@cartainc skapade en systemprompt för sin agent genom att använda Lucidchart för att skapa ett diagram över en domänexperts fullständiga arbetsflöde. Sedan konverterade en intern promptgenerator det till JSON, som matades in i agenten programmatiskt. "De team som bäst förstår domänen bidrar direkt till snabb och kontextuell design, vilket förbättrar hastigheten och relevansen utan att behöva träna modeller eller lära sig ML", säger @JayantTikmani. Här är deras gyllene standard för uppmaningstekniker, som i hög grad bygger på inlärning i sammanhanget. För hela historien om hur Carta byggde en agent som sparade interna team 3 500+ timmar per månad, följ länken i kommentarerna.

I vår andra uppsats om Applied Intelligence bryter vi ner hur @cartainc byggde en intern agent som sparar sitt team 3 500+ timmar per månad. CPO @artshali och Director of Machine Learning @JayantTikmani dela med sig av de exakta detaljerna för att förvandla en 11-minutersuppgift till en som kan slutföras på några sekunder: - Fokusera på arbetsflöden där mänskligt omdöme var viktigt men ineffektivt - Skapa diagram över ett arbetsflöde i Lucidchart och konvertera det till JSON för att fungera som agentens systemprompt - Frikoppling av modellbeteende från UX och arbetsflödesintegration för snabb iteration - Och mycket mer Läs hela berättelsen i svaren nedan:

"De snabbast växande grupperna som använder Cursor är inte ingenjörer. Det är support och intäkter", säger @fnthawar, VP och Head of Engineering på Shopify. Här är vad de byggde när Shopify gav alla tillgång till dyra modeller (inte bara tekniska team): - En försäljningsingenjör övergav GSuite Drive, Slack, Salesforce och andra verktyg eftersom han byggde en personlig "Vad ska jag göra idag?" hemsida i Cursor. - En säljare använde Cursor för att bygga ett verktyg som automatiskt genererar detaljerade jämförelser av webbplatsens prestanda, vilket hjälper dem att tänka om när det gäller hur de säljer. - Revenue Tooling-teamet skapade en agent för förslagsförfrågningar som svarar på flera anbudsförfrågningar samtidigt och lär sig vilka svar som fungerar bäst. Vår nya publikation, "Applied Intelligence", syftar till att fokusera på hur byggare använder AI på sina företag och vilken inverkan de skapar. I vår första uppsats satte vi oss ner med Thawar för att lära oss de icke-uppenbara insikterna, taktikerna och arbetsflödena som Shopify använde för att ge liv åt medgrundaren och VD:n Tobi Lütkes ambitiösa memo. Följ länken nedan för att läsa mer.

AI Agent-startups lanseras dagligen. Men de etablerade molnleverantörerna (AWS, Azure, etc.) som startups bygger ovanpå var avsedda för människor, inte miljarder autonoma agenter. Det är därför jag är mer än stolt över att samarbeta med @blaxelAI, "AWS för AI-företag".

Vi har precis knäckt dokumentredigering utan att rita rutor. Vi är glada över att kunna lansera Edit – en ny slutpunkt som fyller i alla dokument automatiskt. Redigera revolutionerar dokumentautomatiseringen genom att automatiskt hitta alla tomma fält, tabeller och kryssrutor i formulär och sedan fylla dem med dina data på ett intelligent sätt. För att prova det, registrera dig på väntelistan på eller se det i aktion nedan 🧵

Shopify har medvetet avvikit från @tobi:s memo på ett ställe. PM:et: "Innan teamen ber om mer personal och resurser måste de visa varför de inte kan få det de vill ha gjort med hjälp av AI." Omdirigeringen: "Visa att du kan använda AI mer och då får du mer resurser." Företaget anställer 1 000 ingenjörspraktikanter, som de kallar "AI-kentaurer": AI native + som har de mest kreativa sätten att använda de senaste verktygen. Dessa praktikanter har ett "nybörjartänk", vilket Shopify tror hjälper dig att hitta din väg genom problem. Läs mer om Shopifys icke-uppenbara AI-insikter, taktik och arbetsflöden i berättelsen som länkas i svaren.

Jag älskar att se riktiga program jämfört med snabba demoprogram. En stor del av det är att det är enkelt att göra greenfield-kod. Att ansluta till en befintlig kodbas, varav delar kan vara 10 år gamla, är mycket svårare. (Eller, när det gäller många myndighets- eller företagssystem, COBOL.)

Framtiden är redan här. Och den körs i produktion. Applied Intelligence är en ny publikation från @firstround om hur verkliga team bygger med AI. Först och främst: Shopify. När @tobi gjorde användningen av AI till en förväntan byggde teamet om hur de arbetar. De delar med sig av arbetsflöden, interna demovideor och taktiska råd om vad de har lärt sig hittills. Näst på tur: Carta, Atlassian och många fler som var och en visar hur AI faktiskt används och byggs.

Vi har precis lanserat något nytt på @firstround - Applied Intelligence, en ny publikation som delar med sig av hur företag faktiskt använder AI i produktionen just nu. Inte teori. Inte demoware. Verkliga arbetsflöden med verkliga resultat. Vårt första stycke är med @Shopify och det är 🔥👇

Efter att @tobi publicerat sitt numera berömda AI-memo såg du förmodligen liknande inlägg från andra grundare och vd:ar översvämma den här plattformen. Men de flesta företag befinner sig fortfarande i "memos and demos"-fasen – ambitiösa planer och mandat, "AI-first"-färdplaner ombord, flashiga funktioner och demoprogram. Ändå är skalbara implementeringar och verkliga resultat fortfarande grumliga. Så idag lanserar vi en helt ny publikation för att överbrygga klyftan: Applied Intelligence. Syftet är att dela med sig av hur byggare använder AI på sina företag och vilken meningsfull inverkan de ser. Vår inledande uppsats är med ingen mindre än Shopify, som följer upp Tobi Lütkes memo. Vi lär oss av VP & Head of Engineering @fnthawar om de icke-uppenbara insikterna, taktiken och arbetsflödena som Shopify använde för att ge liv åt ett ambitiöst PM. Läs uppsatsen nedan.