Kode yang Menentukan, LLM yang Membantu: Membangun Pelatih Lari Berbasis AI
Anthropic
Artikel ini menjelaskan pengembangan bot pelatih lari AI di Telegram, bernama Claude de Pace. Penulis berbagi pelajaran penting dari interaksi pengguna nyata, menekankan bahwa invariants bisnis harus ditegakkan oleh kode, bukan diserahkan pada model bahasa. Sistem ini menyeimbangkan kode deterministik dengan keluaran LLM yang dibatasi, menggunakan peringkat beban subjektif sebagai metrik kunci, dan menyertakan agen AI yang membantu men-debug dan meningkatkan bot.
Penulis mengembangkan bot pelatih lari berbasis AI di Telegram bernama Claude de Pace. Insiden kritis terjadi ketika seorang pengguna meminta untuk memindahkan latihan ringan ke hari Sabtu, tetapi model secara keliru mengubah latihan hari Kamis. Hal ini menghasilkan prinsip panduan: kode harus menegakkan invariants bisnis, bukan LLM. Sistem berkembang untuk memberi model kebebasan yang lebih sedikit, menggunakan skema JSON yang ketat, validasi, dan fallback deterministik. Bot mempertahankan persona pelatih asal Prancis, menggunakan fakta yang diekstrak dari percakapan untuk personalisasi respons. Pengujian pengguna nyata mengungkap masalah seperti tombol yang diabaikan dan salah klasifikasi, yang mengarah pada fitur seperti konfirmasi draf untuk perubahan jadwal. Penulis juga membangun agen AI untuk menganalisis log dan menyarankan perbaikan kode, menghasilkan sekitar 30 peningkatan. Lebih dari 20 pengguna aktif telah memberikan umpan balik yang berharga. Rencana masa depan termasuk integrasi dengan jam tangan pintar dan penambahan fitur sosial seperti kalender balapan dan berbagi latihan.
Sumber: Habr — хаб ИИ —
asli