ഞാൻ AI-യെ ഒരു സൂത്രം മാത്രമേ പഠിപ്പിച്ചുള്ളൂ, ബാക്കിയുള്ളവ അത് സ്വയം പഠിച്ചു...

ഇന്ന് ഒരു പ്രായോഗിക ശേഖരം ക്രമീകരിക്കുന്നു. രണ്ട് കഴിവുകൾ, രണ്ട് ഗൈഡുകൾ, ഒരു ചെറിയ തന്ത്രം, ഇവയെല്ലാം ഞാൻ സ്വയം ഉപയോഗിക്കുന്നവയാണ്, എടുത്താൽ ഉടൻ ഉപയോഗിക്കാം.

രണ്ടാമത്തെ കഴിവ്: AI-യെ തന്നെ കഴിവുകൾ കണ്ടെത്താൻ പഠിപ്പിക്കുക

Find Skills ഇതാണ് ഞാൻ ഏറ്റവും കൂടുതൽ ശുപാർശ ചെയ്യാൻ ആഗ്രഹിക്കുന്നത്.

പലരുടെയും ചിന്താഗതി ഇതാണ്: ഞാൻ AI-യിൽ ധാരാളം കഴിവുകൾ ഇൻസ്റ്റാൾ ചെയ്യണം, ഓരോന്നായി സ്വമേധയാ ചേർക്കണം. ഈ വഴി അധികം ദൂരം പോകില്ലെന്ന് ഞാൻ കരുതുന്നു. കഴിവുകൾ വർദ്ധിക്കുന്തോറും, നിങ്ങൾക്ക് അവയെ നിയന്ത്രിക്കാൻ കഴിയില്ല.

ഒരു വഴി മാറ്റുക: അതിന് കഴിവുകൾ നൽകേണ്ട, അത് സ്വയം കണ്ടെത്തട്ടെ.

Find Skills ഇതാണ് ചെയ്യുന്നത്. ഇത് ഒരു "കഴിവ് സെർച്ച് എഞ്ചിൻ" പോലെയാണ്. AI അസിസ്റ്റന്റിന് അറിയാത്ത കാര്യങ്ങൾ വരുമ്പോൾ, അത് സ്വയം തിരയുകയും, സ്വയം ഇൻസ്റ്റാൾ ചെയ്യുകയും, സ്വയം പഠിക്കുകയും ചെയ്യുന്നു.

ഇത് ആളുകൾ കാര്യങ്ങൾ പഠിക്കുന്നത് പോലെയാണ്. നിങ്ങൾ എല്ലാ അറിവും തലച്ചോറിൽ നിറയ്ക്കേണ്ടതില്ല, നിങ്ങൾ എങ്ങനെ അറിവ് കണ്ടെത്താമെന്നും എങ്ങനെ പഠിക്കാമെന്നും പഠിച്ചാൽ മതി.

ഇതാണ് ഭാവിയിലെ AI ഓട്ടോമേഷന്റെ ദിശ എന്ന് ഞാൻ കരുതുന്നു, കഴിവുകൾ കൂട്ടിച്ചേർക്കുകയല്ല, മറിച്ച് മനുഷ്യ മസ്തിഷ്കം പോലെ സ്വയം പഠിക്കാൻ അനുവദിക്കുകയാണ് വേണ്ടത്.

ഇൻസ്റ്റാൾ ചെയ്യുന്നത് വളരെ ലളിതമാണ്:

npx skills add https://github.com/vercel-labs/skills --skill find-skills ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം, നിങ്ങളുടെ AI അസിസ്റ്റന്റിന് "സ്വയം പഠിക്കാനുള്ള കഴിവ്" ഉണ്ടാകും.

രണ്ടാമത്തെ കഴിവ്: Agent Browser

തിരയാനും പഠിക്കാനുമുള്ള കഴിവ് മാത്രം പോരാ, പല ജോലികൾക്കും വെബ് പേജുകൾ പ്രവർത്തിപ്പിക്കേണ്ടി വരും. ഫോമുകൾ പൂരിപ്പിക്കുക, ഡാറ്റ ശേഖരിക്കുക, സ്ക്രീൻഷോട്ടുകൾ എടുക്കുക, ബാക്ക്ഗ്രൗണ്ടിൽ ലോഗിൻ ചെയ്യുക... ഈ കാര്യങ്ങളെല്ലാം Agent Browser-ന് ചെയ്യാൻ കഴിയും.

ഇതിന്റെ ലോജിക് വളരെ വ്യക്തമാണ്: വെബ് പേജ് തുറക്കുക → എലമെന്റുകൾ തിരിച്ചറിയുക → ക്ലിക്ക് ചെയ്യുക, പൂരിപ്പിക്കുക, തിരഞ്ഞെടുക്കുക → ഫലം സ്ഥിരീകരിക്കുക.

ഇത് ഒരു വ്യക്തി ബ്രൗസർ ഉപയോഗിക്കുന്ന അതേ രീതിയാണ്, AI നിങ്ങൾക്കായി ഇത് ചെയ്യുന്നു എന്ന് മാത്രം, ലളിതമായ പ്രക്രിയകൾ താരതമ്യേന സ്ഥിരതയുള്ളതാണ്, Token-കൾ കൂടുതൽ ഉപയോഗിക്കുമെന്നത് ശ്രദ്ധിക്കുക.

ഇൻസ്റ്റലേഷൻ കമാൻഡ്:

npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം, നിങ്ങളുടെ AI അസിസ്റ്റന്റിന് "കൈകൾ" ഉണ്ടാകും, അത് ഉപയോഗിച്ച് ബ്രൗസർ നേരിട്ട് പ്രവർത്തിപ്പിക്കാൻ കഴിയും.

രണ്ട് പ്രായോഗിക ഗൈഡുകൾ

കഴിവുകൾ മാത്രം പോരാ, ചില അടിസ്ഥാന സൗകര്യങ്ങൾ ആദ്യം സ്ഥാപിക്കണം. ഞാൻ രണ്ട് ഗൈഡുകൾ എഴുതിയിട്ടുണ്ട്, അവ രണ്ടും GitHub ശേഖരണത്തിൽ ഉണ്ട്.

1. Browser Tool ഇൻസ്റ്റലേഷൻ ഗൈഡ്

Chrome ഇൻസ്റ്റാൾ ചെയ്യുക, കോൺഫിഗറേഷൻ ഫയലുകൾ വേർതിരിക്കുക, മൾട്ടിപ്പിൾ കോൺഫിഗറേഷനുകൾ കൈകാര്യം ചെയ്യുക എന്നിവ ഉൾപ്പെടെ Linux/Ubuntu പരിതസ്ഥിതിയിൽ ബ്രൗസർ ടൂൾ എങ്ങനെ കോൺഫിഗർ ചെയ്യാമെന്ന് ഘട്ടം ഘട്ടമായി പഠിപ്പിക്കുന്നു. ഈ ഘട്ടം പൂർത്തിയാക്കിയാൽ മാത്രമേ Agent Browser ശരിയായി പ്രവർത്തിക്കൂ.

2. Web Search ഓൺലൈൻ തിരയൽ ഗൈഡ്

നിങ്ങളുടെ AI അസിസ്റ്റന്റിനെ ഓൺലൈനിൽ തിരയാൻ അനുവദിക്കുക. ഞാൻ കുറച്ച് മൂന്നാം കക്ഷി സേവനങ്ങളെ താരതമ്യം ചെയ്തു, ഒടുവിൽ Brave Search ശുപാർശ ചെയ്യുന്നു. കാരണം ലളിതമാണ്: സൗജന്യ ക്വാട്ട മതിയാകും, പ്രതികരണ വേഗത കൂടുതലാണ്, കോൺഫിഗർ ചെയ്യാനും എളുപ്പമാണ്.

നിങ്ങളുടെ AI അസിസ്റ്റന്റ് പ്രാദേശിക ഡാറ്റാബേസിൽ മാത്രം ഉത്തരങ്ങൾ കണ്ടെത്താതെ, നിങ്ങളെപ്പോലെ ഓൺലൈനിൽ വിവരങ്ങൾ തിരയാൻ ആഗ്രഹിക്കുന്നുണ്ടെങ്കിൽ, ഈ ഗൈഡ് പിന്തുടരുന്നത് മൂല്യവത്താണ്.

ഒരു ചെറിയ തന്ത്രം: വോയിസ് റെക്കഗ്നിഷൻ

നിങ്ങളുടെ AI അസിസ്റ്റന്റിന് സംഭാഷണം മനസ്സിലാക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുണ്ടെങ്കിൽ, ElevenLabs-ന്റെ സംഭാഷണം ടെക്സ്റ്റ് ആക്കുന്നതിനുള്ള സേവനം ഉപയോഗിക്കാം, തിരിച്ചറിയൽ ഫലം തരക്കേടില്ലാത്തതാണ്.

കോൺഫിഗറേഷൻ രീതി വളരെ ലളിതമാണ്: നിങ്ങളുടെ AI അസിസ്റ്റന്റിനോട് നേരിട്ട് പറയുക "ElevenLabs Speech-to-Text സ്കിൽ ഇൻസ്റ്റാൾ ചെയ്യാൻ സഹായിക്കൂ, എനിക്ക് ElevenLabs വോയിസ് റെക്കഗ്നിഷൻ ഉപയോഗിക്കണം", തുടർന്ന് API Key അതിലേക്ക് അയയ്ക്കുക, അത് സ്വയം കോൺഫിഗർ ചെയ്യും.

എന്നാൽ ഒരു കാര്യം ഓർമ്മിപ്പിക്കുന്നു: ഈ സേവനത്തിന് പണം നൽകണം, സൗജന്യ ക്വാട്ട ഉണ്ട്, പക്ഷേ അത് കുറവാണ്. സാധാരണ സാഹചര്യങ്ങളിൽ, ചാറ്റിംഗ് ടൂളുകളിൽ നൽകിയിട്ടുള്ള വോയിസ് ടു ടെക്സ്റ്റ് ഫീച്ചർ ഉപയോഗിച്ചാൽ മതി. എന്നാൽ നിങ്ങൾക്ക് ധാരാളം ഓഡിയോ ട്രാൻസ്ക്രിപ്ഷനുകൾ, മീറ്റിംഗ് റെക്കോർഡുകൾ തുടങ്ങിയ ആവശ്യങ്ങളുണ്ടെങ്കിൽ, ഇത് പരീക്ഷിക്കാവുന്നതാണ്.