精选理由
做 AI 产品设计或技术架构的团队，看完会重新审视自己的路线选择——是深耕单点技能还是封装场景方案，值得结合业务场景思考。
作者提出以 LLM 为基础，AI 应用有两条发展路径：一是向下原子化，将人的能力拆解为针对具体任务的技能包，供用户灵活调用；二是向上组件化，将场景的最佳实践（工作流、节点优化、技能包）封装成可复用的组件，供需求方直接使用。这一观点为 AI 产品设计提供了清晰的战略方向，适合开发者与产品经理思考如何构建更高效的 AI 应用。
AI 翻译 · 中文
作者提出以 LLM 为基础，AI 应用有两条发展路径：一是向下原子化，将人的能力拆解为针对具体任务的技能包，供用户灵活调用；二是向上组件化，将场景的最佳实践（工作流、节点优化、技能包）封装成可复用的组件，供需求方直接使用。这一观点为 AI 产品设计提供了清晰的战略方向，适合开发者与产品经理思考如何构建更高效的 AI 应用。
以 llm 基础，看到有两条发展路径： 一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。 一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。 💬 1 🔄 1 ❤️ 7 👀 486 📊 3 ⚡ Powered by xgo.ing