大家有没有想过LLM除了帮你写文章总结、写周报、推荐内容、回答问题以外，它还能帮你做什么？最近国外有个网友贴出了自己用LLM订披萨的视频，你只要在浏览器插件里说要订一个披萨，插件会自动帮你完成剩下的工作。
还有网友让LLM帮自己完成调研，也是一句话的事情。
一位国外网友把LLM植入到IDE中帮自己写代码。
源源不断的案例发生在4月份，为什么？因为开发者发现只需将一个 LLM 包装在一个循环中，就可以获得一个自主智能体，它可以自己推理、计划、思考、记忆和学习。如果包装和 prompts 正确，LLM 可以被激发出无尽的潜能和灵活性。
假设，我说假设。如果你也有这样的技术，你想用它做什么？我想到的第一个事情是帮我读论文并且帮我生成很多我需要的内容，包括说论文解决了什么问题？有哪些创新点？有哪些难点？有哪些不足之处？当然，这些都可以一个问题一个问题输入，但是如果要看100篇呢？那效率会直线下降。所以，我们上周在MiX Copilot中加入了Prompt Combo功能，这样用户可以定义好一系列Prompts让GPT按顺序执行。有了Prompt Combo，我们一部分固定工作可以被“一点”完成，效果如下：
这周，我们在Combo的基础上增加了上下文理解和角色定义（智能体 V0.001）功能，效果如下：
我们认为，Combo和智能体在基于人工智能的工作流中扮演着重要角色。Combo通过执行预设的Prompt序列，让智能体自动生成需要的内容，从而提高工作效率和生产力。Prompt Combo的意义不仅仅是减少人工操作，更多是和参数化的结合成为全自动化流程的基石。智能体则是扮演着执行Combo的角色，能够根据自身角色的定义和约束，以及多角色之间的关系相互提示并生成用户需要的内容。
在人工智能时代下，工作流全自动化对于人的工作和学习效率产生了深远的影响和变化。我举些例子：我们能不能让一个智能体给我总结今天学术界发生了什么，当前我的哪些工作会受影响或者有新的机会？当我们有一个想法时，智能体能帮我们生成代码并实现？而上面两个例子完全可以成为一个工作流：我让我的智能体帮助我检索最新信息并实现出来。我们相信在不久的将来，正如Sam Altman说的：电脑专注执行，人类专注思考。
如果读者对上面的产品感兴趣，不妨关注一下MiX Copilot。
MiX Copilot是我们正在打造的一款知识引擎，它是一种利用大语言大模型、提示工程和生成式人工智能技术，实现知识推理、自动洞察和个性化知识教育的智能系统。用户可以通过它稳定的流程自动化产出新知识，从而实现跨学科知识探索。MiX Copilot已经开放内测，有兴趣的朋友可以扫码或者登录官网加入候补名单（注意：产品面向全球市场提供服务，因此采用了Google Doc进行登记）。
http://www.mix-copilot.com
社群交流
