如果我们为LLM设计专用工具，而不是让LLM使用人类工具，会发生什么？
摘要
这篇文章探讨了为LLM设计专用工具的理由和好处，而不是让它们使用通用的人类工具，强调了LLM的独特需求和能力限制如何能增强其能力。
我写了一篇博客，讲述为什么以及这能带来什么。在我看来，LLM对语言、运行时和库的需求非常不同。例如，我们经常允许LLM使用通用语言和操作系统，这很疯狂。但我相信，通过限制LLM的能力，它实际上会获得更强的力量。
相似文章
@lateinteraction：我对如今所谓的“LLM harnesses”的看法始于2019年底，当时@ChrisGPotts推荐我……
关于LLM harnesses的一种观点，追溯其起源至早期多步骤工具使用研究（如HotPotQA和GoldEn），并包含Christopher Potts对“仅靠LLM是否足够”这一争论的评论。
引用布莱恩·坎特里尔
布莱恩·坎特里尔批评LLM缺乏人类懒惰带来的优化约束，认为LLM会不必要地使系统复杂化而非改进，并强调人类时间限制推动了高效抽象的发展。
除了写作和编程，LLM为你做过的最有用的事情是什么？
一个讨论话题，询问人们实际采用的、非同寻常且实用的非写作、非编程的LLM使用案例。
LLM的最佳使用方式会是什么样？
探讨一种推测性想法：通过适应LLM的原生通信模式（例如使用神经语）来优化人类与LLM的交互，而不是强迫它们适应人类语言。
在添加LLM之前要问的六个问题
本文主张不应盲目采用LLM，并提出了六个问题来评估LLM是否适合特定工作流程，强调LLM以确定性换取灵活性，仅在必要时才应使用。