Vercel: Lekcie z budovania AI agentov v0 a d0

Vercel buduje AI agentov (DZ & Vzero) s jednoduchosťou v mysli. Prešli od komplexných systémov k Bash/SQL exekúcii a YAML popisom dát. Agenti automatizujú podporu (90%) a predaj, pričom vedúci spoločnosti aktívne kódujú!

Vercel: Lekcie z budovania AI agentov v0 a d0
Photo by EnCata PD/Unsplash

V poslednom čase sa veľa hovorí o AI agentoch, ktoré by mali automatizovať kódovanie a vývoj softvéru. Malte Ubl, CTO spoločnosti Vercel, na The Pragmatic Summit sa podelil zaujímavé postrehy z budovania ich vlastných agentov --- DZ a Vzero. Video ponúka pohľad do zákulisia inovatívneho prístupu k AI, ktorý sa odlišuje od predošlých pokusov o automatizáciu programovania. Ubl zdôrazňuje potrebu humánnejšieho prístupu k AI, kde jednoduchosť a emergentné správanie zohrávajú kľúčovú úlohu.

Kľúčové poznatky

  • Prechod od tradičného modelu k agentom: Vercel prešiel od komplexnej architektúry s mnohými nástrojmi k oveľa jednoduchšiemu systému založenému na Bash a SQL execute.
  • YAML ako kľúč k porozumeniu dát: Použitie YAML súboru, ktorý opisuje význam každého stĺpca v Snowflake, umožňuje agentom lepšie chápať dáta.
  • Dôležitosť emergentného správania: S rastúcou inteligenciou modelov sa stávajú životaschopnými jednoduché agenty, ktoré nevyžadujú rozsiahle ručné kódovanie.
  • CEO a CTO kódujú: Vedúci spoločnosti Vercel aktívne používajú platformu na vývoj aplikácií, čo ukazuje dôveru v technológiu.
  • Automatizácia podpory a predaja: Agenti automatizovali takmer 90% procesov podpory a kvalifikácie potenciálnych zákazníkov.

DZ: Od text-to-SQL k agentovi s YAML

Počiatočná verzia interného agenta DZ, ktorý mal slúžiť na odpovedanie na otázky v Slack prostredníctvom Snowflake databázy, nepriniesla očakávané výsledky. Bol založený na tradičnej infraštruktúrnej architektúre a bol príliš komplikovaný. Vercel sa preto rozhodol DZ prebudovať s jednoduchšou architektúrou, ktorá využíva len Bash a SQL execute.

Kľúčovým zlepšením bolo zavedenie YAML súboru, ktorý opisuje význam každého stĺpca v Snowflake databáze. Tento súbor umožňuje agentovi porozumieť kontextu dát a efektívnejšie odpovedať na otázky. Namiesto toho, aby sa agent snažil "uhádnuť", čo dáta znamenajú, teraz má k dispozícii jasný popis ich významu.

Vzero: Od front-end inžinierov k univerzálnemu nástroju

Pôvodne bol Vzero navrhnutý pre front-end inžinierov, ale rýchlo sa ukázalo, že je oveľa užitočnejší pre backend inžinierov a dokonca aj pre ľudí bez programátorských skúseností. Prekvapivým zlomom bolo objavenie, že použitie Tailwind CSS v promptoch výrazne zlepšuje kvalitu generovaných webových stránok. Tento "Tailwind moment" ukázal potenciál Vzero ako univerzálneho nástroja pre automatizáciu vývoja softvéru.

Architektúra a spoľahlivosť: Lekcie z Cloudflare

Ubl sa vyjadril k nedávnemu výpadku Cloudflare, ktorý bol spôsobený zlými dátami v ich control plane. To poukazuje na riziká spojené s dynamickými konfiguračnými systémami. Vercel sa snaží minimalizovať takéto problémy prostredníctvom regionálnej autonómie svojej infraštruktúry a fázovaného nasadzovania nových funkcií.

Budúcnosť: Software light a automatizácia údržby

Ubl vidí budúcnosť softvéru ako "software light", kde bude k dispozícii viac bezplatného softvéru a vývojári sa budú môcť sústrediť na kreatívnu prácu. Agentom prideľuje dôležitú úlohu pri automatizácii údržby softvéru a optimalizácii procesov nasadzovania do produkcie.

Odporúčania a úvahy

Z lekcií Vercelu vyplýva, že k AI agentom by sme mali pristupovať s pokorou a jednoduchosťou. Namiesto toho, aby sme sa snažili manuálne kódovať všetky pravidlá, je lepšie nechať modelom vyvinúť emergentné správanie. Dôležité je aj jasná definícia dát a ich kontextu, čo umožňuje agentom efektívnejšie plniť svoje úlohy.

Vercel ukazuje, že AI nie je len o nahradení ľudí, ale o umožnení im robiť prácu lepšie a rýchlejšie. Automatizácia podpory a predaja, ako aj aktívne zapojenie vedúcich pracovníkov do vývoja, sú dôkazom toho, že AI môže byť silným nástrojom pre inovácie a rast podniku.

Zdroje

Hodnotenie článku:
Vercel: Lekcie z budovania AI agentov v0 a d0

Hĺbka a komplexnosť obsahu (7/10)+
Povrchné / ZjednodušenéHlboká analýza / Komplexné

Zdôvodnenie: Článok sa hĺbkou zaoberá konkrétnym prístupom Vercelu k AI agentom a ich implementáciou. Analyzuje prípadové štúdie (DZ, Vzero) a zdôrazňuje dôležitosť jednoduchosti a emergentného správania.

Kredibilita (argumentácia, dôkazy, spoľahlivosť) (8/10)+
Nízka / NespoľahlivéVysoká / Spoľahlivé

Zdôvodnenie: Článok prezentuje zaujímavé postrehy z Vercel a ich implementácie AI agentov. Opiera sa o konkrétny zdroj (video Malte Ubl), čo zvyšuje dôveryhodnosť. Použité informácie sú relevantné a dobre štruktúrované, hoci chýba rozsiahlejšie overenie nezávislými zdrojmi.

Úroveň zaujatosti a manipulácie (3/10)+
Objektívne / Bez manipulácieZaujaté / Manipulatívne

Zdôvodnenie: Článok prezentuje pohľad spoločnosti Vercel na AI agentov. Je informačný a popisný, ale mierne uprednostňuje ich prístup. Bez kritiky iných riešení.

Konštruktívnosť (8/10)+
Deštruktívne / ProblémovéVeľmi konštruktívne / Riešenia

Zdôvodnenie: Článok prezentuje konkrétne príklady a poučenia z Vercelu, ktoré ukazujú praktické kroky k implementácii AI agentov. Zdôrazňuje dôležitosť jednoduchosti a emergentného správania a ponúka odporúčania pre budúcnosť.

Politické zameranie (5/10)+
Výrazne liberálneNeutrálneVýrazne konzervatívne

Zdôvodnenie: Článok sa zameriava na technologický vývoj a automatizáciu v oblasti AI a softvéru. Neobsahuje politické vyhlásenia ani hodnotenie ideológií.

Približne 177 gCO₂ bolo uvoľnených do atmosféry a na chladenie sa spotrebovalo 0.89 l vody za účelom vygenerovania tohoto článku.
Mastodon