Brad Menezes, CEO Startup Coding Enterprise Vibe SuperblockDia percaya bahwa panen berikutnya dari ide -ide awal dari satu miliar dolar menyembunyikan dalam pandangan yang hampir sederhana: indikasi sistem yang digunakan oleh perusahaan AI unicorn baru yang ada.
Indikasi sistem adalah indikasi panjang, lebih dari 5.000-6.000 kata, yang digunakan startup AI untuk menginstruksikan model mendasar perusahaan seperti OpenAi atau antropik tentang cara menghasilkan produk mereka dari AI di tingkat aplikasi. Mereka mengingat Menezes, sebagai kelas master di bidang teknik cepat.
“Setiap perusahaan memiliki sistem sistem yang sama sekali berbeda untuk hal yang sama [foundational] Model, “katanya kepada TechCrunch.” Mereka mencoba membuat model melakukan persis apa yang diperlukan untuk domain tertentu, tugas tertentu. “
Indikasi sistem tidak persis tersembunyi. Pelanggan dapat meminta banyak alat AI yang dibagikan oleh Anda. Tetapi mereka tidak selalu tersedia untuk umum.
Kemudian, sebagai bagian dari pengumuman baru produk dari startupnya sendiri agen AI dari pengkodean bisnis yang disebut Clark, SuperBlocks yang ditawarkan Untuk berbagi file file indikasi 19 Dari beberapa produk pengkodean AI paling populer seperti Windsurf, Manus, kursor, menggemaskan dan baut.
Menezes Tweet itu menjadi viralTerlihat oleh hampir 2 juta, termasuk nama -nama besar di lembah seperti Sam Blond, sebelumnya dari Founders Fund dan Brex, dan Aaron Levie, seorang investor superbloque. Superblock diumumkan Pekan lalu yang meningkatkan putaran perpanjangan dari Seri A $ 23 juta, Bawa seri totalnya menjadi $ 60 juta untuk alat pengkodean bergetar yang berorientasi pada non -pengembang di perusahaan.
Kemudian kami meminta Menezes untuk menjaga kami melalui cara mempelajari indikasi sistem orang lain untuk mendapatkan ide.
“Saya akan mengatakan bahwa pembelajaran terbesar bagi kami membangun Clark dan membaca indikasi sistem adalah bahwa permintaan sistem itu sendiri mungkin adalah 20% dari saus rahasia,” jelas Menezes. Pemberitahuan ini memberi LLM garis dasar apa yang harus dilakukan.
80% lainnya adalah “pengayaan cepat,” katanya, yang merupakan infrastruktur yang diakumulasi startup di sekitar panggilan ke LLM. Bagian itu termasuk instruksi yang terlampir pada permintaan pengguna dan tindakan yang diambil dengan mengembalikan jawabannya, seperti memverifikasi keakuratan.
Peran, konteks, dan alat
Dia mengatakan bahwa ada tiga bagian dari indikasi sistem untuk dipelajari: pelamar peran, permintaan kontekstual dan penggunaan alat.
Hal pertama yang harus diperhatikan adalah bahwa, meskipun indikasi sistem ditulis dalam bahasa alami, mereka sangat spesifik. “Pada dasarnya Anda harus berbicara seolah -olah Anda memiliki rekan kerja manusia,” kata Menezes. “Dan instruksinya harus sempurna.”
Penyediaan peran membantu LLM konsisten, memberikan tujuan dan kepribadian. Misalnya, Devin dimulai dengan: “Anda adalah Devin, seorang insinyur perangkat lunak yang menggunakan sistem operasi komputer nyata. Anda adalah kode nyata: beberapa programmer memiliki bakat dan untuk memahami basis kode, menulis kode fungsional dan bersih, dan ITERA pada perubahan Anda sampai benar.”
Aplikasi kontekstual memberikan model konteks yang harus dipertimbangkan sebelum bertindak. Ini harus menyediakan pagar yang dapat, misalnya, mengurangi biaya dan menjamin kejelasan dalam tugas.
Kursor menginstruksikan: “Panggil saja alat bila perlu, dan jangan pernah menyebutkan nama -nama alat untuk pengguna; cukup jelaskan apa yang Anda lakukan … jangan tunjukkan kode kecuali Anda ditanya … Baca konten file yang relevan sebelum mengedit dan menyelesaikan kesalahan yang jelas, tetapi jangan menebak atau memperbaiki loop lebih dari tiga kali.”
Penggunaan alat ini memungkinkan tugas agen karena menginstruksikan model bagaimana cara melampaui hanya menghasilkan teks. Replis, misalnya, panjang dan menjelaskan kode pengeditan dan pencarian, instalasi bahasa, konfigurasi dan konsultasi database PostgreSQL, menjalankan perintah shell dan banyak lagi.
Mempelajari indikasi sistem orang lain membantu mengacu melihat apa yang ditekankan oleh encoder getaran lain. Alat seperti Lovable, V0 dan Bolt “Grant dalam iterasi yang cepat, “katanya, sementara” Manus, Devin, Openai Codex dan Replica “Menerapkan” Bantuan pengguna untuk membuat aplikasi sel penuh, tetapi “output masih merupakan kode yang belum diproses.”
Menez melihat kesempatan untuk membiarkan non -programmer menulis aplikasi, jika awal mereka dapat menangani lebih banyak, seperti keselamatan dan akses ke sumber data bisnis seperti Salesforce.
Meskipun ia belum menjalankan startup multimiliun -dolar dari mimpinya, Superblocks telah mencapai beberapa perusahaan terkenal sebagai pelanggan, katanya, termasuk Instacart dan Global Paypaya.
Menez juga memberi makan produk secara internal. Insinyur perangkat lunak Anda tidak dapat menulis alat internal; Mereka hanya dapat membangun produk. Oleh karena itu, perusahaan mereka telah menciptakan agen untuk semua kebutuhan mereka, seperti yang menggunakan data CRM untuk mengidentifikasi pelanggan potensial, yang melacak metrik dukungan, yang lain yang menyeimbangkan tugas insinyur penjualan manusia.
“Ini pada dasarnya adalah cara untuk membangun alat dan tidak membeli alat,” katanya.
Koreksi: Kisah ini diperbarui untuk mengklarifikasi bahwa putaran yang paling baru diumumkan adalah putaran ekstensi dan untuk memperbarui seri jumlah total yang dikumpulkan.
