Ayven

{"translation":"我是 Howard，Alknoma 的创始人。

我们并非从一个产品起步，而是从一个令人头疼的问题起步。智能体在你与它对话时表现惊艳，可一旦你停止输入，它几乎就消失了。

你把它放进 Slack，最后不过是多了一个坐在频道里等着别人告诉它该做什么的机器人。

你不会去"提示"你的同事。

所以真正的问题从来不是"如何让模型更聪明"，而是：如何给语言模型一副"脊梁"？让它能够日复一日、月复一月地串联起一次又一次的调用，主动联系不同的人，而无需人类在一旁盯着。

如果你亲历过串联大语言模型调用有多么复杂，这听起来几乎不可能。我们吃尽了苦头才学到，有三件事至关重要。

1. 一项"工作"究竟是什么。

它必须小到可以被验证、迭代、执行并以 99.9% 的概率关闭。

太大，智能体就会开始产生幻觉；太小，则完全丧失语义价值。

2. 处理"时间"应当是一等公民。

团队中大量工作本质上就是在等待。

等待不是失败，而是常态。而这恰恰是大语言模型智能体最不擅长的事情之一。每一次运行，Ayven 都会推理自己下一次何时该醒来——每周数千次，从不例外。

这包括识别截止日期、休假安排，或是某位同事已经许久没有回应。异步时间差很难把握，但 Ayven 能够做到。

3. 一条"事实"的基本单位是什么。

在一个团队里，事情时刻都在变化。有人改变主意，截止日期调整，客户回复，会议取消。智能体会把两天前的信息当成不可动摇的真理。变化才是关键信号——而当团队协作如此不可预测时，把这一点做好非常困难。Ayven 能确保信息随着现实同步更新。

让我们惊叹不已、并决心推出 Ayven 的那个神奇时刻是这样的：我们把九月份的议程交给 Ayven，仅此而已。紧接着，我们便看到日程表被排得满满当当，而且与我们的计划完全吻合。它把执行应有的样子拼凑了出来。

后来我问：'我们上线 Product Hunt 还缺什么？'Ayven 列出了我此前并不知晓的所有依赖项。这个答案没有人写过，那只是工作本身在其最真实、最新状态下的自然呈现。

关于 Ayven 还有许多我们这里没有提到的内容。

如果你希望将其部署到你的环境中，欢迎与我们聊聊。告诉我们你想让它连接到什么。

欢迎随时向我提问 :)

"}