด" ความจริงหลักคือ: ใครและใครชู้ยังคงเสริมสร้่จมูก ฉูู่เวี่4้นทะแป็ลกนัย้ อาริปาย้ผูดสร้บสຍูงขึ้นหรอาคำดทีบางใดต่อผูชุ้้งแล้ง

LLM Wiki เป็นรูปแบบที่เปลี่ยนข้อมูลที่สับสนให้เป็นแบบแหล่งจำความได้. /Goal เป็นรูปแบบที่เปลี่ยนเป้าหมายให้เป็นลูปอัตโนมัติ. การทำงานในด้านการศึกษาของ Karpathy เป็นรูปแบบที่ทำให้แนวคิด AI ที่ซับซ้อนเป็นไปได้.

สิ่งที่เขาแพ็คจริงๆ คือรูปแบบพฤติกรรม. ถ้า Anthropic สามารถทำให้รูปแบบพฤติกรรมนี้กลายเป็นนิเวศแห่งแท้จริง, Claude Code จะไม่ได้เป็นเพียงเครื่องมือสำหรับการเขียนโปรแกรมอีกต่อไป, แต่จะกลายเป็นตลาด.

สินค้าจะมีคำสั่งแบบ /goal มากขึ้น

/Goal น่าจะเป็นรุ่นแรกเท่านั้น และไม่ใช่รูปแบบสุดท้าย.

สามารถจินตนาการได้ว่าในอนาคตจะมีรุ่นพิเศษมากมาย: ลูปการวิจัย, ลูปการแก้ปัญหาข้อบกพร่อง, ลูปการสำเร็จงาน. อาจจะมีคำสั่งที่ถูกปรับแต่งสำหรับด้านแนวราบที่โดดเด่น, ในบริบทเหล่านี้, เอเจ้นท์รู้สึกที่สำคัญเมื่อพูดถึงคำว่า "สำเร็จ."

ฉันไม่รู้ว่าท้ายที่สุดสิ่งเหล่านี้จะเรียกว่าอะไร, แต่มันไม่ใช่จุดเด่น.

จุดเด่นคือการเปลี่ยนแปลงอินเตอร์แฟซ. คุณจะไม่พูดว่า "ทำขั้นตอนนี้," แต่จะเริ่มพูดว่า: "ในบริบทแนวราบเฉพาะ, ดำเนินการไปเรื่อยๆ จนกว่าเงื่อนไขดังกล่าวจะเป็นจริง."

Anthropic จะเปิดตัวระบบการศึกษาชั้นล่างเพื่อช่วยให้ผู้ใช้แพ็คเกจเวิร์กโฟลว์ของตนเองได้

นี่คือคำทายที่ของกล้าที่สุด. ใช่ ฉันว่ามันน่าสนใจที่สุด.

ถ้า Anthropic ต้องการสร้างตลาดบริบทแท้จริง, บุคคลธรรมดาก็ต้องสามารถเข้าร่วมการมีส่วนร่วม, และไม่ใช่เฉพาะให้โดยเน้นถึงนักพัฒนาและนักวิจัยเท่านั้น.

กล่าวคือ, ผู้เชี่ยวชาญในด้านอาชีพจากสายงานต่างๆ ยังควรสามารถเข้าร่วมการดำเนินงานด้วย.

→ ผู้บัญชีที่เข้าใจกระบวนการปิดบัญชีรายเดือนได้อย่างแท้จริง.

→ ผู้จัดการด้านอสังหาริมทรัพย์ที่เข้าใจขั้นตอนการใส่ข้อมูลทุกขั้นตอน.

→ YouTuber ที่เข้าใจว่าอะไรคือบรรจุดี, อะไรคือบรรจุไม่ดี และสามารถดำเนินการการประเมินแนวคิดตั้งแต่เริ่มต้นจนจบได้

ข้อมูลเหล่านี้มีค่ามาก. แต่ตอนนี้, มันจะอยู่ในหัวของคนหรือในเอกสารที่สับสน, สายงาน Slack และช่อง ClickUp.

คุณสามารถมองเห็นแนวโน้มที่คล้ายกันในรายการจระลกของตนเอง. ผู้คำนวณมากมายเริ่มสร้างตัวการ์ตูน AI ของตนเองและหุ้นติจงตนเองเพื่อให้ผู้ใช้สามารถสนทนากับ AI ดังกล่าว. นี่เป็นเวอร์ชันทำดอม. คนต้องการดึงความรู้ของผู้อื่นออกมาและนำมาประยุกต์ใช้ในธุรกิจของตนเอง.

หากวันนี้ฉันต้องการสร้างเอเจ้นท์โฆษณาฉันกำลังจะติดอยู่ เพราะฉันไม่มีความรู้ทางเชี่ยวชาญในงานนี้ แต่หากมีตลาดที่อนุญาตให้ฉันสมัครสมาชิกในบริบท SME คุณภาพสูงของพื้นที่ใดพื้นที่หนึ่ง ฉันจะเป็นลูกค้าทันที

นี่คือชั้นของการใจรักของฉันที่จะให้ความสำคัญบิดินบุก

บทสรุป

เรื่องจริงเรื่องนี้คือตัวอย่างโดยตรง

โมเดลเป็นแค่หนึ่งชั้นเท่านั้น ตัวห่อภายนอกของโมเดลกำลังกลายเป็นผลิตภัณฑ์ที่แท้จริง ข้อมูลและขั้นตอนการทำงานของคุณกำลังกลายเป็นประสิทธิภาพของการล็อกจับของผลิตภัณฑ์นี้ ซึ่งเป็นสิ่งที่ Karpathy ได้สอนมาหลายเดือนก่อนدนะ นี่คือสิ่งที่Anthropic ได้ทำมาหลายเดือนก่อนด้วยอ่ะ

ดังนั้น เข้าร่วมครั้งนี้ไม่ใช่เป็นหัวข้อข่าว แต่เป็นแผนการเดินทาง ฉันได้ทบไขทั้งหมดในวิดีโอแบบเต็มรูป ลิงค์อยู่ที่ตอบข้อความครั้งแรกนะดิ

[ลิงก์ต้นฉบับ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia