将 Wolfram Tech 作为基础工具提供给 LLM 系统
抱歉，我目前只看到了来源链接本身。如果您能提供需要翻译的正文内容，我将很乐意为您将其翻译成简体中文。
Source: …
基础模型需要一个基础工具
LLM 并不能——也无法——完成所有任务。它们所做的事情已经非常令人印象深刻且有用：范围广泛，常常类似人类，并且功能强大。但它们并不精确，也不适合进行深度计算。
为什么需要互补的工具？
为了补足 LLM 基础模型，我们需要一个 基础工具——一个广泛、通用的系统，能够完成 LLM 做不到的工作：提供深度计算和精确知识。
Wolfram Language：我们已经构建了 40 年的工具
我创建 Wolfram Language 的目标始终是让尽可能多的世界事务可计算。通过统一算法、方法和数据，它在可行时能够进行精确计算。这个工作规模庞大，但也 取得了巨大的成功——在科学、技术以及其他众多领域推动了无数发现和发明（包括我自己的）。
- 广泛且通用 – 该语言提供了一个统一、一致的环境，能够处理海量的计算任务。
- 精确知识 – 它包含经过策划的数据和算法，能够给出准确的结果。
- 统一的连接性 – 它充当链接外部系统和服务的枢纽（见 compatibility & connectivity）。
LLM + Wolfram Language = 强大的组合
现在，不仅人类可以利用这项技术，AI——尤其是大型语言模型——也可以。
- LLM 基础模型 本身已经很强大。
- LLM + Wolfram Language 更加强大，因为该语言提供了 LLM 所缺乏的精确计算和知识。
这种融合恰逢其时：数十年打造的广泛、通用计算平台正好与现代 LLM 的广度完美契合。虽然 LLM 可以调用专用工具来完成特定任务，但 Wolfram Language 是一个 通用工具，能够将精确计算的全部力量带入任何问题。
用于计算思维的媒介
从一开始，Wolfram Language 的设计目标不仅是计算，还包括 以计算方式表示和推理概念（见 what we’ve built is a computational language—and that’s very important）。我最初设想这是一种供人类使用的媒介，但事实证明 AI 也能受益于同样的能力——为它们提供了一个完美的基底，用于以计算方式进行“思考”和“推理”。
前进的道路
由于 Wolfram Language 将算法、数据和连接性统一起来，它可以作为 标准的、通用的接口，让 LLM 访问 Wolfram 技术。这在 LLM 基础模型与 Wolfram Language 这一基础工具之间搭建了坚实的桥梁，开启了 AI 增强计算与发现的新可能。
使用我们的基础工具的技术已经就绪
在 2023 年 1 月 9 日，就在 ChatGPT 刚刚崭露头角的几周后，我发表了一篇题为 “Wolfram|Alpha 作为将计算知识超能力带入 ChatGPT 的途径” 的文章。
两个月后，我们发布了首个 Wolfram 插件 for ChatGPT（期间我还写了一本很快就变得相当受欢迎的小书，名为 What Is ChatGPT Doing … and Why Does It Work?）。该插件是一个 modest（适度）但不错的起点，但当时 LLM（大语言模型）及其生态系统尚未准备好迎接更大的故事。
早期问题
- LLM 真的需要工具吗？
- LLM 会不会神奇地学习深度计算并保证精确、可靠的结果？
- 如果需要工具，应该如何设计流程以及采用何种部署模型？
我们的收获
三年后，许多问题已有了更清晰的答案：
- 对 LLM 的核心能力有了更好的理解（尽管仍有大量科学未知）。
- 对于 LLM 当前涉及的模态，大多数实际价值的增长将来自 它们的使用方式和连接方式。
- 这凸显了让 LLM 访问我们技术提供的 基础工具 的广泛重要性。
全新的、简化的路径
现在已有简化的方式将我们的基础工具与 LLM 集成——使用新兴的协议、方法以及我们自行研发的新技术。基础模型与我们的工具之间的集成越紧密，组合的威力就越大。
计算增强生成（CAG）
- 概念： 将我们基础工具的实时能力注入 LLM 生成的内容流中。
- 与 RAG 的对比： 传统的 检索增强生成（RAG）将从已有文档中检索的内容注入。而 CAG 将这一思路无限延伸——在生成过程中即时产生计算内容供 LLM 使用。
- 实现方式： 在内部，CAG 是一项复杂的技术，我们花了很长时间才完善，但现在已经将其打包，便于在现有的 LLM 相关系统和工作流中轻松集成。
这对你的意义
- 立即可用： 任何 LLM 系统或基础模型现在都可以访问我们的基础工具。
- 超强能力： LLM 可以在输出中补充只有我们的工具才能提供的 精确、深度的计算和知识。
我们今天正式推出 CAG，向开发者和组织敞开大门，构建下一代 AI 增强应用。
实际操作
今天我们推出 三种主要方法 来访问我们的 Foundation Tool，全部基于 计算增强生成（CAG），并利用我们广泛的软件工程技术栈。
| 方法 | 描述 |
|---|---|
| Method 1 | [Link to method details] |
| Method 2 | [Link to method details] |
| Method 3 | [Link to method details] |
欲了解更多信息，请参阅官方公告：
Foundation Tool – 三种主要方法
MCP 服务
直接从任何兼容 MCP 的基于 LLM 的系统调用我们的基础工具。大多数消费者 LLM 平台现在已支持 MCP，因此集成非常简便。
- 主要提供: Web API
- 替代方案: 在 Wolfram Engine 上运行的本地版本
Agent One API
一个一站式的“通用代理”，将 LLM 基础模型与 Wolfram 的 Foundation Tool 结合。它可以作为传统 LLM API 的直接替代品使用。
CAG 组件 API
为大型语言模型系统提供对 Wolfram 技术的直接、细粒度访问，支持在任何规模的 LLM 部署中进行优化的自定义集成。所有 Wolfram 技术均可作为托管服务使用，也可在本地部署。
- Wolfram 基础工具功能列表 »
- 如需了解访问和集成选项的更多信息，请联系我们的合作伙伴团队 »。