Создание сумматора искусственного интеллекта и приложения с интервальными повторениями: извлеченные уроки

Уроки, связанные с продуктом и инженерией, полученные от создания сохраненных видео, подкастов и статей, действительно приживаются, без ажиотажа. Я создаю Recl, приложение, которое берет сохраненные вами видео, ролики, подкасты и статьи, суммирует их с метками времени, сортирует по темам и использует интервальное повторение, чтобы вернуть ключевые идеи, прежде чем вы их забудете. Здесь вы не найдете архитектурных схем. Стеки и модели меняются; решения над кодексом имели большее значение. Это уроки, которые я бы передал всем, кто создает инструменты обучения искусственному интеллекту, некоторые из которых я усвоил медленно. 1. Резюме, которое никто не может проверить, — это резюме, которому никто не доверяет. Первый инстинкт при работе с сумматором LLM — сделать результат четким и уверенным: аккуратный абзац, пять аккуратных пунктов. Но пользователи не могут отличить правильную пулю от слегка неправильной. Для учебного контента немного неправильное — хуже, чем ничего, потому что люди запомнят это и будут повторять. Временные метки это исправили. Когда каждая ключевая точка связана с моментом, когда она возникла, резюме превращается в указатель. Если что-то не так, вы нажимаете на это и слышите оригинал. Этот выбор принес больше доверия, чем любая быстрая настройка. Поэтому относитесь к резюме как к пути к пониманию сути дела.