Transcription
这是 Claude 的概述。每当您使用 Claude 时，Claude 都有三个不同的界面窗口供您使用。其中一个是 clot。它是一个生成式 AI 工具平台查找字段，您可以用于执行多项任务，我们将在稍后看到。第二个是 cloud AI coding。这是为开发人员准备的。由于时间有限，我们今天不会进行实际操作。但如果您想要这方面的内容，可以联系我。我可以告诉大家如何构建和设置 clot。如果您是 Mac 用户，相信我，您甚至可以使用 co-work，这是 clot 的最新功能，您可以在其中直接在系统中推荐您的代理来完成许多工作，例如管理您的桌面、控制您的日历、安排您的会议。所有这些都可以通过 cloud coworker 的新功能完成。但为此，您需要成为 Mac OS 用户。此外，您应该拥有 clot 的 max 订阅。第二个是 clot chrome extensions。现在这个 chrome 扩展是什么？它允许您在顶部的非常顶部栏上有一个标签。您可以添加它。这同样适用于付费用户。如果您是付费版本用户，您可以将其添加到 chrome 中，您也可以观看演示。是的。但它让您可以直接控制 chrome 本身上的许多功能。如果您不想使用任何其他 AI 模型，而是想在 cloud 中使用安全的 AI 模型，您可以直接在这里使用。好的，让我们回到窗口。如何首先设置您的 clot。正如我一直推荐大家的那样，每当您使用任何 AI 模型时，您应该始终使用的第一个参数是电子邮件 ID。您用于任何 AI 工具的电子邮件 ID 不应用于任何其他目的，例如银行、购物、提取等。它应该是一个全新的、新开发的电子邮件 ID，您应该用于登录，因为您永远不知道未来的数据法规将如何改进并对您不利。因此，在您使用它时，请始终保持安全的一面，尝试使用新的电子邮件 ID。一旦您有了它，您就可以登录并直接转到设置。一旦您进入设置，因为我不会停止使用，我会说很多人只是简单地获取它，然后就可以直接开始通过您的聊天机器人或您的 AI 助手或生成工具提问。不要那样做。首先转到设置，看看哪些权限是默认打开的，以及您需要处理哪些权限才能不允许这样做。这与我们看到的任何生成工具略有不同。它看起来更干净、更基本。这就是为什么它对开发人员起到了至关重要的作用，因为他们不需要在那里收集大量信息。好的。您在这里可以做的第一件事是更新您的名字，您想要的任何名字，您的名字。其次，您希望 claw 如何与您沟通。您可以给任何名字，您想给的名字，您可以直接放在这里，它将开始仅根据该名字向您致意。之后，您如何描述自己，您的角色是什么？我们过去在 chat GPD 和 Gemini 中也做过同样的事情，但那里您需要具体写出来，但在这里他们给您一个下拉列表，这是一个非常常见的下拉列表，假设我来自工程，我将选择一个工程部门，比如我属于工程领域，好的，您希望考虑哪些个人信息来赞助 revenue slot？在这种情况下，如果我们选择，比如说我们选择运营。所以我们可以做运营，然后我可以问一些澄清性的问题，关于我实际上想在我的偏好中保留哪些东西。您的偏好将适用于您在这里进行的所有对话。所以我可以给出，比如说，每当我问到 file six 时，总是给我答案说不允许共享。所以我只是添加了一个自定义的，您可以说是一个命令。所以当我输入 file six 时，它应该总是这样。您可以添加一个自定义命令。您必须设置所有这些。我之所以这么说，是因为通常 95% 的人在登录后只是随意使用它。但不要那样做。选择您的工作描述。您可以根据您的专业知识和经验来填写所有这些。所以，假设您之前使用过 chat GPT，现在您想切换到 claude。现在您想告诉我，我不想失去我在 chat GP 上所有的记忆。所以您可以做的就是直接转到 chat GPT 或任何其他，比如说，让我在这里检查 chat GP。好的。所以，如果您转到 charge GPT，然后转到我们的设置。所以，一旦我们进入设置，我们就可以在数据控制中看到安全，我们也有我们的 pass key，您也可以使用它，但您必须进入控制，如果我有任何形式的导出我的数据，您可以直接点击导出并确认导出，您将成功获得一个可下载的链接，您将收到一封电子邮件，您可以从您的电子邮件中复制。让我在这里检查一下，如果您先去电子邮件，我想我们会得到。好的，没问题。所以，一旦我们在这里得到它，您就可以直接下载。它将是文本格式，您可以将其放入这里的偏好部分，这样您就不会忘记您实际上上传到任何其他 AI 工具的内容，然后我将点击保存更改。我的保存将在这里更改。现在，如果您想要任何通知，这应该默认关闭。您想选择任何字体类型。这在任何其他模型中都不可用，无论是 Gemini 还是 chart GPD。在这里您可以更改您的字体样式，这可以相应地反映您从它那里获得的响应。好的。然后这些是您必须实际设置的基本部分，然后转到帐户。现在在这里您可以跟踪您自己的会话和您的帐户详细信息。但有一件事我要告诉大家，它有一个非常高级的功能。我们在其他模型中都看不到。您必须专门登录您的帐户，然后您可以借助帐户跟踪您的帐户的使用情况。但在 claw 中，您直接有一个活动会话页面。比如说，您的组织给了您一个企业帐户，或者您以某种方式与几个人共享帐户。在这里您可以直接查看并看到您的活动会话实际上正在进行。如果您有任何组织 ID，您甚至可以将其复制并粘贴给您的管理员，如果您想在那里进行任何更改。现在，这就是它们发挥关键作用的地方。好的，您看到登录时有登录限制。您可以去查看。但如果您转到隐私设置，您可以管理您的共享聊天。虽然我们这里不进行任何共享。但第二件最重要的事情是允许 cloud 使用 MC 的位置来改善您的产品体验。所以您正在共享您的位置，我们已经看到它可以显示在这里。但作为用户，您不想与任何组织或任何人共享您的位置。您可以从这里禁用它。您将不会共享特定位置，让 Claude 这个模型决定给您任何结果。好的。在此之后，第二件事是您是否愿意与 cloud 培训团队共享您的对话或您与此 AI 模型共享的任何信息以改进数据？不。原因是因为现在有多少人知道，所有 90% 的聊天生成式 AI 工具都会自动启用此功能，您必须去禁用它，但有多少人已经停用了它？即使您正在使用 chat GPT，您也可以去，即使是 chat GP，他们也有同样的功能。我向所有人推荐这一点，因为我不想您一旦习惯使用您的工具，后来发现您提供了大量数据，比如您在这里看到，这实际上是自动启用的。如果您去禁用它，首先，当您使用时，所以对于所有这些，即使您仍然在使用 cloudi，您正在使用任何东西，请先从这里禁用它。好的，让我给您一个非常快速的关于这个的介绍。这是一个实际发生的场景，我们的私人机密数据可能会公开。绝对正确，是的，这是非常真实的，这是我们可以收到的最好的例子。感谢您提供更新。但是的，各位，让我告诉您一个非常非常创新的场景，它实际上发生在法国马赛的一所大学和巴西的一所大学之间。发生的事情是，两组人正在从事同一个项目。那里发生了什么？其中一组人正在从事该项目，他们实际上已经完成了整个项目，并且他们已经上传了整个文档或模型，并要求进行一些更改和纠正，并准备好与他们的老师分享。模型收集了信息，模型重新训练了自己，并更新了数据库中的信息。几周后，巴西的某个人也提出了同样的问题或同样的查询。模型现在有了比之前给别人的答案更好的答案，因为它已经在几周前发布到该模型的数据上进行了训练。当第二组的学生得到答案时，他们惊叹于 AI 知道这个答案。您知道有时我们非常害怕 AI 怎么会知道这一点，怎么会预测到这一点，并不是因为它对该数据进行了充分的训练，而是因为这种开源活动，很多人正在将他们的信息和上下文信息倾倒到这些模型中，因为这些模型每天都在获取您的所有信息。您在使用任何 AI 模型或任何 AI 工具时应始终使用的第一个安全级别是去禁用共享以改进数据，因为改进可能以任何形式出现，您永远不知道改进是以数据存储在某处的形式出现的，您如何处理您的数据，您永远不知道，所以这是您在使用任何生成式工具时都应该始终考虑实施的风险，就像在 cloud 中一样。接下来是关于功能。您转到功能。这是该工具最有趣的部分。我的意思是，如果您在这里有一个关于整个工具的构想工件，您可以直接去查看您的功能是如何被管理和控制的。现在没有这样的类别，因为我使用的是免费版本，因为我不想您使用，因为免费版本和付费版本之间有巨大的差异。所以我必须说很多用户都在使用免费版本。所以我不会在这里推广任何付费版本。但让我们了解一下他们在免费试用版本中有哪些内容。如果您去，您可以看到您可以直接从这里启用它，创建和原型设计，与文档交互，cloud 内部工件，并说，让我们构建一个 AI 并创建强大的 cloud API。如果您想使用 API，是的，当然，它拥有比任何其他模型都更安全的 API 密钥，甚至比 Google Gemini 更好。cloud 拥有。所以，如果您想使用这个模型来为您正在使用的数据库实现一些功能，或者创建文档，或者创建应用程序或 ID 工具，您正在使用的任何东西。是的，它为您提供了更好的机会。所以，所有这些都是您可以在功能中准备的工件，您在任何其他 AI 工具中都找不到。下一个是连接器。如果您连接，虽然我之前在使用 cloud code 版本时连接了 GitHub 库，但现在我甚至没有使用它了。但是的，您可以使用很多连接器，您可以浏览。您可以看到网络上有大量的连接器，您可以与 cloud 连接。它提供了与任何 API 工具或任何工具连接以开始集成最高的可能性。而且我必须说，我团队拍摄了一个非常有趣的视频，并将其发布到我们的社交媒体上，claude 甚至可以充当 Zumato 的连接器。那是我们可以使用的 MCP 服务器。MCP 略微是 engetic KI 的一部分。但是的，他们开发了您在这里有 claude，然后您有一个 MCP 服务器，然后您有 Zamato 的 API 密钥。它将通过在 clot 上聊天来订购食物，如果您可以为我订购一份咖喱饭或一份素食，花费不到 250 卢比。它将去识别一些 API 密钥，阅读所有内容，然后将其交付给您。您可以对 Google Maps 做同样的事情，同样的事情，您甚至可以使用任何其他与 cloud 集成的 API 工具。该功能实际上是 cloud 的一个强大组成部分。现在，cloud code 是一个非常独立的环境。我会说这不适合普通用户，因为您正在寻找普通用户如何通常可以获得输出。但对于那些开发人员，那些实际上使用 claude 进行代码开发的人，他们必须去交付，因为我个人推荐这是我发现的最好的工具，就 cloud 编码而言。它的功能远远超出且远高于。如果您想将其与 anti-gravity 一起使用，这是 Google 的 ID 和内部软件开发和 pipe 编码工具，您将做得很好。如果您想实现这一点，我们可以另外讨论。所以，这是您需要进入的工具，一旦您登录了该工具。好的。现在，就模型而言，这看起来非常简单和干净。所以我们有三个常见的模型，您通常可以使用。现在很多人仍然感到困惑，模型是什么，AI 工具是什么。所以，好的，我们作为人类，我们有一个身体，有很多器官可以执行多种功能。好的，以同样的方式，您有这个身体，它具有不同的功能，例如学习、写作、制定策略、编码和生活事务，但赋予系统力量的灵魂模型可以被视为一个单独的类别，用于单独的功能利用。是的，但我会说，用非常简单的语言来说，模型是任何生成式 AI 工具的灵魂。现在您已经构建了任何生成式 AI 工具，或者您想更技术化地说，您可以简单地说它就像一种新的操作系统，就像一个操作系统。每当您运行一个系统时，我正在运行这个设备 Mac，我有一个由 Apple 制造的操作系统，所以我正在使用 Apple 的设备，型号是 MacBook Pro，但操作系统是 Mac。以同样的方式，公司名称是 anthropic，产品名称是 claude，但我们使用的模型，这个工具背后的力量来源，某种程度上称为 Opus Cloud 4.5、Sonet 4.5 和 Hacko。Opus Cloud 4.5 是用于编码的最佳模型。如果您用于编码或 VIP 编码，这是您应该使用的最佳工具。Sonnet 用于日常任务。现在，我个人推荐 set 而不是 chat GPD 4.5 或 4.1。原因非常简单。为什么？因为它的信息提取方式和引文窗口级别更大。现在我们将对此进行上下文窗口的讨论。让我们转到我们的幻灯片。现在我将在这里做一些更改，各位。所以，让我们看看这个。现在，家族模型性能，我们有这些类别，如 opus、sonnet 和 hu。sonnet 3.5 曾经是它开始的时候。好的，现在我们已经转向 sonet 4.5，这是日常使用目的。所以，每当有人谈论 claude 时，您可以简单地说他们有一个非常简单的类别。如果您想进行深度思考和编码，请选择 opus。如果您想进行通用任务，请选择 sonnet。如果您想快速响应和快速信息以及超快响应，您可以使用 hack。这是您可以直接从这里选择模型的选择，例如 set oppus 和 koko。所以，我们将使用 sonnet，比如说，然后我们可以问一个非常简单的事情。让我们，好的，有多少人，我们是否要尝试 NIST 框架，如果你们对此感到满意，有多少人知道 N 框架关于 AI？我可以以 N 框架为例，因为这个主题也在这里涵盖。如果你们，我可以举任何例子，我们应该举哪个例子？我们应该举 6001 吗？我总是建议所有正在构建 AI 或使用 AI 执行任何 AI 任务的用户都必须清楚地了解 NIS 框架。它们的设计方式非常出色且有趣。我还会告诉您一个非常有趣的事情，好的，让我们先举一个简单的例子，设计一个好的报告来使用下一个 600 并帮助我规划我的 AI 产品。现在您看到这稍微更专业一些。当我说是专业时，它比 Microsoft Copilot 更强大，而且比 Open AAI Chat GPD 更专业。所以，是的，如果您对其进行排名，它会比 chat GPD 和 copilot 略好，比 Gemini 略差，因为 Geminina 提供了多工具连接，这是唯一的事情。但当涉及到性能时，您会看到它提供逐步响应。所以，首先您转到搜索信息的搜索结果，并且引文正在进行。您看到它直接转到 NIST 政府网站，它从那里获取信息。您可以直接检查它正在阅读什么，它从哪里获取了信息。下一个是，我的意思是，它现在正在对数据进行排序，然后它将在后台运行代码来为您生成报告，然后为您开发。这是它在后台正在做的一件事。让它完成并开发报告。但在它开发之前，让我们谈谈一个我们称之为设计宪法安全的主题。这是 cloud 的创始原则。当您看到世界上仍然有 80% 的安全公司使用 model cloud Opus 4.5 进行代码开发。原因是什么？因为它的安全设计原则，它的设计方式。好的。所以，理解这个原则方法非常简单，就像他们非常严格地开发了两个因素开发窗口，我们将遵循所有可能的指南来控制数据管理，并且我们将拥有 anthropic 的安全原则。现在，anthropic 的安全原则是什么？这很简单。我们不会存储您的数据超过 30 天。他们不会为任何形式的开发计划或任何其他事情保存您的数据超过 30 天。如果您有历史记录，您可以下载它，如果您愿意。但他们会尽量让您的数据安全，不超过 30 天来训练他们的模型或开发他们的模型，我们稍后会看到。他们遵循的三个关键原则是乐于助人。您的 AI 应该始终朝着帮助您的方向工作，而不是让您产生幻觉。所以，各位，刚刚发生了什么？当 NIST 实施了他们的国家安全与技术标准安全技术标准时，国家技术研究所给出了 NS 6001，幻觉是一个非常通用的术语，可以用于人类，当或或人，那个人或人没有提供您期望从该人那里获得的信息，或者您期望的正确答案。它试图说服您一些根本不存在的东西。他们意识到这些模型不是人类。这些模型是机器，机器不会产生幻觉。所以他们开发了一个词，叫做 confabulation。所以下次有人使用幻觉时，您应该纠正他们，因为从技术上讲，就数据而言，就信息标准组织而言，您应该使用这个词，叫做 confabulation，这是幻觉的正确版本，它表示机器试图给您一些根本不存在的信息，并反复说服您输出实际上足够接近您正在寻找的东西。所以下次当您使用幻觉这个词时，您应该可以直接去挑战任何人，并说，哦，您应该开始使用 confabulation 这个词而不是幻觉，并且作为参考，您可以去查看 AI 6001 的一部分的上下文和风险巢指南。好的，我想这对大家来说都是新的。您应该记住这一点。我们完成了配置吗？我之所以说 confabulation，是因为 claw 提供了最低的配置，当您说它甚至不会试图让您产生太多幻觉时。所以，当您想要信息时，您想要内容或数据，它能给您提供好的信息，它会尝试提供更合法的信息，我总是建议使用 cloud，因为与其他任何模型相比，它的 confabulation 率非常低。现在我们听说了上下文窗口。好的。呃，有多少人，我们实际上已经看到了上下文窗口，请稍等。是的，各位，我们听说了上下文窗口。我必须说，当我们，当我们，如果我们之前参加过会议，上下文窗口基本上是一个特定的 anthropic 框架。好的，没问题。谢谢。上下文窗口基本上定义了 AI 模型的一切。现在，我想给您一个非常简单的例子。比如说，您有一辆车是这个。好的，这是一辆车。比如说，我们有一辆车是这个，另一辆车是这个。让我们给这些车命名。这是车 A，这是车 B。现在，我想快速了解一下，想问大家，哪辆车能储存更多东西，比如说，如果您想把东西放进去，哪辆车能储存更多数据？车 A 还是车 B？理想情况下，如果您看到，哪辆车能储存更多数据？车 A 还是车 B？车 B，正确，说得好，车 B。现在，用非常简单的方式理解。就像复制车 B 一样。如果您将车 B 与另一辆相同的车 B 连接起来，相同大小的车 B，然后我们再次将其与相同大小的车 B 连接起来。好的，它们都是相同的大小。现在，当您在图表上，在一条直线上看到这一点时，AI 开始存储信息的那一部分到那个块的末尾，AI 开始倾倒信息的那一部分。这部分就是您的上下文窗口。现在，我将再次详细说明。您会得到一个想法，因为我不想您错过这个主题。从 A 点，AI 开始阅读任何文档，到 B 点，它结束阅读文档并开始生成信息。这部分实际上是上下文窗口。哪个模型拥有最高的上下文窗口？任何人都可以预测。Gemini Google Gemini 拥有最高的上下文窗口，即 100 万。好的，100 万。在这里，如果您看到 clot 的上下文窗口只有 200k，与 Google gemini 相比要少，但它意味着它的性能较低或低吗？不，与 Google gemini 相比，性能会略有下降，但就安全性和性能而言，它远远优于它。现在，问题又回到了大家身上。如果我这里有一个引擎，我将把它换成一个引擎。好的。我将制作这个引擎，然后我问大家一个问题。我有一个 B，我有一个 A，我有一个 C。如果这个引擎必须单独拉动 B、A 或 C 中的任何一个，那么这三个盒子中哪个对引擎来说最容易拉动？A、B 还是 C？哪个？A，正确。原因是因为它的轻便性。这就是为什么它在编码中起着至关重要的作用，因为您不能等待代码生成一天、两天、三天。您需要非常快速地获得重试。您需要一个具有良好上下文窗口和良好速度的模型。所以您得到的不是倾倒大量信息，而是得到了一个具有合理阅读模型数据的空间的模型，因为从 A 点到 B 点需要，比如说，1 秒钟，它也会让我的输出非常快地获得，因为它需要承受大量的负载。所以，在这种负载的上下文中，您可以理解搜索部分，它需要花费多少时间在网络表面来获取信息。如果容量较小，它将花费较少的时间，并且由于令牌窗口较小而变得轻便，因此检索和提供输出会更容易。所以，您需要了解这个上下文窗口的机制。所以，是的，它非常适合深度分析，因为它也能够保存信息并运行得非常快。所以，如果您看到这种情况，这是 Google Gemini，让我们说这是 Google Gemini，这是您的 claude。上下文窗口为 200k，但尺寸也较小，因此它能获得良好的数据包输出。好的，这是其中一部分。有人对上下文窗口有疑问吗？如果您有任何困惑，您错过了，我再说一遍，任何模型开始阅读数据或提取信息以获得输出，它在那个时期使用的令牌数量就是上下文窗口，基本上，用非常简单的语言来说，越大，请解释一下小数据包部分。好的，越大，好的，数据越大，上下文窗口越大，它读取的数据就越多。现在，再次，引擎对所有模型来说都是一样的，无论是 Gemini，比如说您的 chat GPT 还是任何模型。引擎是什么？比如说，您的桌面或您的手机或设备。现在，想象一下，平均每个人使用，比如说，3 GB 的 RAM 和 64 GB 的存储空间。没有人拥有如此高级的 Nvidia GPU。所以，平均而言，引擎几乎相同。在 clot 中，窗口大小如何控制或平衡？哦，那是另一回事了。我稍后会回答这个问题。别担心。是的，让我先来谈谈这个部分。所以，您需要理解这一点，这就像是固定的。如果它不断变大，您将需要更少的时间来获得您的输出。所以他们开发了一个具有中等上下文窗口的模型，它大于 chpd，大于 co-pilot，但小于 gemini，并且还能提供非常快速的输出信息。现在，我再次想用非常简单的方式解释这些部分。每当，每当他们收到输出时，当您请求它时，它会构建成小的令牌。所有这些令牌都会再次开始匹配以查找您的输出。所以，比如说，如果我有一个问题，让我为您提供这个，让我去一个屏幕。我想我在 Google 表格中，计算能力也受数量影响。当然，当然，为什么不呢？Anand 非常简单。我说，现在您的计算能力，如果您，如果您有一个 8 GB 的 RAM，并且您试图在屏幕上检索更多窗口，而处理器较少，它肯定会影响您的计算能力。什么是首都？我举一个非常简单的例子，比如说印度。所以，当您问这个问题时，下一刻它就会开始标记化。现在，在这个过程中，抱歉单词的错误，因为我有点快，我的时间也快不够了，各位。所以它会开始单独分解所有这些，比如什么，然后是，然后是首都，然后是，然后是印度。现在，它会留一个空白。它会再次分解这些信息。但让我们去数据中心。现在，数据中心有一些数据，德里靠近，比如说，新德里是印度的首都，靠近新德里。古拉靠近德里，但离新德里很远。现在，看看这个数据中心，那里有大量的数据被输入到系统中。比如说，第一个数据 1，第二个数据 2，第三个数据 3。您在这里看到任何地方明确提到德里是印度的首都吗？没有。模型将开始预测。现在，为什么我说任何生成式 AI 工具都不知道答案市场，它们只是预测，它们如何预测？通过连续重复的小数据包的标记化。所以，当您看到这个时，它会开始制作所有这些答案，首先开发。现在，看看它会找到第一个字母是，然后是首都，然后是小数据包。它不会为此使用令牌，因为它已经在您的输入中。首都，然后再次是，然后再次是印度，再次是。所有这些都以小数据包的形式出现。现在，如果您理解，如果您的上下文窗口很大，它将占用更大的标记化空间。这就是为什么人们建议不要使用一些特定的提示，比如 JSON 提示，这是一个令牌饥渴的提示。您永远不应该使用那些调优的提示，因为令牌饥渴的提示会让您的系统稍微滞后，以便为您提供输出。一个简单的提示，比如一些简短的提示，或者您可以使用直接提示来获取这些答案。现在，它会做什么？它会在后台可视化一切并进行预测。现在，它会预测三个城市名称，德里、古拉，因为它在这里找到了三个城市名称。现在，它会再次对它们进行排名。它会给新德里排名，比如说 50。它会给德里排名，比如说 75。它会给新德里排名，比如说 60。基于排名，它会意识到，我能得到的最近答案是德里。它将开始解构信息。它将删除那个不断发送回令牌的空白包。这个空白空间将被德里填充。这就是您的答案如何开始以任何生成工具的形式出现。您看到它没有创造任何东西。它也不知道任何答案。它通过电机找到了最可能的选项，并预测了它，并为您提供了答案。我希望它能给您答案。基于嵌入的排名，如何排名？排名基本上不是关于排名，排名基本上基于，现在，那是另一回事了。让我给您一个简单的例子。让我带您到这里。我只是删除所有这些。让我们先擦除所有这些。排名基本上是最近似的答案，对吗？正是如此，它是最近似的答案。而且我会给您一个非常简单的例子，您将能够很快地对其进行排名。用非常简单的语言，让我给您。好的，如果我在这里，我将在这里构建一个象限。就像这样。这是我的象限。有人也问过关于嵌入的问题。如果您看到这个嵌入是基于存储的输入，您也会在那个上下文中了解到。我在这里放了一只猫，我在这里放了一只狗。现在，如果我要放另一种动物，它既不是猫也不是狗，而是一只蜥蜴，我能把它放在这个象限里，还是这个象限里，还是以其他方式？我必须把它放在另一个象限里。比如说，蜥蜴会放在这里。现在，蜥蜴离蛇很近。所以，如果我要放蛇，我也会把它放在同一个象限附近。现在，如果我的模型在这个象限中运行，比如说它正在寻找这个象限的答案，所有这些值都会得到较低的排名，因为它们与它的输出无关。现在，排名将在两者之间分配。现在，如果您去中心轴部分，它越接近训练数据部分，答案输出就越好。所以，我们正在寻找这个区域，这个区域的混淆度很低。看，这个区域不应该太大，以至于您无法识别，并且您会发现模型开始混淆您。好的，那种混淆不应该存在。所以，排名基本上是它离真实答案有多近，它为预测提供了多少价值。这就是我们在数学课上看到的，概率，这就是为什么机器学习中的概率和统计数学起着非常重要的作用。好的。呃，各位，我们在这里变得非常技术化。这是一个快速的会议。但我们将，我喜欢回答问题。好的。所以，我只需要快速完成服务器，以及这个多模态部分。好的。谢谢。是的。所以，多模态基本上，当我说是多模态时，原因非常简单，快速理解。它就在它的词语中。很多，所有模型，多模态，只是因为您已经看到，当我们在这里添加 claw 部分时，您看到报告实际上已经准备好了。所以，这实际上看起来非常，我通常直接从这里粘贴报告。我只是下载它们，阅读它们，然后放上链接。以同样的方式，您也可以下载并要求您的团队重新品牌化并为您构建，然后将其返还给您。现在，当您看到这份报告时，您会看到所有在查找过程中发生的事情。您们可能听说过黑箱 AI 和白箱 AI。我将用非常简单的语言告诉您，那就是可见性。AI 需要可见性。用户需要可见性。数据是如何提取的。我想知道。在此之前，没有这样的东西。所有那些 AI 实际上都是黑箱，它们只是给您输出，但它们不让您知道它们从哪里引用了信息，它们做了什么。但这个 AI 模型在每个级别都给您提供一切。它甚至告诉您它是如何运行的，它甚至提供代码，关于它是如何呈现文件的，它从哪里获取了部分内容。如果您在这里看到，当它运行代码时，它获取了什么信息，它是如何阅读所有这些信息的，您甚至可以去更改字体。您可以这样做。它使用了什么源进程，信息是从哪里获取的，您甚至可以看到并检查。所以，它让您对发布从 cloud 带来的任何信息非常有信心，因为您知道它需要如何以非常专业的形式准备。所以，这是您在使用这个工具时首先要做的事情。它在上传数据方面的分析也非常出色。所以，每当我需要上传文档，上传 CSV 文件，或者我想创建一个 CSV 文件时，我都倾向于在这里上传并查看。现在，人们又会开始问，上传我的个人文档是否会成为问题。绝对会成为问题。不要那样做。制作一个您内容的复制样本文件。将其上传到 AI 模型。查看它使用的方法。将该方法复制到您的真实数据中，然后开始实施。我再说一遍。每当，比如说，您进行计算，您想就此进行报告，构建一个包含相同信息的样本数据，这就是所谓的抽样。审计员，会议中的审计员，他们知道他们不会阅读整个 100 页的数据。他们，他们，他们会获取这些信息的小块，然后找到标准偏差，或者找到我们看到的数据中的偏差。所有这些块，然后基于此，他们预测信息。当您拥有，比如说，您有安全数据，您有 sock dump 数据，或者您有您的编码信息时，您也应该采取非常相似的方法。您将其放入聊天中，您将其上传到 CSV 文件中，但以样本模板的形式，然后查看结果，复制方法，然后与您的工作一起实施。再次，好的，所以我们在这里讨论多模态部分，各位。如果您注意到，在模型部分，在这里，它为您提供了多容量用户，您可以查看如何使用它。这是他们实际上拥有的非常漂亮的部分。这为用户提供了一个非常快速的分类。您想学习一些东西，他们直接提供了一些通用选项。当您点击它时，您将获得一些自动提示。您可以重写这些提示。如果您想写一些东西，他们有一些预模板提示。您只需要在这里输入，他们就会为您提供模板，您可以在那里写作。这会根据您的使用情况不断变化，因为它会从您那里学习。如果您想制定策略，您可以查看计划、预算、所有创建分配等等，比如说，开发风险评估。如果您想进行风险评估，您这里有一个现成的提示。您只需要介入。您只需要倾倒您的数据，它就会开始帮助您进行任何风险评估。如果您想进行风险评估和风险管理，您可以遵循。您可以简单地举一个例子，参考 nest 或任何治理工具。好的，这是其中一件事。它将网站的屏幕截图转换为 HTML CSS。好的，希望您们已经看到了。那就是我向您展示它如何分解所有这些信息以开发您的报告时所看到的。好的，现在它又做了一件非常有趣的事情。当我们谈论 beta 代理功能已经演进时。它是为 Mac 用户准备的。那些 Mac 用户，并且他们正在使用 cloud max 订阅。他们可以在他们的 Mac 上安装 Mac，并使用一个名为 coworker 的功能，该功能允许做很多事情。比如说，如果我这里有一个桌面，有这些文件夹。好的，我有一张图片，我有一个演示，我有一些录音，我有一些书。我只需要告诉它，并指导它将我所有的图片都放在这里。它会将所有内容都填满。好的。所以，这是它拥有的一个功能。协作工件，我们实际上已经看到了实时编码和渲染。您可以在销售仪表板上看到。所以，让我快速给您一个想法。您能为我做一个销售仪表板样本吗？它将开始为此工作，为您制作报告。您甚至可以使用代码。让我用新标签页打开它。如何，如何能够，我们实际上已经看到了 cloud code 的代码部分，但它是如何开发的？它是如何开发后续问题的？所以，这又是一件非常有趣的事情。当您说它如何开发后续问题时。呃，让我给您一个非常非常原始的想法。Mahes，您一定在使用任何智能手机，当您在键盘上打字时，您的键盘如何预测下一个可能的单词？您有概念吗？我的意思是，这种情况已经发生了很多年了。您看到这种情况已经发生了很多年了。它是如何获得的？当您输入，比如说，现在您输入 what is your，然后它会自动给您一些建议，比如 name 或问号。它是如何出现的？这实际上是机器学习的游戏。您不会直接说它是来自 AI 系列，它实际上非常古老。我实际上今天就要发布一个内容，我正在阅读它。给我五个 AI 存在但当时不那么出名的例子。其中之一就是 Google 地图的预测。Mahesh，您也会非常惊讶。如果您在 Facebook 上看到 Facebook 如何推荐标记谁，不标记谁，它如何立即识别面孔。如果您是 iPhone 用户，您的 iPhone 如何自动将一个人的照片分类到一个文件夹中。这都是机器学习的游戏。它开始标记您的数据，开始预测您的数据，然后只是猜测最可能的答案。但回到这里，是的，还有一个非常重要的部分，那就是 RA，即检索增强生成，它在给您任何输出之前不断检查数据的事实，并且它还以非常简单的方式告诉您下一个可能答案是什么。我的意思是，如果我问一个非常简单的问题，您是否要去欧洲旅行？您会说“是”。一旦您说“是”，下一个所有可能的问题都会自动在我脑海中形成。您要去欧洲的巴黎，还是去伦敦，还是去？当您说要去欧洲时，我永远不会说您要去纽约，永远不会。因为它会自己开发那个目录，在它的答案中，它实际上可以做到。而且这不是匹配，而是非常简单的机器学习处理器算法，它们非常清楚它们拥有大量数据，它们找到相关的答案，这些答案可能是您下一步可能的结果。我希望它能给您答案。我的意思是，我不想深入太多。呃，细节部分，但我可以单独做。我可以，我可以随时联系。看到仪表板了吗？各位？我只是想问一下，如果您手动开发一个像这样的销售仪表板需要多长时间？我并不是说它不能用。您可以下载，您可以复制它，您可以将其放入 Excel 表格中，您可以将其放在任何您想要的地方，然后您可以输入您的数据，然后它将开始为您开发。这就是为什么我说对于任何专业的开发报告手写，95% 的专业人士，他们实际上是在使用 clot。我最近观察到，他们实际上是他们日常使用的部分。当然，如果您想以 HTML 代码形式放入，您可以看到代码查找器。如果您是开发人员，您可以将其放入那里。您想发布一个工件，您可以发布。您想下载，您也可以下载。它将开始为您下载。您可以使用 power 在 15 分钟内实现。绝对是，使用 power 15 分钟。这是非常真实的。好的，各位，这是您可以做的一个结果。如果您想构建，您想让我创建一个风险管理 Excel 模板，比如说遵循 4201 LII 领导实施，比如审计员 recip 某人，它将去阅读 4201 IOS 标准的 LI 实施，它将开始查找这些信息，然后它将为您构建一个 Excel 表格。现在，当我说是专业时，因为它是。
不会，幻觉，而且我会说，从明天开始，任何参与本次会议的人，当您开始谈论一个叫做“拼凑”的词时，请参考“巢穴 6001”的建议，这个词不是幻觉，您肯定会比任何其他人在任何地方谈论人工智能时都更胜一筹，这会让您在技术上更扎实，而这些小罐子在使用任何人工智能工具时都起着至关重要的作用，完全没问题。所以，我们非常接近尾声了。这就是我们所看到的。这部分实际上是为那些真正运行自定义工作区的人准备的，虽然很少有人这样做，但那些真正构建的人，比如说你想做更多的企业工作。如果你是创始人，如果你是首席执行官，你想将整个云模型引入你的系统，这实际上起着非常重要的作用，因为你可以非常轻松地开发和部署代理。MCP 服务器，你知道，模型上下文协议，它是由只有云的 Anthropic 实现、开发和发明的。所以他们的模型很好地发挥了 MCP 的作用。那么 MCP 是什么？我希望每个人都知道 MCP，还是我应该花一分钟告诉你们 MCP？如果你们需要，我可以在两分钟内给你们一个非常简单的例子，或者我可以直接跳到下一张幻灯片，因为我认为还有两三张幻灯片要讲。好的，如果你愿意，我可以回答问题。好的，所以基本上，当任何企业开发工作区环境时，他们会开发代理。好的，请举个例子。不错的代理。比如说，假设我有一个代理一，它是营销代理，然后我开发了一个代理二，它是销售代理，现在我希望这两个模型，这两个代理能够相互交流，那么它们将如何交流？以前没有明确的指导方针，通过这些指导方针它们可以交流，一个标准流程，如果它们都必须通信，如果一个代理必须与另一个代理交谈，那么我们可以使用这个服务器，叫做 MCP 模型上下文协议，当需要开发代理之间的通信时，你不需要再次手动来找我，比如说，如果营销代理有一个选项，如果输出是 x，结果应该总是 y，在这种情况下，你必须去销售代理，如果这里的结果是 X，输出应该是 B。所以我的最终输出应该是 BY。所以，如果我必须手动完成这个，一个人必须去审计营销团队的报告，看看输出是什么。这里的输出是 Y。好的，我将从这里获取 Y 的输出，然后去检查销售数据。然后输出是 B。这里合并团队的总输出是 B 和 Y。在这种情况下，代理一将去查看输出，并通知代理 B，好的，输出是 Y。代理二将通知代理一，然后输出是 B。通过使用 MCP 服务器，它们将合并并向你提供 BY 的输出。这只是一个例子。但是，如果你想让一个代理与另一个代理交谈，那么你必须使用 MCP 服务器，它允许两个模型，两个代理相互通信。谁开发了这些 MCP 服务器？是 Anthropic，创始公司，创建了 Claude 的公司，构建了 Opus 模型和 Sonnet 模型的那家公司。所以他们实际上是，这就是为什么兼容性功能对于企业使用工作区来说要好得多，而且如果你想使用任何其他 API 工具，它要大得多。我希望 Aron，这让你清楚了一些。那么，现在企业安全生产，再次，最好的部分是，伙计们，当 MCP 由云控制时，这意味着数据只由云人工智能控制。所以，如果你正在使用云人工智能，如果你的 MCP 由云控制，如果你的工作区是在云上开发的，那么你肯定会获得最好的企业安全，仅次于 Google Gemini。为什么？因为 Google Gemini 有自己的工作区。它有自己的工作区。为什么我从不提 Microsoft 365？因为 365 使用了运行在 Copilot 上的模型。有人能告诉我 Copilot 使用的模型吗？它是 OpenAI 的 ChatGPT，被 Microsoft Copilot 使用。这就是为什么数据在多个服务器之间有很多移动，这并没有给你那种企业级别的安全性。但是，是的，云级别的数据保护非常好。所以，如果有人想进行一些安全的网络浏览，或者你想让你的数据，你的编码或你的报告以一种非常受控的安全方式进行，当然你应该去一个非常安全的地方，而且它们也有 SOC 2 和 HIPAA 的合规性。所以，这就是我们所谈论的，如果你看到，一开始我们谈论的是，数据保留窗口通常只有 30 天用于监控，你看，在其他任何地方你都不会看到，他们会说，好的，我们会保留它以供进一步开发，而且 0% 的训练数据也用于人工智能。现在你的新工作流程，当然，如果你需要询问我的 Excel 表格，它已经完成了，如果我是一名审计员，我需要做，我可以打开我的模板，然后我可以看到我的模板已经准备好了。如果你去任何其他模型，它不会给你这么多进行操作的便利。你甚至可以下载它并开始工作。它会给你风险类别。看看风险类别。数据隐私和安全，那是你的公平性和透明度，安全性和可用性以及问责制。然后风险描述是什么？风险组成部分是什么？分数影响是什么？控制应该如何衡量？剩余的可能性是什么？即使你在这里看到，也有公式应用。你不需要应用公式。如果你看到它在这里应用了公式，只有当 L2 大于标准时，标准应该是这个，并且它完全是自动开发的电子表格。再次，我问你们，如果你们要开发一个像这样的完全自动化的风险管理模板，你们需要多长时间？那些来自这里的人，在任何其他组织中，我甚至喜欢用云来开发我所有的报告，因为它的生成方式是安全的，而且非常非常清晰和解释得很好。那么有多少人已经开始使用这些了？是的，如果你想使用 Excel，你想开发报告，写报告，内容评估，你需要有人协助你，作为你的支持伙伴或助手，这就是你应该去的地方，并给出参考，你可以看到，在每个地方它都会告诉你我是如何开发的。我采取了哪些步骤。我创建了哪些演示文件，我使用了哪些规定，我使用了哪些矩阵，我如何使用，你甚至可以下载它。它甚至在免费版本中也可用。你可以下载它。好的，这就是我所说的集成。如果你想做任何类型的集成，比如你想阅读数据，你想开发非常相似的东西，你只需要使用一个样本模板并将其交给云。云将为你构建一个完整的精美模板，而不会遗漏任何步骤。如果你想进行审计，你想进行研究，你想进行模板安排，你想进行合规性开发，治理，即使你是大学生，你想为你的，你知道，我见过人们甚至用云来做他们的敏捷规划。那些实际上使用 Jira 板进行代码开发和部署的人也可以非常清楚地使用它，因为 90% 的使用 Jira 板以及代码开发的人都使用 Cloud Opus 4.5 来开发代码，同样，他们也使用它来写报告，所以你可以上传你自己的写作样本，并让他们模仿你的声音。你看，这也很有趣，正如我所说，我已经告诉你，上传你自己的写作样本，然后让人工智能像你一样发挥作用，它会得到和你一样的所有输出，而且 API，我总是说它是最安全的 API。原因是什么？因为当你使用任何模型的 API 时，你也会使用它的 MCP 服务器，因为现在每个人都在谈论代理，除非人们真的在使用生成式人工智能工具。现在，当你使用 MCP 时，你使用的是什么 MCP？你使用的是云的 MCP，因为它是他们自己开发的。所以间接上，你有一个模型控制 80%，因此你将拥有更好的控制，而这种同质性允许这个模型变得相同并符合规定。