Ploto 周刊（第 9 期）：Agent 与 AI 工作流
本周刊主要记录我近期发现的 AI、科技、独立产品相关内容，以及我的一些思考。当然周刊的内容并不局限于这些，我也会记录下让我有感触的文章。欢迎感兴趣的朋友关注，便于获取更新通知。
文章
你需要的不是智能体，而是一个适合 AI 的工作流
“真正要用好 AI，让 AI 发挥最大效能，核心是还是要基于你要解决的问题，重新设计一个适合 AI 的工作流，让 AI 在工作流中完成它最擅长的工作，至于是不是智能体，是不是大语言模型，是不是 AI 帮你决策，都不是最重要的。”
文章举了几个 AI 工作流的例子，一个是 PDFGPT（将 PDF 转成 Markdown，并且能处理 PDF 中的表格、图片等元素）另一个是 Comic Translate（漫画翻译）
PDFGPT 解析流程：
- 使用 PyMuPDF 检测 PDF 里的图片、表格，提取出图片并保存
- 为每页 PDF 生成一张图片，将图表位置用红框标记，附上对应图片名称
- 借助 GPT-4o 解析标注后的图片，生成 Markdown
Comic Translate 的翻译流程：
- 使用一个专业模型做气泡检测，框选气泡位置
- 使用 OCR 提取气泡内文字
- 使用一个模型移除气泡内的文字
- 借助 GPT-4o，根据漫画内容，翻译气泡内的文字
- 将翻译后的文字绘制到原来的气泡位置
个人看来， AI 工作流就是将原先复杂的需求，或者单个 Agent 完成效果不佳的需求，合理拆解成一个个子任务，再将其中一部分子任务交由 AI 处理，提高 AI 内容输出的稳定性和可靠性。
Insights from over 10,000 comments on “Ask HN: Who Is Hiring”
作者用 Selenium 从 Hacker News 的 Who Is Hiring 栏目抓取了 10,000 条以上的评论，并利用 GPT-4o 和 LangChain 对数据进行了分析处理。以下是一些我从中关注的一些数据：
- 借助 Co-Pilot，整个代码编写，数据处理时间在 90min（比我想象的要少很多。。。可能作者本身对 LangChain 比较熟悉吧）
- 处理 10,891 条数据花费了 $54.09
- 50% 的岗位都支持远程，这个比例并没有随着疫情结束而快速减少
- 大约 8% 的岗位能够支持 Visa（工作签证）
- 企业越来越倾向于招聘 Senior 工程师
Claude AI 的 Artifacts 实际体验
作者分别使用 Gemini Advance 和 Claude AI 的 Artifacts 功能实现了一个搜索自己 Tweets 的插件，总结了下主要观点：
- Claude AI 的代码能力要强于 Gemini Advance
- Artifacts 主要以 AI 交互创新为主，让 AI 交付东西变得更友好，比如代码的版本控制、projects 管理、多人协作和分享，不像 ChatGPT 一样，把需要交付内容散落在对话的各个地方
- Claude AI 在遇到解决不了的问题时，会主动给代码加 Log，然后用户可以将控制台信息反馈返回给 AI，让 AI 修复问题
- 只能通过对话，由于大部分情况下是文本，无法投屏演示，无法画概念图，无法给原型交互，靠口述很难完整描述自己的需求
- 5个小时只能对话 50 次，贵
从交互角度看，用 Claude Artifacts 交付代码确实会比靠对话反复重写代码要方便的多，就像是 Copilot/Cursor 的网页替代版，后续如果有场景我也试试 Artifacts😼
独立产品
waitforit
一款 waitlist 制作工具，能够快速创建 waitlist 表格，嵌入到网站或者作为一个独立的表格页面，并且在后台能看到详细统计数据，包括邮箱、点击率、注册用户曲线。
waitforit 是按照通过 waitlist 来的注册用户数来付费，产品在 03/30 上线，现在达到了 700 MRR。
Infography
使用 AI，将博客内容转换成视觉吸引力更强的信息图表。主要流程是结合图片模板和 blog 内容，生成一个信息流图片，用于社媒展示之类的场景。
Infography 是一次性付费软件，不同价格会限制每个月制作的图片数，作者在 YouTube 上推广后，两天之内获得了 1.5k 的收入。
开源产品
STORM
STORM 是斯坦福大学的开源项目，能够通过联网搜索生成类似维基百科的文章，类似 Perplexity Pages。
官方网站部署了一个 Demo。
STORM 分为前期写作阶段和写作阶段两个步骤，在前期写作阶段，STORM 会进行互联网研究，收集参考资料并生成大纲；在写作阶段，STORM 会使用大纲和参考资料生成完整的文章以及引用。
Claude Engineer
Claude Engineer 是一个交互式命令行界面，利用 Anthropic 的 Claude-3.5-Sonnet 模型来帮助软件开发任务，包括文件系统操作、网络搜索、智能代码分析等功能。
