רוב כלי ה-AI בנויים על אוטומציה נקייה. נותנים פרומפט, מקבלים תוצאה. זה עובד מצוין למשימה אחת, כמו סיכום מייל או כתיבת פונקציה. זה נשבר כשמנסים לבנות פרויקט שלם. כשהמודל מריץ כמה פעולות ברצף בלי לעצור, טעות אחת בהתחלה הורסת את הסוף.
כלי קוד פתוח כמו haoyue-ai-project-os תוקפים בדיוק את הבעיה הזאת. הפרויקט מתמקד באיך העבודה עוברת בין שלבים. במקום להתייחס ל-AI כעובד עצמאי שלא צריך השגחה, הוא בונה מערכת הפעלה למשימות. התוכנה עוקבת אחרי המצב, שומרת את התוצרים ומציגה את ההתקדמות על לוח מרכזי.
כשרואים את ההתקדמות, משתנה הדרך שעובדים עם המודל. אם הכל רץ ברקע, אי אפשר לבדוק מה קרה באמצע. רואים רק את הסוף. כשהשלבים גלויים, רואים מה ה-AI הוציא בשלב הראשון לפני שהוא מתחיל את השני. אפשר לבדוק את הנתונים, את ההיגיון, ולתקן דברים קטנים לפני שהם מתגלגלים. זה חוסך טוקנים וחוסך זמן דיבאג.
ההעברה בין בני אדם למודלים צריכה גבולות ברורים. אוטומציה מלאה יוצרת הרבה פעמים יותר עבודת ניקיון מאשר לעשות את הדבר ביד. העברה מסודרת נותנת למכונה לעשות את הטיוטה הכבדה, ואז עוצרת בשער. אדם בודק, עורך או מאשר. רק אז המערכת מעבירה את האישור לעובד הבא בתור.
זה משנה גם את הדרך שכותבים פרומפטים. פרומפט כבר לא צריך לכסות כל מקרה קצה בחלון אחד. הפרומפטים הופכים ליחידות קטנות שקשורות לשלב מסוים בפרויקט. פרומפט אחד לראשי פרקים, אחד לכתיבה, ואחד לבדיקה מול הדרישות.
ב-masterphub.io יוצרים בונים פרומפטים מודולריים שמתאימים בדיוק למערכות כאלה. כשמפרקים עבודה גדולה לשלבים, התוצאות של ה-AI נהיות אמינות. יש שם תהליכי עבודה מוכנים שבנויים בדיוק בשיטה הזאת, בתחומים שונים.
מי שרוצים להריץ מערכת כזאת בעצמם יכולים להיכנס לריפו haoyue-ai-project-os ב-GitHub, להתקין מקומית ולהגדיר תהליך ראשון בשלבים.
הפכנו את הרעיון הזה לסקיל מוכן ב-Masterphub: "human-in-the-loop project handoff agent".