別只聽我們說，自己來測試看看。
我們讓 Botpress Engine 運行在便宜的 LLM 上，然後與業界標準、昂貴的 LLM 進行比較。（沒錯，我們就是這麼有信心。）
自 2017 年起就以 AI 為核心。
我們一開始就是在打造 LLM。
現在我們運用這些深厚的技術專業，幫助你更好地服務你的客戶。
用直接執行程式碼取代每個代理動作的工具呼叫。
一個結構定義函式庫，讓 LLM 能精確預期每個工具的回傳內容。
從人類回饋中學習，讓代理的準確度隨時間提升。
LLMz 框架
執行程式碼，而非工具呼叫
大多數 AI 智能代理是透過工具調用來與世界互動：LLM 會選擇一個工具（例如查詢訂單或取得客戶資料），取得回應後再選下一個工具，然後重複這個流程。
我們不這麼做。
為什麼？因為 LLM 在寫程式碼方面遠比工具調用厲害。
所以在 LLMz Framework 上，我們不是用工具調用，而是直接把你的自然語言指令轉換成程式碼。具體來說，是 Typescript。
這代表如果你的請求有多個步驟（像是先取得客戶資料，再查詢訂單狀態），我們會把所有請求串成一個，而不是分開多次工具調用。
這對我們的客戶有什麼意義？
更省成本
很明顯，每個請求只執行一次，成本比每個動作都分開請求還要低。
（別問我們為什麼競爭對手不這麼做，我們也不知道。）
更安全的推理
因為這是一個由程式碼組成的大型請求，LLM 可以在執行過程中即時發現並修正錯誤，而不是在第一步就做出假設，導致第三步出錯。
ZUI 函式庫
精確輸出，不是猜測
你的 AI 智能代理會使用工具來協助客戶——像是用 CRM 查詢客戶資料。
當一個請求需要多個工具時（例如先查詢客戶資料，再查詢訂單狀態），LLM 有時會猜測工具會回傳什麼。
而當你連續串接 10 個工具步驟時，這些猜測會累積，最後可能導致失敗。
ZUI Library 的做法是對每個工具都強制規範輸出格式。這樣 LLM 永遠都能精確知道會收到什麼回應。
這代表你的 AI 智能代理可以——非常可靠地——處理需要多步驟的請求。
而且，說實話，大多數請求都包含多個步驟。這也是我們如此重視正確性的原因。
工具調用 vs. ZUI Library
標準 LLM 輸出
LLM 會猜測工具的回傳內容。多個動作串接時，這些猜測會累積——錯誤的輸入會一路傳下去，錯誤層層堆疊，代理會以難以診斷的方式失敗。
有了 ZUI 函式庫
每個工具都有明確定義的輸出，LLM 可以信賴。動作可以順利串接，模型始終清楚自己在處理什麼，複雜的多步驟任務也能穩定執行。
ZAI 學習循環
回饋會累積成長
大多數 AI 平台都沒有真正能讓你的 AI 智能體隨時間明顯進步的機制。
但 Botpress 在每個元件中都內建了一個回饋層：ZAI 學習循環。
我們的學習循環會將自然語言回饋（例如「這聽起來太正式了」或「只有在處理退款後才更新 CRM」）重新注入到你正在運作的系統中。
實際上，ZAI 學習循環代表：
你一給回饋，就能看到明顯的改善。
你的 AI 代理會隨時間越來越好。
你的 AI 代理不會犯同樣的錯誤兩次。
