مدیرعامل SuperBlocks: چگونه می توان با مطالعه درخواست های سیستم هوش مصنوعی ، ایده ای برای تکشاخ پیدا کرد

برد منزز ، مدیرعامل شرکت راه اندازی برنامه نویسی Vibe-Coding SuperBlocks ، معتقد است که برداشت بعدی میلیاردها دلار که از میلیارد دلار شروع می شود ، تقریباً در دیدگاههای عادی پنهان است: سیستم را به کار می برد که توسط AI راه اندازی موجود شروع می شود.

دستورالعمل های سیستمی طولانی است-5000 تا 6000 کلمه-که شرکت های راه اندازی هوش مصنوعی برای آموزش مدل های بنیانگذار از شرکت هایی مانند OpenAi یا Anthropic در مورد چگونگی تولید محصولات AI خود در سطح کاربرد استفاده می کنند. به نظر من ، آنها به عنوان یک کلاس اصلی در بیانیه مهندسی هستند.

“هر شرکت یک سیستم کاملاً متفاوت برای همان سیستم برای یکسان دارد [foundational] او به TechCrunch گفت. ” آنها در تلاشند تا مدل را دقیقاً آنچه را که برای یک دامنه خاص ، کارهای خاص لازم است ، انجام دهند. “

اعلان های سیستمی دقیقاً پنهان نیستند. مشتریان می توانند از بسیاری از ابزارهای هوش مصنوعی برای به اشتراک گذاشتن خودشان بخواهند. اما آنها همیشه در دسترس عموم نیستند.

بنابراین به عنوان بخشی از تولید جدید محصول AI -AI خود برای رمزگذاری یک شرکت به نام کلارک ، SuperBlocks پیشنهاد کرده است که آنها یک پرونده از 19 سیستم سیستم را از برخی از محبوب ترین محصولات برنامه نویسی هوش مصنوعی مانند Windsurf ، Manus ، Cursor ، Lovable و Bolt به اشتراک بگذارند.

صدای جیر جیر منزز ویروسی شد و تقریباً 2 میلیون نفر از جمله نام های بزرگ در دره مانند سام بلود ، صندوق بنیانگذار سابق و Brex و هارون لوی ، سرمایه گذار Superblocks مشاهده شد. Superblocks هفته گذشته اعلام کرد که 23 میلیون دلار در دور پسوند سری A جمع آوری کرده است و منجر به کل سری A به 60 میلیون دلار برای ابزارهای برنامه نویسی ارتعاش با هدف عدم توسعه در شرکت ها می شود.

به همین دلیل ما از منزس خواسته ایم تا ما را ترجمه کند که چگونه می توان از طریق سیستماتیک دیگران برای استخراج بینش ها مطالعه کرد.

وی توضیح داد: “من می گویم که بزرگترین یادگیری برای ما با ساختن کلارک و خواندن سیستم باعث می شود که خود در معرض سیستم باشد ، شاید 20 ٪ از سس مخفی باشد.” این امر باعث می شود که LLM اساس آنچه باید انجام شود.

80 ٪ باقیمانده “غنی سازی سریع” است که به گفته وی زیرساخت هایی است که در حال راه اندازی است ، که در اطراف تماس های LLM ساخته شده است. این بخش شامل دستورالعمل هایی است که آن را به درخواست کاربر و اقدامات انجام شده هنگام بازگشت جواب ، به عنوان یک بررسی برای صحت انجام می دهد.

نقش ها ، زمینه و ابزارها

وی گفت: سه بخش از اعلان های سیستمیک برای مطالعه وجود دارد: باعث شده است که نقش ، از طریق متن و استفاده از ابزارها استفاده شود.

اولین چیزی که شما باید توجه کنید این است که در حالی که دستورالعمل های سیستمی به زبان طبیعی نوشته شده است ، اما بسیار خاص هستند. منز گفت: “به طور کلی ، شما باید صحبت کنید که گویی یک همکار انسانی درست می کنید.” “و دستورالعمل ها باید کامل باشند.”

باعث شد که این نقش به LLM کمک کند تا هماهنگ باشد و هم به یک هدف و هم شخصیتی می دهد. به عنوان مثال ، Devin با “شما یک Devin هستید ، یک مهندس نرم افزار با استفاده از یک سیستم عامل واقعی رایانه. شما یک کد واقعی کد هستید: تعداد کمی از برنامه نویسان به همان اندازه با استعداد هستند که در درک پایه های کد ، نوشتن کد کاربردی و تمیز و تکرار تغییرات خود را تا زمانی که درست باشند ، با استعداد هستند.”

سریع متنی به مدل ها می دهد تا قبل از عمل به آنها نگاه کنند. این باید نرده هایی را فراهم کند که به عنوان مثال می تواند هزینه ها را کاهش داده و وضوح وظایف را تضمین کند.

دستورالعمل های مکان نما: “در صورت لزوم با ابزارها تماس بگیرید و هرگز نام ابزارهای کاربر را ذکر نکنید – فقط آنچه را که انجام می دهید را توصیف کنید.

استفاده از این ابزار وظایف عامل را فعال می کند زیرا به مدل ها آموزش می دهد که چگونه فقط از تولید متن فراتر رود. به عنوان مثال ، پاسخ طولانی است و ویرایش و جستجوی کد ، نصب زبانها ، تنظیم و پرس و جو از پایگاه داده های postgresql ، اجرای دستورات پوسته و دیگران را توصیف می کند.

مطالعه مطالب سیستماتیک دیگران به منزها کمک کرد تا آنچه را که سایر رمزگذارهای ارتعاش بر آن تأکید می کنند ، ببینند. وی گفت ، ابزارهایی مانند Loveable ، V0 و Bolt “روی تکرار سریع متمرکز شده اند” ، در حالی که “مانوس ، دوین ، Openai Codex و Replit” کمک به کاربران کمک می کند تا برنامه های کاربردی کامل ایجاد کنند ، اما “خروجی هنوز یک کد سخت است”.

منزز این فرصت را دید که در صورت راه اندازی ، می تواند بیانیه ها را بنویسد ، مانند امنیت و دسترسی به منابع داده مانند Salesforce.

در حالی که منزز هنوز شروع به کار چند جانبه ای از رویاهای خود نمی کند ، Superblocks برخی از شرکت های قابل توجه مانند مشتریان از جمله Instacart و Papaya Global را به دست آورده است.

Menezes همچنین محصولی از غذاهای داخلی است. مهندسان نرم افزار وی مجاز به نوشتن ابزارهای داخلی نیستند. آنها فقط می توانند محصول را بسازند. بنابراین افراد تجاری وی برای همه نیازهای خود عوامل ایجاد کرده اند ، مانند کسی که از داده های CRM برای شناسایی مشتریانی که شاخص های نگهداری را ردیابی می کنند ، استفاده می کند ، دیگری که وظایف مهندسان فروش انسان را متعادل می کند.

وی می گوید: “این یک روش اساسی برای ساختن ابزارها و خرید ابزارها است.”

تصحیح: این داستان به روز شده است تا روشن شود که دور اخیراً اعلام شده یک حلقه پسوند است و به روزرسانی سری کل جمع آوری شده است.