ภาษาโปรแกรมมิ่งใหม่ที่ออกแบบมาเฉพาะสำหรับการสร้างแอปพลิเคชัน AI ได้เกิดขึ้น แต่ชุมชนนักพัฒนากำลังตั้งคำถามว่าภาษานี้แก้ปัญหาจริงหรือเพียงแค่เพิ่มความซับซ้อนที่ไม่จำเป็นให้กับการพัฒนา LLM
Convo-Lang วางตำแหน่งตัวเองเป็นภาษาโปรแกรมมิ่งที่เป็นมิตรกับ AI โดยมีเป้าหมายที่จะนำโครงสร้างมาสู่การออกแบบ prompt และเวิร์กโฟลว์ของ agent ภาษานี้สัญญาว่าจะทำให้การโต้ตอบกับ LLM เป็นมาตรฐานเช่นเดียวกับที่ SQL ทำให้การดำเนินการฐานข้อมูลเป็นมาตรฐาน โดยเสนอฟีเจอร์ต่างๆ เช่น การสนทนาหลายขั้นตอน การจัดการสถานะ และความเข้ากันได้ข้ามผู้ให้บริการ
คุณสมบัติหลักของ Convo-Lang :
- รองรับหลายโมเดลพร้อมการเปลี่ยนผ่านที่ราบรื่น
- ประเภทข้อมูลที่มีโครงสร้างและการจัดการสถานะ
- การรวมเครื่องมือ/ฟังก์ชันในตัว
- การเชื่อมต่อ RAG (Retrieval-Augmented Generation)
- ความเข้ากันได้ข้ามผู้ให้บริการ
- การบันทึกธุรกรรมที่ตรวจสอบได้
 |
|---|
| การแนะนำ ConvO-Lang ภาษาโปรแกรมที่ออกแบบมาสำหรับ AI โดยเฉพาะเพื่อสร้างแอปพลิเคชัน AI |
ชุมชนตั้งคำถามความจำเป็นของไวยากรณ์ใหม่
การประกาศนี้ได้จุดประกายความสงสัยอย่างมากในหมู่นักพัฒนาที่โต้แย้งว่าเครื่องมือที่มีอยู่แล้วสามารถจัดการกับความต้องการในการพัฒนา LLM ได้อย่างมีประสิทธิภาพ หลายคนชี้ให้เห็นว่างานจริงในแอปพลิเคชัน LLM เกิดขึ้นก่อนและหลังการเรียกใช้โมเดลจริง เช่น งาน API requests การดำเนินการฐานข้อมูล และการประมวลผลข้อมูลที่ภาษาโปรแกรมมิ่งทั่วไปจัดการได้ดี
นักพัฒนาบางคนแสดงความกังวลเป็นพิเศษเกี่ยวกับความซับซ้อนของไวยากรณ์ของภาษานี้ นักวิจารณ์เสนอว่าแม้ผู้สร้างจะอ้างว่าความสามารถในการอ่านเป็นคุณสมบัติหลัก แต่ชั้นนามธรรมเพิ่มเติมอาจทำให้งานง่ายๆ ซับซ้อนกว่าที่จำเป็น
ความกังวลเชิงปฏิบัติเกี่ยวกับการนำไปใช้
ชุมชนได้ตั้งคำถามเชิงปฏิบัติหลายข้อเกี่ยวกับประโยชน์ของ Convo-Lang ในโลกแห่งความเป็นจริง นักพัฒนาสงสัยว่าทำไมฟังก์ชันนี้ไม่สามารถส่งมอบเป็นไลบรารีภายในภาษาที่มีอยู่แล้ว เช่น Python หรือ Ruby แทนที่จะต้องการกระบวนทัศน์การเขียนโปรแกรมใหม่ทั้งหมด
ทำไมไม่ใช้ไลบรารี?
ความรู้สึกนี้สะท้อนความกังวลที่กว้างขึ้นเกี่ยวกับว่าภาษานี้แก้ไขจุดเจ็บปวดที่แท้จริงหรือเพียงแค่ขี่กระแส AI hype เท่านั้น นักพัฒนาบางคนสังเกตว่าแม้แนวคิดนี้จะนำโครงสร้างมาสู่ prompts แต่ภาษาอังกฤษยังคงเหมาะสมอย่างสมบูรณ์สำหรับคำสั่งเชิงความหมาย และเครื่องมือที่มีอยู่สามารถจัดการกับส่วนประกอบที่เครื่องอ่านได้
ข้อกังวลของชุมชน:
- ความซับซ้อน: เพิ่มชั้นนามธรรมให้กับงานที่เรียบง่าย
- ความจำเป็น: ภาษาโปรแกรมมิ่งที่มีอยู่สามารถจัดการกับการประมวลผลก่อนและหลัง LLM ได้ดีแล้ว
- การนำไปใช้: สามารถส่งมอบในรูปแบบไลบรารีแทนที่จะเป็นภาษาใหม่
- การสร้างความแตกต่าง: ข้อได้เปรียบเหนือ DSPy , BAML และเฟรมเวิร์กอื่น ๆ ยังไม่ชัดเจน
การเปรียบเทียบกับโซลูชันที่มีอยู่
สมาชิกชุมชนหลายคนได้เปรียบเทียบกับเฟรมเวิร์กที่มีชื่อเสียงแล้ว เช่น DSPy และ BAML โดยตั้งคำถามว่า Convo-Lang แตกต่างจากโซลูชันที่มีอยู่เหล่านี้อย่างไร การอภิปรายเผยให้เห็นว่านักพัฒนาหลายคนกำลังสร้างแอปพลิเคชัน LLM ที่ซับซ้อนได้สำเร็จโดยใช้ toolchain ปัจจุบันและไม่เชื่อมั่นว่าภาษาใหม่เป็นสิ่งจำเป็น
การถกเถียงนี้เน้นย้ำความตึงเครียดพื้นฐานในพื้นที่การพัฒนา AI ที่เปลี่ยนแปลงอย่างรวดเร็ว: ว่าเครื่องมือเฉพาะทางใหม่ช่วยปรับปรุงประสิทธิภาพการทำงานจริงหรือเพียงแค่เพิ่มชั้นความซับซ้อนให้กับปัญหาที่โซลูชันที่มีอยู่จัดการได้อย่างเพียงพอ ในขณะที่ระบบนิเวศ LLM ยังคงเติบโตต่อไป นักพัฒนาดูเหมือนจะระมัดระวังมากขึ้นเกี่ยวกับการใช้นามธรรมใหม่โดยไม่มีหลักฐานที่ชัดเจนของประโยชน์ที่สำคัญเหนือแนวทางปัจจุบัน
อ้างอิง: CONVO-LANG