Przedstawiam wtyczkę ralph-research. Właśnie przyjąłem ralph-loop do wdrażania prac. Zdumiony, jak dobrze to już działa. Cała wtyczka została stworzona przez Claude Code, ale już potrafi kodować koncepcje prac AI i przeprowadzać eksperymenty w samodoskonalącym się cyklu. Szalone!

Notatki: - Zajęło to około 40 minut, aby wdrożyć dokument ReAct bez żadnych przerw. - Napotkało kilka problemów, ale udało mu się je rozwiązać po drodze. To właśnie sprawia, że pętla ralph jest niezwykle potężna. Może badać rozwiązania i uczyć się na swoich błędach. Uważam, że badania są prawdopodobnie jeszcze lepszym przypadkiem użycia dla ralph, ponieważ badania wymagają dużo eksploracji. - Testowałem na innych nowszych dokumentach i spisało się dobrze, co daje mi nadzieję, że można to wdrożyć, aby było bardziej solidne. - Jak widać w filmie, i jak w przypadku wszystkiego, co jest napędzane przez LLM, będzie miało trudności z używaniem nowszych modeli, nawet jeśli dasz instrukcje i API. Ale to coś, co można łatwo naprawić za pomocą sprytnego podpowiadania. - To nie jest idealny plugin i jest głównie przeznaczony do testów wewnętrznych. Wciąż mam wiele rzeczy do poprawienia, zanim będę mógł go wydać, wraz z innymi pluginami, od których zależy. Podzielę się większą ilością szczegółów, gdy będę kontynuował pracę nad tymi pluginami. Śledź @omarsar0 Daj mi znać, co myślisz i jak to może być dla Ciebie przydatne.