各位好,我是 Debuguy
第一次參加 30 天鐵人賽
主題想了很久
後來決定拿最近正在開發的一個 Slack Bot 做為主題來分享一下整個開發歷程。
第一篇文章我們就來聊聊這個系列的名字好了
這個標題其實引用了兩個概念。
第一個來自 Peter Thiel 的《Zero to One》
Thiel 說,世界上的進步分兩種:從 1 到 n 是複製,從 0 到 1 是創造。
當我開始做 Slack Bot 時
Slack Bot 在公司的群組中已經有很多了
甚至也有團隊開始用 n8n 接 Slack + LLM
但我想要的不是第 n+1 個自動化工具,而是一個真正能「對話」的夥伴
從一個只會機械回應的 Bot
到一個知道「自己是誰」、能理解對話脈絡、甚至能跟其他 Bot 協作
Slack ChatBot - 這就是我正在嘗試的 0 到 1
第二個引用自 DevOps
在 DevOps 中
Day 0 是設計規劃
Day 1 是建置部署,而 Day 2?
這正是殘酷的現實 — 產品上線只是開始
真正的挑戰是如何讓它在 Production 環境活下去
而且要活得好
因此如何維運以及監控是必須的
所以這個標題,其實是兩個視角:
故事的起點很單純
我只是想讓 Slack Bot 接上 LLM
做些動態的事情
結果發現
當你給一個 Bot 裝上 LLM 的大腦再配上幾個 MCP
用起來很方便沒錯
但終究它只是變成了一個「比較聰明的自動化工具」
真正的轉折點是當我意識到
如果要讓它成為 ChatBot
第一件事不是教它更多技能
而是讓它理解「我是誰」
之前讀一些到關於 Douglas Hofstadter 的理論
我自己粗略的理解是
當系統足夠複雜且能 self-reference 時,某種自我會出現
當然,LLM 並沒有真正的自我意識
但在工程實踐上
當我們在 System Prompt 中定義了「你是誰」、「你的名字」、「你的角色」時
一個有趣的現象發生了 - LLM 開始能在對話中區別「我」、「你」、「他」
這不是哲學意義上的自我認同
更像是給了 LLM 一個穩定的參考座標
就像演員需要理解自己的角色設定
才能演出一致且可信的表演
當 LLM 能識別對話中的「我」指的是自己這個 Bot
而「你」指的是對話的另一方時
對話的品質產生了質的飛躍
它不再是執行指令的工具
而是參與對話的一員
即使這個「參與」只是一種精心設計的幻覺
然後很多有趣的事情就會發生了
這算是一個正在開發的日誌
AI 的發展變化很快
目前這個想法以及專案也還在實驗中
但也許透過這個過程大家可以有一些經驗和想法互相交流
歡迎大家追蹤這個系列
也歡迎追蹤我的 Threads @debuguy.dev