我們開始越來越清楚上下文工程的表面積將會有多廣。 理論上，建立 AI 代理應該就像擁有一個超強大的模型，給它一組工具，擁有一個非常好的系統提示，並讓它訪問數據一樣簡單。也許在某個時候，這真的會這麼簡單。 但在實踐中，要製作今天能運作的代理，你需要在全球代理和子代理之間找到微妙的平衡。什麼事情要讓它具備代理性，什麼事情只是確定性的工具調用。如何處理上下文窗口的固有限制。 你必須弄清楚如何為用戶的任務檢索正確的數據，以及要投入多少計算資源。如何決定什麼要快速處理，並承擔潛在的質量下降，與慢速但可能令人厭煩的選擇。還有無數其他問題。 到目前為止，這些問題沒有一個正確的答案，對於你採取的任何方法都有意義的權衡。 重要的是，正確處理這些問題需要對你所解決的領域有深入的理解。在 AI 編碼中處理這個問題與法律不同，與醫療保健又不同。這就是為什麼現在有如此多的 AI 代理機會。

在經濟中，有許多技能或任務會在複雜性或成本降低後經歷更高的需求。 軟體就是一個完美的例子，我們在世界上對程式碼的利用率極低，因為它一直以來都太昂貴或難以生成。 現在我們將直接進入編碼，這比以往任何時候都要多，因為這變得容易得多：設計軟體、測試軟體、生成內部應用程式、用它來原型設計、嘗試多種解決同一問題的方法，等等。 這裡有一個簡單的例子。由於 AI 代理處理大部分工作，我們現在在 Box 的銷售工程師為客戶建立完整的自訂原型，並在客戶的模擬環境中內建 Box。 這是一個之前對客戶來說過於耗時的任務，因此他們通常只會做一個通用的演示或簡報。但現在有了 AI 代理，這種特定類型的任務終於是正回報的（而且感覺更可實現）。 我們將在軟體中一再看到這一點，但幾乎每個知識工作領域也會如此，因為每個稀有技能類別變得更容易獲得。諷刺的是，這將創造出比人們意識到的更多工作，因為對這類工作的需求增加了。

在飛機上擁有這個真是太瘋狂了。請立法要求所有商業航班必須配備 Starlink。恭喜 @elonmusk