文章预览
本文V1版本写作于2023.7 。为了配合2024年的同主题文章发布,重新一起发布一个V1.1版本,但主体仍然是以2023.7月的背景写作的。 V1.1版本 更新 于2024.4.3日,对已经不认同的内容进行少量修正。 TLDR LLM-native应用的算法/策略仍然有复杂度的壁垒,但这个壁垒是在不断融化的。 0、前言 本文不止适用于LLM-native应用,也适用于所有基于LLM能力构建的上层策略应用。 本质上本文讨论的不是狭义的 算法壁垒,而是更为广义的 策略/算法 的壁垒, 为了避免误解,本文以下使用【策略】来指代 策略与算法。 1、策略壁垒的缺失? ChatGPT API普及之后,赋能了很多领域很多之前并不做算法或者策略的人,使得他们能够快速建立一个功能“强大”的系统。这类项目的特点是:核心策略逻辑较少,主要靠调用LLM API实现。 大家几乎都在用同样的LLM API,prompt看起来也不是
………………………………