最新

大家好！我之所以开发这个工具，是因为我厌倦了手动处理我的网络应用的客户支持，而且无法找到一个可靠的人工智能系统来处理请求。 我尝试了不同的人工智能工具来帮助处理支持票，但当它们错误地处理请求时，根本无法确定原因，更难以找出我需要做什么来改进系统。 我想逐步拆解人工智能在思考问题时的逻辑，但所有内容都必须压缩到一个提示中。由于缺乏足够的干净训练数据进行微调，我只能进行提示工程的猜测。 Chainix 的功能是：你可以将步骤拖放到一个可视化的流程图中。每个步骤都有自己的推理指令，并根据输出结果分支到不同的下一步。人工智能还可以在流程中暂停，以调用你的函数或检查变量，然后继续。这使你能够直观地绘制出人工智能如何思考问题的过程（就像流程图一样）。 我在设计时考虑了灵活性——你可以创建简单的两步工作流程，也可以构建具有多个分支和条件的复杂自定义逻辑。 关键是：当出现问题时，你可以清楚地看到哪个步骤失败了。与其说是一个大的黑箱，不如说是一系列较小的、可调试的部分。我的支持流程可能会对票据进行分类，查找账户信息，检查已知问题，然后撰写回复。当人工智能做错了什么时，我可以看到“哦，这一步错误地分类了票据”，然后只需修复那个推理步骤（或添加一个新的）。 现在，它可靠地处理了我约 60% 的支持请求（并正确地忽略了其余部分），所以我对此非常满意！最大的收获是我可以实际看到人工智能如何逐步推理，因此修复问题变得简单明了，而不是猜测。 这适用于任何涉及文本解释和行动的工作流程——内容审核、文档处理、潜在客户资格审核等。 你可以在 [https://www.chainix.ai](https://www.chainix.ai) 尝试一下——我很想知道其他人是否也遇到过与人工智能工具相同的问题！也想了解其他人可能希望用这种方法构建的工作流程。

在吸收了之前帖子中的意见后，我撰写了一篇文章，专门介绍什么是空间网络浏览器引擎。

我创建这个应用程序是因为我的语音录音一直闲置，变成了一团数字混乱。该应用利用人工智能自动将语音转换为有序的任务、事件和学习资料。

这很奇怪，但我在使用Z.ai的GLM 4.5与Claude Code（CC）时，仅仅启动CC并让它读取规格和指南文件就花费了5美元。这个API宣传的费用是每百万个输入令牌0.6美元，每百万个输出令牌2.2美元。 然后，我注意到在原始提示之后，我给CC的任何进一步提示（除了批准它的操作）都完全没有效果。是的，任何提示都被完全忽略。我必须停止CC并重新启动以使新提示生效。 这对我来说真的很奇怪。CC是否有某种方式来检测它是否在使用非Anthropic的API？巨大的成本和/或令牌使用量，以及受限的自主模式，显然不是因为GLM 4.5没有能力。要么CC在使用第三方API时受到某种限制，要么Z.ai的API以某种方式没有正常工作。