The 'bring your own expertise' angle is the right way to think about the next wave of AI. We struggle constantly with customer support AI missing the nuance of our specific software updates. If this plugs directly into customer usage signals to self-improve, it solves a massive operational headache. Amazing job @shanea_leven
我们打造Empromptu AI的Alchemy，是因为我们相信AI的下一个阶段不只是更快地构建应用。
而是构建能学习你业务运作方式的AI。
现在，每个人都在急着学习或加入AI——无论你是想在职场上生存下来的员工，还是想把专业知识变现的人。大家都在接入同样的前沿模型，推出同样通用的工作流，还管这叫护城河。但如果所有人都用同样的智能，那谁也保持不了太久的差异化。
我们正在改变这一点。
通过Empromptu AI的Alchemy，你无需任何ML专业知识，只需构建一个AI应用，就能微调模型。我们的平台自动捕获客户使用情况、你作为领域专家所做的修正、边缘案例以及应用反馈。Alchemy将这些信号转化为一个能自我更新的微调模型。没错，一个能自我学习、自我改进的AI，而且不用花几万亿。
简单来说：
过去5到10年，你在工作中积累了非常有价值的技能——无论是工程、内容，还是更离谱的高度监管或专业领域。
现在，你的AI可以向你学习，这样你就能真正拥有自己的专业知识。
这很重要，因为最好的知识通常在人脑子里。会计知道例外情况，售后主管知道什么才是真正的升级，运营人员知道边缘案例，产品团队知道“好”到底是什么样子。
Alchemy让每个人都能把那些专业知识转化成准确率高达98%且能自我改进的AI。
感谢你今天来看我们。我期待你的反馈、问题和毫不留情的批评。
如果前沿模型有重大进步，比如从Opus 4.x到5.y，经过训练/微调的模型长期会怎样？
好奇的是，当动态prompt优化在30次运行后启动时，用户能看到什么变化吗，还是只在后台静默进行？