Tôi đề xuất dự án mã nguồn mở này từ một thành viên khác trong nhóm: plan-tree. Phương pháp của dự án là tổng hợp tất cả các giải pháp bạn đã thảo luận với AI, các quyết định bạn đã đưa ra, tiến độ hiện tại và những việc bạn nên lắng đọng lần vào một sơ đồ kế hoạch Markdown. Nó không đưa ra quyết định thay bạn, mà giúp cho các quyết định của bạn trở nên rõ ràng và đầy đủ hơn, giải quyết hai vấn đề quan trọng nhất trong lập trình trí tuệ nhân tạo. Thứ nhất, chi phí căn chỉnh. Lần bắt đầu một phiên mới, cây kế hoạch được chèn trực tiếp mà không cần phải giải thích lại bối cảnh. Thứ hai, nó buộc bạn phải suy nghĩ thấu đáo mọi việc. Khi bạn ghi lại các quyết định của mình vào sơ đồ cây kế hoạch, bạn sẽ thấy rằng nhiều câu nói kiểu "Tôi hiểu đại khái rồi" thực chất lại là "Tôi không thể diễn đạt chúng một cách rõ ràng". Việc buộc bạn phải biến những hiểu biết mơ hồ thành văn bản có cấu trúc chính là một quá trình làm rõ tư duy của bạn. Quy trình làm việc "chế độ vòng lặp lớn" được sử dụng trong plan-tree đề cập đến việc đầu tiên thảo luận, làm rõ và hình thành một giải pháp khả thi thành văn bản, sau đó để AI thực thi theo lô, và sau khi thực thi, ghi lại tiến độ, bằng chứng và các vấn đề còn lại vào plan-tree. Hãy trồng cây trước, sau đó để máy móc chặt củi. Tôi nghĩ đây là cách lập trình trí tuệ nhân tạo đúng đắn. Hãy suy nghĩ về điều này, thứ khan hiếm nhất trong kỷ nguyên AI không phải là khả năng thực thi, thứ mà AI cung cấp; mà chính là khả năng định hướng, loại định hướng cho thấy: "Tôi biết mình đang làm gì, tại sao mình làm điều đó và mình sẽ đi đâu tiếp theo." Plan-tree là một công cụ giúp bạn duy trì sự rõ ràng này. Nó có thể giảm thiểu sự sai lệch của AI trong việc thực hiện các chức năng. Nếu bạn gặp vấn đề tương tự, tôi khuyên bạn nên thử.