Code beslist, LLM helpt: het bouwen van een AI-loopcoach
Anthropic
Het artikel beschrijft de ontwikkeling van een AI-loopcoach-bot in Telegram, genaamd Claude de Pace. De auteur deelt belangrijke lessen uit echte gebruikersinteracties en benadrukt dat bedrijfsinvarianten door code moeten worden afgedwongen, niet aan het taalmodel moeten worden overgelaten. Het systeem balanceert deterministische code met beperkte LLM-outputs, gebruikt subjectieve belastingsscores als belangrijke maatstaf en bevat een AI-agent die helpt bij het debuggen en verbeteren van de bot.
De auteur ontwikkelde een AI-hardloopcoachbot in Telegram, genaamd Claude de Pace. Een kritiek incident deed zich voor toen een gebruiker vroeg om een gemakkelijke training naar zaterdag te verplaatsen, maar het model veranderde per ongeluk de training van donderdag. Dit leidde tot een leidend principe: code moet bedrijfsinvarianten afdwingen, niet de LLM. Het systeem evolueerde om het model minder vrijheid te geven, met behulp van strikte JSON-schema's, validatie en deterministische terugvalopties. De bot handhaaft een persona van een Franse coach, met behulp van uit gesprekken geëxtraheerde feiten om reacties te personaliseren. Testen met echte gebruikers brachten problemen aan het licht zoals genegeerde knoppen en verkeerde classificaties, wat leidde tot functies zoals conceptbevestigingen voor schema-wijzigingen. De auteur bouwde ook een AI-agent om logs te analyseren en code-patches voor te stellen, wat resulteerde in ongeveer 30 verbeteringen. Meer dan 20 actieve gebruikers hebben waardevolle feedback gegeven. Toekomstplannen omvatten integratie met smartwatches en het toevoegen van sociale functies zoals wedstrijdkalenders en het delen van trainingen.
Bron: Habr — хаб ИИ —
origineel