ما هو Snappy Credit؟

في Founder Diary السابق، كتبت عن Tokenmaxxing ولماذا أعتقد أن السؤال المهم لم يعد كم نستخدم من الذكاء الاصطناعي، بل كم قيمة نحصل عليها من كل توكن نستخدمه.

وهذا يفسّر أيضًا قرار تصميم صغيرًا لكنه مهم اتخذناه مؤخرًا في SnapLedger:

Snappy Credits.

خلف كل مهمة جادة للذكاء الاصطناعي اليوم تقريبًا توجد توكنات.

النماذج المختلفة تستهلكها بشكل مختلف. الاستدلال يكلّف توكنات. البحث، وقراءة المستندات، وتقييم النتائج، وتشغيل الحلقات، وإعادة المحاولة — كلها تستهلك توكنات.

لكنني لا أعتقد أن صاحب مشروع صغير يجب أن يهتم بأي من هذا.

إذا أردت أن يساعدك Snappy في إيجاد مورّدين أفضل، لا ينبغي أن تضطر للتفكير:

أي نموذج يجب أن أستخدم؟ ما حجم نافذة السياق المناسب؟ كم توكنًا سيستهلك الاستدلال؟

يجب أن تقول ببساطة:

"ساعدني في إيجاد مورّدين أفضل لهذا المنتج."

ودع Snappy يتولى الباقي.

لهذا قدّمنا Snappy Credits كتجريد بسيط فوق البنية التحتية المتزايدة التعقيد للذكاء الاصطناعي تحت SnapLedger.

كل اشتراك مدفوع في SnapLedger يأتي مع 5,000 Snappy Credits كل شهر.

يمكنك رؤية استخدامك وإضافة المزيد من الكريدت عند الحاجة من Snappy Companion Settings.

لكن ماذا تعني 5,000 كريدت فعليًا؟

هنا يصبح نقاشنا السابق عن Tokenmaxxing مهمًا.

مهمة توريد جيدة قد تطلب من Snappy أن يفهم ما تبحث عنه، وأن يصمم استراتيجية توريد، وأن يبحث عبر مصادر مختلفة، وأن يقيّم المورّدين المحتملين، وأن يرفض المطابقات الرديئة، وأن يقارن المرشحين المتبقين، وربما يشغّل حلقة أخرى لتحسين النتيجة.

مهمة تسويقية قد تبدأ بـ:

"أعتقد أن شركات مثل هذه يمكن أن تكون عملائي."

يمكن لـ Snappy أن يحوّل تلك الفكرة إلى ملف عميل مستهدف، ويطوّر استراتيجية بحث، ويختبرها على عملاء محتملين حقيقيين، ويقيّم جودة النتائج، ويحسّن الاستراتيجية، وفي النهاية يحوّلها إلى شيء يمكنه فعلًا دعم حملة تواصل.

هذه ليست أسئلة بسيطة لروبوت محادثة.

إنها عمل.

ومع ذلك، قد تستهلك مهمة توريد أو تسويق مصممة جيدًا بضع كريدتات إلى بضع عشرات من Snappy Credits فقط.

لذا يمكن لـ 5,000 كريدت شهريًا أن تدوم لفترة مدهشة لمشروع صغير نموذجي.

وإذا أصبح مشروع ما مستخدمًا كثيفًا جدًا لـ Snappy، يمكن ببساطة شراء كريدتات إضافية كشحن رصيد. التصميم يحتفظ بالمخصص الشهري والرصيد الإضافي في محفظة Snappy المشتركة نفسها، وكريدتات الشحن لا تنتهي صلاحيتها.

لكن هناك فكرة أهم وراء هذا.

لا نريد تعظيم عدد الكريدتات التي يستهلكها Snappy.

نريد تعظيم ما ينجزه Snappy بها.

هنا تهم الكثير من الهندسة غير المرئية داخل SnapLedger.

يمكننا توجيه المهام البسيطة إلى نماذج فعّالة وحجز النماذج الأقوى للمشكلات الصعبة حقًا — نهج هو بالفعل جزء من تصميم Snappy لدينا.

يمكننا استخدام Loop Engineering حتى لا يظل الوكيل يفكر بلا نهاية، بل يعمل نحو هدف قبول محدد.

يمكننا استرجاع المعلومات التجارية ذات الصلة فقط بدلًا من تغذية تاريخ الشركة بأكمله إلى نموذج مرارًا وتكرارًا.

وربما الأهم، Snappy يواصل التعلم عن مشروعك.

يعرف معاملاتك.

يقرأ فواتيرك وعقودك.

يتعلم عن عملائك ومورّديك.

يفهم المستندات التي تعطيه إياها.

يتذكر المحادثات والقرارات السابقة.

هذا يعني أنه مع بناء SnapLedger سياقًا أفضل حول مشروعك، يجب أن يبذل Snappy جهدًا أقل في السؤال المتكرر:

"من أنت؟" "ماذا تفعل شركتك؟" "ما الذي تحاول تحقيقه؟"

وأن يخصص المزيد من ذكائه للعمل الفعلي على المشكلة.

هذه نسختنا من Tokenmaxxing.

ليس المزيد من التوكنات.

وليس المزيد من الذكاء الاصطناعي من أجل الذكاء الاصطناعي.

بل سياق أفضل، ونماذج أفضل، وحلقات أفضل، وذاكرة أفضل — حتى تستطيع الكمية نفسها من الذكاء الاصطناعي إنجاز المزيد من العمل المفيد.

أعتقد أن هذه مسؤولية مهمة أخرى للبرمجيات الأصيلة بالذكاء الاصطناعي.

التقنية تحت الذكاء الاصطناعي تصبح أكثر تطورًا بسرعة لا تصدق.

تجربة المستخدم يجب أن تصبح أبسط في اللحظة نفسها تمامًا.

لا يجب أن يحتاج صاحب مشروع صغير لفهم التوكنات، أو نوافذ السياق، أو توجيه النماذج، أو Loop Engineering.

يحتاج أن يفهم شيئًا واحدًا:

لديّ Snappy Credits. ماذا يستطيع Snappy أن ينجز لي؟

مهمتنا أن نجعل الإجابة:

المزيد والمزيد.