Ерунда и демонстрация полного неумения работы с агентами/LLM. Не знаю про Джемини, не пользовался, Но gIthub copilot очень четко держит контекст, понимает ограничения и пищет гораздо более сложные вещи. Да, не в одну итерацию, но пример выше я привел, кому интересно.
От себя добавлю - по части генерации кода есть рубеж после которого процесс начинает сыпаться. По части сопровождения маркетинговых изысканий - также, в какой-то момент AI-шка начинает упускать контекст.
Рабочий процесс приходится дробить на мелкие задачи, чтобы получать более-менее релевантные и полезные ответы. Очень много времени уходит на повторные итерации - ты не учёл это, это и это, хотя об этом выше говорили и не раз. Ответ AI - да, не учёл, вот вам ещё один экземпляр ответа.
Тот же пример - непонимание основ работы с ЛЛМ. Нужно не дробить, а использовать субагентов. Тогда не теряется общий контекст, конкретная задача будет решена с использованием конкретного скила и понадобится меньше итераций.еще раз приведу пример:
Обратите внимание на открытую папку с скилом Github-releaser. Это столько файлов у меня написано по факту для довольно простых операций - коммит, бранч, пулл-реквест, мерж.И это не значит что стоит мне попросить - "Вмержи ПР" - он в контекст добавит ВСЕ! Наоборот. Он выберет только подходящее. а выбрав - будет четко идти по нужному пути.По сути трансформер - графовая модель и чтобы он шел по правльному графу - его нужно обучить.
специально для тебя как ты любишь
Будешь продолжать?Давай сюда свою задачу и ответ а я скормлю ее своему агенту - сравним)))
Я извините, хочу посмотреть на живой пример собственника бизнеса, который вместо управления будет углублять во все эти вопросы и уверенно скажет: "Мне не нужны доп. расход на IT персонал, AI способен всех заменить!"
Вот прям где мне такое явление увидеть
Oracle, Google, Cognizant - достаточно или еще. Или минус 30тыщ человек в Оракл - не аргумент?