Agen AI dengan sentuhan manusia jauh lebih baik daripada sistem agen umum yang mencoba mengotomatiskan semuanya. Sentuhan manusia terjadi pada fase seperti desain cepat, rekayasa konteks, arsitektur agen, dan, yang lebih penting, evaluasi. Keahlian domain sangat penting.

Saya bersemangat untuk akhirnya meluncurkan ini. Server MCP saya sekarang menawarkan berita pasar saham waktu nyata. Alat yang tersedia: • Dapatkan berita • Dapatkan harga saham • Dapatkan metrik utama • mendapatkan laporan keuangan Butuh waktu sekitar satu bulan untuk mendapatkan server MCP dengan benar, tetapi sekarang berfungsi dengan baik. Lebih banyak alat keuangan segera hadir.

MCP menjadi sangat bagus!

Apa itu rekayasa❓ konteks Dan mengapa semua orang membicarakannya ... 👇 Rekayasa konteks dengan cepat menjadi keterampilan penting bagi insinyur AI. Ini bukan lagi hanya tentang dorongan yang cerdas; ini tentang orkestrasi konteks yang sistematis. 🔷 Masalahnya: Sebagian besar agen AI gagal bukan karena modelnya buruk, tetapi karena mereka tidak memiliki konteks yang tepat untuk berhasil. Pikirkanlah: LLM bukanlah pembaca pikiran. Mereka hanya dapat bekerja dengan apa yang Anda berikan kepada mereka. Rekayasa konteks melibatkan pembuatan sistem dinamis yang menawarkan: - Informasi yang tepat - Alat yang tepat - Dalam format yang tepat Ini memastikan LLM dapat menyelesaikan tugas secara efektif. 🔶 Mengapa Rekayasa Prompt Tradisional tidak cukup: Sejak awal, kami fokus pada "kata-kata ajaib" untuk membujuk respons yang lebih baik. Tetapi seiring dengan pertumbuhan aplikasi AI yang kompleks, konteks yang lengkap, dan terstruktur jauh lebih penting daripada frasa yang cerdas. 🔷 4 Komponen Utama dari Sistem Rekayasa Konteks: 1️⃣ Aliran Informasi Dinamis Konteks berasal dari berbagai sumber: pengguna, interaksi sebelumnya, data eksternal, panggilan alat. Sistem Anda perlu menyatukan semuanya dengan cerdas. 2️⃣ Akses Alat Cerdas Jika AI Anda membutuhkan informasi atau tindakan eksternal, berikan alat yang tepat. Format output sehingga mudah dicerna secara maksimal. 3️⃣ Manajemen Memori - Jangka pendek: Ringkas percakapan panjang - Jangka panjang: Mengingat preferensi pengguna di seluruh sesi 4️⃣ Optimasi Format Pesan kesalahan deskriptif singkat mengalahkan blob JSON besar setiap saat. 🔷 Kesimpulan Rekayasa konteks menjadi keterampilan inti baru karena mengatasi kemacetan yang sebenarnya: bukan kemampuan model, tetapi arsitektur informasi. Seiring dengan semakin baik model, kualitas konteks menjadi faktor pembatas. Saya akan berbagi lebih banyak saat hal-hal berkembang dan menjadi lebih konkret! Menantikan!! 🙌 ____ Jika Anda merasa berwawasan luas, bagikan kembali dengan jaringan Anda. Temukan saya → @akshay_pachaar ✔️ Untuk wawasan dan tutorial lebih lanjut tentang LLM, Agen AI, dan Pembelajaran Mesin!

Jika Anda memberi saya kodenya, saya dapat mengeksekusi yang berarti nilai dalam eksekusi dilindungi oleh kode tetapi AI membuat pengkodean lebih mudah Jadi spesifikasi menjadi parit Karena jika seseorang memiliki spesifikasi, mereka dapat menghasilkan kode dan mereka dapat mengeksekusi

Agen dengan santai menyelesaikan captcha adalah lucu sederhana

Bayangkan antarmuka percakapan modular di mana Anda: - pilih model pilihan - Pilih penyedia penelusuran Anda - pilih alat MCP - mengakses sistem file Anda - Kelola memori Anda, dengan keamanan dan privasi - Bayar sesuai pemakaian untuk layanan apa pun yang digunakan

Jika ada yang bingung tentang lisensi perangkat lunak seperti saya, inilah cara saya melihatnya sekarang. Lisensi perangkat lunak mengontrol apa yang dapat dilakukan orang dengan kode Anda. Lisensi MIT memungkinkan orang melakukan apa saja. Katakanlah Anda membangun pustaka penguraian JSON dengan lisensi MIT. Startup dapat mengambil kode Anda, memodifikasinya, dan menjualnya sebagai bagian dari layanan API berbayar mereka tanpa memberi Anda apa pun kembali. Mereka hanya perlu menyimpan pemberitahuan hak cipta Anda di komentar kode. React menggunakan MIT, jadi Facebook bisa membuatnya berpemilik, tetapi mereka memilih untuk tetap terbuka. Ini adalah lisensi "lakukan apa pun yang Anda inginkan". GPL memaksa berbagi. Bayangkan Anda membuat kerangka kerja web di bawah GPL. Jika seseorang memodifikasi kerangka kerja Anda untuk menambahkan fitur baru, mereka juga harus merilis modifikasi tersebut sebagai GPL. Mereka tidak dapat menjual versi berpemilik. WordPress menggunakan GPL, jadi semua tema dan plugin WordPress juga harus GPL. Jika Anda membangun CMS komersial di atas WordPress, seluruh CMS Anda menjadi GPL. Ini membuat semuanya tetap open source. Apache 2.0 menangani paten dengan lebih baik. Anda menulis perpustakaan pembelajaran mesin dan seseorang menyumbangkan algoritme. Kemudian, mereka mencoba menuntut pengguna atas pelanggaran paten pada algoritme itu. Dengan lisensi Apache, mereka secara otomatis kehilangan hak untuk menggunakan perpustakaan Anda. Ini adalah perlindungan terhadap troll paten. Kubernetes menggunakan Apache 2.0 karena perusahaan cloud khawatir tentang masalah paten. BSD pada dasarnya adalah MIT dengan kata-kata yang berbeda. Anda membuat perpustakaan jaringan di bawah BSD. Aturan yang sama dengan MIT, orang dapat melakukan apa pun yang mereka inginkan. FreeBSD menggunakan ini, itulah sebabnya Apple dapat mengambil kode BSD dan memasukkannya ke macOS tanpa melepaskan kode sumber macOS. Sebagian besar pengembang hanya menggunakan MIT sekarang karena lebih jelas. LGPL adalah GPL untuk perpustakaan. Anda membuat perpustakaan pembuatan PDF di bawah LGPL. Perusahaan dapat menggunakan perpustakaan Anda di perangkat lunak milik mereka tanpa membuat seluruh aplikasi mereka LGPL. Tetapi jika mereka memodifikasi kode pustaka Anda sendiri, perubahan tersebut harus LGPL. Pemutar media VLC menggunakan LGPL sehingga aplikasi lain dapat menyertakan pemutaran video tanpa menjadi GPL. Kepemilikan berarti Anda mengontrol segalanya. Anda membangun mesin database dan menyimpannya sebagai kepemilikan. Perusahaan membayar Anda biaya lisensi untuk menggunakannya. Mereka tidak dapat melihat kode sumber, tidak dapat memodifikasinya, tidak dapat mendistribusikannya kembali. Oracle Database bekerja dengan cara ini. Anda menghasilkan uang dari lisensi tetapi membatasi siapa yang dapat menggunakannya. Lisensi ganda memberikan opsi. Anda merilis database di bawah lisensi GPL dan komersial. Proyek open source menggunakan versi GPL secara gratis. Perusahaan yang tidak menginginkan pembatasan GPL membayar lisensi komersial. MySQL melakukan ini. Startup menggunakan MySQL gratis, perusahaan besar sering membeli lisensi komersial. Domain publik menyerahkan semua hak. Anda membuat fungsi hash dan meletakkannya di domain publik. Siapa pun dapat melakukan apa saja dengannya, tidak ada batasan, tidak diperlukan atribusi. SQLite melakukan ini. Instansi pemerintah menyukainya karena tidak ada risiko hukum. Membangun perpustakaan yang Anda ingin semua orang gunakan? Pilih MIT. Ingin memastikan perbaikan kembali ke komunitas? Gunakan GPL. Khawatir tentang paten dalam perangkat lunak perusahaan? Pergi dengan Apache. Membangun bisnis di sekitar kode Anda? Tetap berpemilik. Ingin kebebasan maksimal bagi pengguna? Coba domain publik. Kuncinya adalah mencocokkan tujuan Anda dengan batasan lisensi. Jangan hanya menyalin apa yang dilakukan proyek lain tanpa memahami mengapa mereka memilih lisensi itu.

MCP seperti HTTP untuk agen, dan terasa seperti fondasi internet baru. Kami mengirimkan posting blog yang menjawab pertanyaan paling umum yang saya dapatkan dari pengembang, mitra, dan perusahaan. Teriakan kepada pencipta MCP @dsp_ karena berkolaborasi dalam hal ini!

Ini sangat besar dari penelitian Google. kertas yang sangat berteknologi tetapi sangat dibutuhkan saya kira