背景
知己知彼,才能更好的开发私有的AIAgent
一、ChatGPT 天生能做的事情（LLM 原生能力）
| 1 语言理解与生成 | 2 知识推理 | 3 编程能力 | 4 信息结构化 | 5 多模态理解 |
|---|---|---|---|---|
| 问答 | 逻辑推理 | 写代码 | 从文本中抽取 | 图片理解 |
| 总结 | 常识推理 | debug | OCR | |
| 翻译 | 方案设计 | 代码解释 | 图表理解 | |
| 改写 | 架构设计 | API设计 | ||
| 信息提取 | 编程问题 | 架构设计 | ||
| 文本分类 | ||||
| 对话 |
二、ChatGPT 原生做不到的事情
| 1 无法访问私有数据 | 2 无法操作现实世界系统 | 3 无法长期记忆 | 4 无法复杂多步骤规划 | 5 无法保证100%正确 | 6 上下文窗口限制 | 7 长任务稳定性差 |
|---|---|---|---|---|---|---|
| 例如：公司内部知识库, 邮件, 合同, 用户数据, CRM | 例如：发送邮件, 创建日历, 创建Jira, 调用数据库, 支付, 部署代码 | ChatGPT 默认是无状态。不会记住：用户是谁, 历史行为, 偏好, 长期目标 | LLM虽然能推理，但：不稳定, 容易遗漏步骤, 不会自我纠错 | LLM有：Hallucination | 例如：1000k tokens, 超出就丢失。 | 例如：100步任务.容易：忘记步骤, 偏离目标 |
| 解决方案：RAG系统 | 解决方案：Function Tool | 解决方案：Memory system | 解决方案：Agent系统 | 解决方案：tool verification, retrieval grounding, rule engine | 解决方案：chunk, retrieval | 解决方案：Agent loop。 |
三、ChatGPT 不适合做的事情
| 1 精确计算 | 2 数据库查询 | 3 大规模数据处理 |
|---|---|---|
| 例如：金融计算, 统计, 科学计算 | 例如：LLM生成SQL, 数据库执行。 | 例如：100万条数据 |
关于作者
我是Louis,一名长期从事iOS与AI相关工程实践的工程师,也是一个正在探索产品与商业可能性的准创始人.
这里的文章,更多是我在项目中用过,踩过坑,反复验证过的东西,而不是为了流量而写的“快内容”.
☕ 打赏
如果这篇文章对你有帮助,欢迎请我喝一杯咖啡☕️
GitHub Sponsors（推荐）
PayPay
You can support my work via PayPay by searching my PayPay ID:
PayPay ID: luochuan
微信支付
支付宝
你的支持会让我有更多时间,把真实项目中的经验持续整理和分享出来.
不打赏也完全没关系,感谢你读到这里.
联系与合作
如果你:
· 正在做iOS App / AI / 自动化相关的项目
· 对技术选型、架构设计、产品落地有困惑
· 或希望进行技术交流、合作探讨
欢迎通过以下邮箱联系我:
luochuanad@gmail.com
