AINFT sembra più un'upgrade dell'AI da "frammenti di ispirazione" a "catene di strumenti modulari": non si tratta di rendere le funzionalità più grandiose, ma di rendere l'uso più simile a un assemblaggio - la stessa struttura di input può essere riutilizzata e lo stesso formato di output può entrare direttamente nel passaggio successivo, i passaggi iterativi possono anche essere fissati. L'AI deve essere scalabile, non si basa su un colpo di scena, ma su consegne stabili e riutilizzabili: più è facile, più è usato; più è usato, più si genera un interesse composto nel tempo.

Un approccio più pratico per i partecipanti è creare un set di "schede modulari": tre schede di input (obiettivo / materiale / limitazioni), tre schede di output (sintesi / lista di azioni / matrice di confronto), più una scheda di iterazione (integrazione / compressione / riscrittura tra tre opzioni). Usando per una settimana solo lo stesso set di schede per svolgere compiti simili, sentirai chiaramente che il lavoro di rifacimento diminuisce, l'output è più stabile e l'attenzione è più risparmiata. Più stabile è lo strumento, più puoi concentrare la tua energia nelle decisioni, piuttosto che essere consumato dai processi.

@Justin Sun孙宇晨 #TronEcoStars @OfficialAINFT