Перипетии ИИ-разработки
Рост популярности ИИ привел к появлению множества инструментов и фреймворков на его основе под самые разные задачи. Их плюс в том, что они могут сильно ускорить и упростить работу: какое-нибудь ПО или приложение, которое раньше пришлось бы долго и сложно разрабатывать своими руками, они соберут в разы быстрее.

Но не всегда успешнее.

🔜 Любопытный пример — опыт команды octomind, ИИ-сервиса для e2e-тестирования.

В 2023 разработчики внедрили фреймворк LangChain, предназначенный для разработки приложений на основе LLM. И сначала он действительно помог облегчить работу и сконцентрироваться на создании приложения. Но по прошествии времени стало понятно, что у него есть серьезные недостатки.

💬 Ему не хватало гибкости, и в какой-то момент это начало тормозить работу.
💬 Его задача — объединять несколько LLM в единую систему, чтобы пользователь на этой основе создал свое приложение. LangChain с этой задачей справляется, но при этом внутри этой системы пишет такой запутанный код, что легче самим переписать, чем в нем разбираться.

На первых порах плюсы перекрывали минусы. Но чем сложнее становились задачи, тем больше команда приходила к выводу, что их работа станет проще без LangChain и вообще без специальных LLM-фреймворков. Экономия времени на старте не стоит проблем в будущем. К тому же, они не делают ничего, с чем не могли бы более успешно справиться люди.

Конечно, это не значит, что LangChain и подобные ему продукты плохи — просто они не всем подходят.

Но это интересный взгляд на то, как меняется зародившаяся у нас на глазах экосистема ИИ-приложений: от взрывного роста она переходит к более спокойному и вдумчивому развитию.

Как думаете, что ждет нас дальше? Какие еще ИИ-инструменты появятся в скором будущем — а какие наоборот, уйдут в прошлое, когда окончательно пройдет хайп? 👀