Voker

我叫Tyler，是Voker的联合创始人。我真的厌倦了对AI炒作宣传感到失望。我想你也是。我大学学的是物理，之前一直在数据科学、机器学习和分析领域工作，直到创办了Voker。我天生就是一个持怀疑态度的人（我觉得这是骨子里科学家的特质），对任何技术炒作，我的本能反应都是保持谨慎乐观，直到看到数据验证。我是这么看待LLMs的，当它们首次进入主流视野时。我知道它们有真正的潜在应用，但也担心它们被过度营销吹捧。整个AI行业开出的支票，却要 individual builders 来兑现。他们承诺全自动、博士级智能和完美结果。作为一个对这种叙事持怀疑态度的人，我仍然相信代理（agents）能够真正交付价值，但前提是团队必须严格地在生产环境中衡量性能。每个网站或产品都有Amplitude或PostHog来分析点击和页面浏览数据——这是一种了解谁在使用产品以及如何使用产品的标准方式。但代理没有 equivalent，所以我们要构建Voker。我们是代理分析平台，在这里你可以：- 监控你的代理- 衡量它们的性能- 了解用户询问了什么- 确切知道代理是否为用户提供了帮助- 基于真实数据进行优化你安装我们的SDK后，Voker会自动收集你的代理对话数据，检测：- 用户意图（“帮我预订下周六拉斯维加斯的酒店，要能看泳池景色的”）- 纠正（“不，那个房间看不到泳池！再试一次”）- 代理解决结果（工具结果：房间已预订...成功！）这些自动标注是构建统一的代理性能和用户行为分析视图的基础。我们询问了100多位AI创始人、产品经理和代理工程师，问他们如何在生产环境中监控代理，答案很一致：通过仔细查看 individual traces（偶尔夹杂一些评估）。他们都表示依赖客户投诉来告诉他们代理什么时候出了问题。我们强烈认为代理监控体系还缺第三根支柱——代理分析。你不应该等到用户抱怨，才知道最近的 prompt 改动导致酒店预订代理出问题了，或者你构建的AI金融顾问调用了错误的工具来查询实时股价。原来AI炒作的解药很简单：认真衡量你的代理，然后持续迭代直到做好。你的用户值得更好的AI体验（我们都是）！今天就在我们的免费版本（每月最多2000个事件）上安装Voker SDK，开始构建更好的代理：https://voker.ai/

赞同