GPT‑6 ഫാമിലിക്കായുള്ള ഒരു മോഡൽ വഴികാട്ടി
സമയവും ചെലവും നിയന്ത്രിച്ച് GPT‑6 മോഡലുകളിൽനിന്ന് മികച്ച ഫലങ്ങൾ നേടാനുള്ള പ്രായോഗിക നിർദേശങ്ങൾ
ഞങ്ങളുടെ ഇതുവരെയുള്ളതിൽ വെച്ച് ഏറ്റവും നൂതനമായ മോഡലുകളുടെ ശേഖരമാണ്GPT‑6, വിവിധ തരത്തിലുള്ള ജോലികൾക്കായി അനുയോജ്യമായ മോഡലുകൾ തിരഞ്ഞെടുക്കാനുള്ള അവസരം ഇത് നിങ്ങൾക്ക് നൽകുന്നു.
ഒരു പുതിയ ആശയം പ്രവർത്തനക്ഷമമായ ഒരു പ്രോട്ടോടൈപ്പാക്കി മാറ്റുകയോ ഒരു പുതിയ സവിശേഷത നിർമ്മിച്ച് ടെസ്റ്റ് ചെയ്യുകയോ അല്ലെങ്കിൽ കോഡ് റിപ്പോസിറ്ററികൾ, ഡാറ്റാബേസുകൾ, എക്സ്റ്റേണൽ API-കൾ എന്നിവയിലുടനീളം മൾട്ടി-സ്റ്റെപ്പ് പ്രവർത്തനരീതികൾ ക്രമീകരിക്കുകയോ ആകട്ടെ-അനുയോജ്യമായ ഒരു GPT‑6 മോഡൽ എങ്ങനെ തിരഞ്ഞെടുക്കാം, അതിന് ഫലപ്രദമായ നിർദ്ദേശങ്ങൾ എങ്ങനെ നൽകാം, ദീർഘനേരം നീണ്ടുനിൽക്കുന്ന ജോലികൾ എങ്ങനെ കൈകാര്യം ചെയ്യാം, കൂടാതെ ഉൽപ്പാദനത്തിനായി എങ്ങനെ സജ്ജമാകാം എന്നിവ ഈ വഴികാട്ടി വിശദീകരിക്കുന്നു.
GPT-6Astra
മികച്ച ഫലങ്ങൾക്കായി ഏറ്റവും ബുദ്ധിശേഷിയുള്ള ഞങ്ങളുടെ മോഡൽ.
- ഇൻപുട്ട്
- $10.00
- ഔട്ട്പുട്ട്
- $50.00
- കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട്
- $1.00
GPT-6.1Sol
ആസ്ട്രയോട് അടുത്തുനിൽക്കുന്ന ബുദ്ധിശേഷി, അഞ്ചിലൊന്ന് വിലയ്ക്ക്.
- ഇൻപുട്ട്
- $2.00
- ഔട്ട്പുട്ട്
- $10.00
- കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട്
- $0.10
GPT-6Luna
ദൈനംദിന ജോലികൾ വലിയ തോതിലും വേഗത്തിലും കാര്യക്ഷമമായും.
- ഇൻപുട്ട്
- $0.10
- ഔട്ട്പുട്ട്
- $0.50
- കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട്
- $0.01
ഉൽപ്പാദന പരിതസ്ഥിതിയിൽ കാര്യക്ഷമമായി പ്രവർത്തിപ്പിക്കുക. പശ്ചാത്തലവും ചെലവും നിയന്ത്രിക്കാൻ കാഷിംഗും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കമ്പാക്ഷനും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. ടാസ്കിന്റെ വിജയവും പ്രതികരണസമയവും അളക്കുക, കൂടാതെ നിരീക്ഷണവും ഡാറ്റാ നിയന്ത്രണങ്ങളും ആസൂത്രണം ചെയ്യുക.
ജോലിക്ക് അനുയോജ്യമായ മോഡൽ തിരഞ്ഞെടുക്കുക. ജോലിക്കൊത്ത മോഡൽ, റീസണിംഗ് ശ്രമം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), വേഗം എന്നിവ തിരഞ്ഞെടുത്ത് കഴിവ്, ചെലവ്, പ്രതികരണസമയം എന്നിവ സന്തുലിതമാക്കുക.
പ്രോംപ്റ്റുകളും നൈപുണ്യങ്ങളും ക്രമീകരിക്കുക. മോഡൽ നൽകേണ്ട ഫലം, സ്വതന്ത്രമായി ചെയ്യാവുന്ന കാര്യങ്ങൾ, പൂർത്തീകരണ മാനദണ്ഡങ്ങൾ എന്നിവയിൽ പ്രോംപ്റ്റുകളും നൈപുണ്യങ്ങളും റിപ്പോസിറ്ററി നിർദേശങ്ങളും പൊരുത്തപ്പെടണം.
ദീർഘനേരം നീണ്ടുനിൽക്കുന്ന ജോലികൾ കൃത്യമായി മുന്നോട്ട് കൊണ്ടുപോകുക. അപ്ഡേറ്റുകളും സ്വതന്ത്രമായ ജോലികളും കൈകാര്യം ചെയ്യുന്നതിനായി സ്റ്റിയറിംഗ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), അസിങ്ക് ടൂളുകൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), ചുമതല കൈമാറ്റം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ ഉപയോഗിക്കുക. എപ്പോഴൊക്കെയാണ് മോഡൽ ഉപയോക്താവിന്റെ അഭിപ്രായം തേടേണ്ടതെന്ന് വ്യക്തമായ അതിർവരമ്പുകൾ നിശ്ചയിക്കുക.
വിന്യസിക്കുന്നതിനുമുമ്പ് ചില പരിശോധനകളും മികച്ച രീതികളും നടപ്പിലാക്കണം.
കാര്യക്ഷമത കണക്കിലെടുക്കുക. ആവശ്യമായ തെളിവുകൾ നിലനിർത്തി ടാസ്കിന് ആവശ്യമില്ലാത്ത പശ്ചാത്തലവിവരങ്ങൾ ഒഴിവാക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ആപ്ലിക്കേഷൻ അനുവദിക്കുന്നിടത്ത്, സ്വതന്ത്രമായ ടാസ്കുകൾ ഒരുമിച്ച് പ്രവർത്തിപ്പിക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു); ഇത് വഴി മന്ദഗതിയിലുള്ള ഒരു ഘട്ടം മറ്റ് ജോലികളെ തടയില്ല.
ആവർത്തിക്കുന്ന ജോലികളിൽ പ്രോംപ്റ്റ് കാഷിംഗ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വഴി പങ്കുവെക്കപ്പെട്ട വിവരങ്ങൾ വീണ്ടും ഉപയോഗിക്കുക. മോഡലനുസരിച്ച്, കാഷ് ചെയ്ത ഇൻപുട്ട് ടോക്കണുകളുടെ ചെലവ് കാഷ് ചെയ്യാത്തവയെക്കാൾ 95% വരെ കുറവാണ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). മാറ്റങ്ങൾ വരുന്ന ടാസ്ക് വിവരങ്ങൾക്ക് മുമ്പായി സ്ഥിരതയുള്ള നിർദ്ദേശങ്ങളും റെഫറൻസ് വിവരങ്ങളും നൽകുക, കൂടാതെ ടൂൾ നിർവചനങ്ങൾ എപ്പോഴും ഒരേപോലെ നിലനിർത്തുക. ഈ ഉപയോഗം എവിടെയാണ് തടസ്സപ്പെടുന്നത് എന്ന് മനസ്സിലാക്കാൻ കാഷിംഗ് ഡാഷ്ബോർഡും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കൂടാതെ ഡയഗ്നോസ്റ്റിക് ഗൈഡും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) നിങ്ങളെ സഹായിക്കും. ഒരു സമ്പൂർണ്ണ പ്രവർത്തനരീതിയുടെ ചിലവ് കണക്കാക്കുമ്പോൾ കാഷെ റൈറ്റുകളും ദീർഘമായ പശ്ചാത്തല നിരക്കുകളും കൂടി ഉൾപ്പെടുത്തുക.
നീണ്ട സംഭാഷണങ്ങളിൽ കമ്പാക്ഷൻ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) തുടരാൻ ആവശ്യമായ സ്ഥിതിവിവരങ്ങൾ നിലനിർത്തി സന്ദർഭത്തിന്റെ വലുപ്പം കുറയ്ക്കുന്നു.
നിങ്ങളുടെ ആപ്ലിക്കേഷന്റെ പ്രവർത്തനരീതി എങ്ങനെയാണ് നിരീക്ഷിക്കേണ്ടത്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്ന് തീരുമാനിക്കുക, ഒപ്പം അതിനായുള്ള ഡാറ്റാ നിയന്ത്രണങ്ങൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പരിശോധിക്കുകയും ചെയ്യുക.
വിന്യസിക്കുന്നതിന് മുമ്പ് പരിശോധിക്കുക: മാതൃകാപരമായ ടാസ്കുകൾ റൺ ചെയ്തു നോക്കി, ഓരോ വിജയകരമായ ടാസ്കിന്റെയും വിജയശതമാനം, ലേറ്റൻസി, ചിലവ് എന്നിവ അളക്കുക. ഞങ്ങളുടെ API ഡിപ്ലോയ്മെന്റ് ചെക്ക്ലിസ്റ്റ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പരിശോധിച്ചുനോക്കൂ.
മോഡലും റീസണിംഗ് നിലയും തിരഞ്ഞെടുക്കുമ്പോൾ ഇൻ്റലിജൻസ്/വില എന്നിവ തമ്മിലുള്ള സന്തുലനം പരിഗണിക്കുക.
മോഡൽ:
ഏറ്റവും ഉയർന്ന ഇൻ്റലിജൻസ് ആവശ്യമായി വരുന്ന, ഏറ്റവും സങ്കീർണ്ണമായ റീസണിംഗ് ജോലികൾക്കായി GPT‑6 Astra(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക.
സങ്കീർണ കോഡിംഗ്, ഗവേഷണം, കമ്പ്യൂട്ടർ ഉപയോഗം എന്നിവയ്ക്ക് GPT‑6.1 Sol(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
ഇൻവോയ്സ് വിവരങ്ങൾ വേർതിരിക്കൽ, അഭ്യർഥനകൾ തരംതിരിക്കൽ, ഘടനാപരമായ സംഗ്രഹങ്ങൾ തയ്യാറാക്കൽ എന്നിവ പോലുള്ള വ്യക്തമായ ലക്ഷ്യമുള്ളതും വലിയ തോതിൽ ആവർത്തിച്ചു ചെയ്യുന്നതുമായ ദൈനംദിന ജോലികൾക്കായി GPT‑6 Luna(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക.
ടാസ്കിനുള്ള മികച്ച മോഡൽ വിലയിരുത്തുമ്പോൾ ഓരോന്നിന്റെയും വിലകൾ താരതമ്യം ചെയ്യുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
റീസണിംഗ് നില: മോഡൽ ഒരു ടാസ്കിനായി എത്രത്തോളം ശ്രമം ചെലുത്തണമെന്ന് API-യിൽ നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം.
കുറഞ്ഞത്: വസ്തുതകൾ വേർതിരിക്കൽ, ചെറിയ തിരുത്തലുകൾ വരുത്തലുകൾ പോലുള്ള പതിവ് ജോലികൾക്ക്.
ഇടത്തരം: ഒരു സവിശേഷത ആസൂത്രണം ചെയ്യുകയോ ഓപ്ഷനുകൾ തമ്മിൽ താരതമ്യം ചെയ്യുകയോ പോലുള്ള, കൃത്യമായ വിലയിരുത്തൽ ആവശ്യമായ ജോലികൾക്ക്.
ഉയർന്നത്: പ്രയാസമുള്ള പിഴവുതിരുത്തൽ, ആഴത്തിലുള്ള വിശകലനം, സൂക്ഷ്മ അവലോകനം.
അത്യധികം ഉയർന്നത് / Max: ഉയർന്ന നില തികയാതെ വരുന്ന പശ്ചാത്തലങ്ങളിൽ മാത്രം ഇത് പിന്തുണയ്ക്കുന്നുവെങ്കിൽ പരീക്ഷിച്ചു നോക്കുക, വരുത്തുന്ന പുരോഗതി ഇതിനായി വരുന്ന അധിക സമയത്തെയും ചിലവിനെയും ന്യായീകരിക്കുന്നുവെങ്കിൽ മാത്രം ഇത് നിലനിർത്തുക.
API-യിൽ കാഷ് തടസ്സപ്പെടുത്താതെ സംഭാഷണത്തിനിടെ റീസണിംഗ് എഫോർട്ട് മാറ്റാം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
Codex-ൽ ആ മോഡലിനായുള്ള ഡിഫോൾട്ട് റീസണിംഗ് നിലയിൽ ആരംഭിക്കുക; തുടർന്ന് ലളിതമായ ജോലികൾക്കായി ഇത് കുറയ്ക്കാനും, കൂടുതൽ ആഴത്തിലുള്ള വിശകലനങ്ങൾക്കായി ഇത് വർദ്ധിപ്പിക്കാനും സാധിക്കും.
വേഗം:
ചാറ്റ് ആപ്പുകൾ, കോഡിംഗ് ഉപകരണങ്ങൾ എന്നിവയിൽ പ്രതികരണസമയം പ്രധാനമാകുമ്പോൾ API-യിൽ ഫാസ്റ്റ് മോഡ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. സാധാരണ പ്രോസസ്സിംഗിനെക്കാൾ ഓരോ ടോക്കണിനും ചെലവേറുമെങ്കിലും ഉയർന്നതും സ്ഥിരതയുമുള്ള പ്രതികരണസമയം ലഭിക്കും.
വേഗത്തിലുള്ള കോഡിംഗ് ആവർത്തനങ്ങൾ പോലെ, വേഗതയേറിയ മറുപടികൾക്കായി കൂടുതൽ തുക നൽകാൻ നിങ്ങൾ തയ്യാറാണെങ്കിൽ Codex-ലും API-യിലും Ultrafast(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. റീസണിംഗ് അധ്വാനത്തെ ആശ്രയിക്കാതെ തന്നെ ഇത് ടോക്കൺ ജനറേഷൻ വേഗത്തിലാക്കുന്നു. ഇത് GPT‑6 Astra-യിൽ ലഭ്യമാണ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
വ്യക്തമായ ഒരു നിയമനത്തോടെ തുടങ്ങുക: നിങ്ങൾക്ക് ലഭിക്കേണ്ട ഫലം, അത് ആർക്കുവേണ്ടിയാണ്, ബന്ധപ്പെട്ട പശ്ചാത്തലവും പരിമിതികളും, കൂടാതെ ഏത് ഘട്ടത്തിലാണ് ജോലി പൂർത്തിയായതായി കണക്കാക്കേണ്ടത് എന്നിവ ഇതിൽ ഉൾപ്പെടുത്തുക. തുടർന്ന്, നിങ്ങളുടെ നിങ്ങളുടെ നിർദേശങ്ങൾ കൂടുതൽ പുതുക്കുന്നതിനായി GPT‑6 Astra-യ്ക്കുള്ള നൈപുണ്യങ്ങളും പ്രോംപ്റ്റുകളും പുനർവിചിന്തനം ചെയ്യാം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്ന ലേഖനത്തിൽനിന്നുള്ള ഈ നാല് കാര്യങ്ങൾ പരിശോധിക്കുക:
മികച്ച നൈപുണ്യങ്ങൾ സൃഷ്ടിക്കുക: ഓരോന്നും എപ്പോൾ പ്രവർത്തിക്കണമെന്ന് ചുരുക്കി വ്യക്തമാക്കുക. സഹായക വിവരങ്ങൾ ആവശ്യമുള്ളപ്പോൾ മാത്രം ലോഡ് ചെയ്യുക. കർശന നടപടിക്രമങ്ങൾക്ക് പകരം ടീം ഉപയോഗിക്കുന്ന മോഡലുകൾക്കൊത്ത മാർഗനിർദേശം നൽകുക.
AGENTS.md അപ്ഡേറ്റ് ചെയ്യുക: രേഖകളും പരിശോധനകളും എപ്പോൾ പ്രസക്തമാണെന്ന് വിശദീകരിക്കുക, കൂടാതെ, ഉൽപ്പാദന സംവിധാനത്തിലേക്ക് ആക്സസ് ഇല്ലാതെ, ഡിസ്പോസിബിൾ ഡാറ്റ ഉപയോഗിച്ച് പ്രാദേശിക പരിശോധന നടത്തുന്നതുപോലുള്ള സുരക്ഷിതമായ പതിവ് പ്രവർത്തനരീതിക്ക് വ്യക്തമായ അനുമതി നൽകുക.
തീരുമാന പരിധികൾ നിശ്ചയിക്കുക: ഏതൊക്കെ പ്രവർത്തനങ്ങൾ സ്വതന്ത്രമായി ചെയ്യാമെന്നും ഏതിന് അനുമതി വേണമെന്നും പറയുക, പൊതുവായ “എപ്പോഴും ചോദിക്കുക” നിയമങ്ങൾക്ക് പകരം വ്യക്തമായ പരിധികൾ നൽകുക.
പൂർത്തിയാക്കുംവരെ തുടരാൻ നിർദേശിക്കുക: “പൂർത്തിയായി” എന്നതിൽ—മാറ്റം നടപ്പാക്കൽ, പ്രവർത്തിപ്പിക്കൽ, ഫലം പരിശോധിക്കൽ, പരാജയങ്ങൾ പരിഹരിക്കൽ എന്നിവ ഉൾപ്പെടുമെന്ന് വ്യക്തമാക്കുക—നിങ്ങളുടെ അവലോകനം വേണ്ട തീരുമാനങ്ങളും ചൂണ്ടിക്കാട്ടുക.
കൂടുതൽ മാർഗനിർദേശത്തിന് മികച്ച റീസണിംഗ് രീതികൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണുക.
Codex-ൽ പ്രവർത്തിക്കുമ്പോഴും API ഉപയോഗിച്ച് വികസിപ്പിക്കുമ്പോഴും, മോഡലിന് എടുക്കാവുന്ന തീരുമാനങ്ങൾ, നിങ്ങളുടെ അഭിപ്രായം തേടേണ്ട സാഹചര്യങ്ങൾ, ഉപകാരപ്രദമായ മറുപടിയിൽ വേണ്ട കാര്യങ്ങൾ എന്നിവ വ്യക്തമാക്കുക.
പ്രധാന തീരുമാനങ്ങളിൽ ഊഹിച്ചെടുക്കൽ ഒഴിവാക്കി, പ്രവർത്തനം മുന്നോട്ട് കൊണ്ടുപോകാൻ ആവശ്യമായ നിർദ്ദേശങ്ങൾ മോഡലിന് നൽകുക. അതിന് ഏതൊക്കെ തീരുമാനങ്ങൾ എടുക്കാമെന്നും എപ്പോഴാണ് നിങ്ങളുടെ അനുമതി ചോദിക്കേണ്ടതെന്നും വ്യക്തമാക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), ഉദാഹരണത്തിന്, ഒരു സംഗ്രഹം എങ്ങനെ ക്രമീകരിക്കണമെന്ന് അതിന് തീരുമാനിക്കാം, എന്നാൽ പ്രോജക്റ്റിന്റെ വ്യാപ്തി മാറ്റുന്നതിന് മുമ്പ് നിങ്ങളോട് ചോദിച്ചിരിക്കണം. ഉപകാരപ്രദമായ ഒരു മറുപടി ഏതുരീതിയിലുള്ളതായിരിക്കണമെന്ന് വ്യക്തമാക്കാൻ (പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), ലളിതമായ ഭാഷ, പ്രേക്ഷകർക്ക് അനുയോജ്യമായ സാങ്കേതിക വിശദാംശങ്ങൾ, കൂടാതെ എന്തൊക്കെ മാറ്റങ്ങൾ വരുത്തി, എന്തൊക്കെ പരിശോധിച്ചു, ഇനി എന്തൊക്കെ കാര്യങ്ങളിലാണ് ശ്രദ്ധ നൽകേണ്ടത് എന്നിവ ഉൾക്കൊള്ളുന്ന ചുരുങ്ങിയ വിവരണം തുടങ്ങിയവ നൽകുക.
GPT‑6 കുടുംബത്തിലെ മോഡലുകൾ ഉപയോഗിച്ച് മണിക്കൂറുകളോ ദിവസങ്ങളോ നീളുന്ന ജോലികൾ ഇപ്പോൾ ഏറ്റെടുക്കാം. നീണ്ട ജോലികളിലെ ഏജന്റുകളെ കൂടുതൽ ഫലപ്രദമായി നിയന്ത്രിക്കാൻ ഈ സവിശേഷതകൾ ഉപയോഗിക്കുക.
ദീർഘനേരം നീണ്ടുനിൽക്കുന്ന ടാസ്കുകൾ തടസ്സമില്ലാതെ മുന്നോട്ട് കൊണ്ടുപോകുന്നതിനായി, API-യിൽ സ്റ്റീയറിംഗ്, അസിൻക്രണസ് ടൂളുകൾ, സമാന്തര പ്രവർത്തനം എന്നിവ ഉപയോഗിക്കുക.
ഒരു റണ്ണിന് ഇടയിൽ നിർദ്ദേശങ്ങൾ അപ്ഡേറ്റ് ചെയ്യുക: മോഡൽ പ്രവർത്തിക്കുമ്പോൾ Mid-turn steering(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) നിങ്ങളെ Responses WebSocket API(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വഴി തിരുത്തൽ അയയ്ക്കാൻ സഹായിക്കുന്നു. ഈ അപ്ഡേറ്റുകൾ ക്യൂവിൽ സൂക്ഷിക്കപ്പെടും; ഇവ നിലവിൽ പ്രവർത്തിക്കുന്ന ടൂളുകളെ റദ്ദാക്കുകയോ പൂർത്തിയായ പ്രവർത്തികൾ പഴയപടിയാക്കുകയോ ഇല്ല.
ടൂൾ പ്രവർത്തിക്കുമ്പോഴും ജോലി തുടരുക: ടെസ്റ്റുകൾ പോലുള്ള വേഗത കുറഞ്ഞ ടാസ്കുകൾ നിങ്ങളുടെ ആപ്പ് റൺ ചെയ്യുമ്പോൾ മോഡലിന് മറ്റ് സ്വതന്ത്രമായ ജോലികളുമായി മുന്നോട്ട് പോകാൻ Asynchronous tool calling(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) സഹായിക്കുന്നു. ടാസ്ക് പൂർത്തിയാകുമ്പോൾ നിങ്ങളുടെ ആപ്പ് അതിന്റെ ഫലം തിരകെ നൽകും. ഈ ഫലത്തെ ആശ്രയിച്ച് ചെയ്യേണ്ട മറ്റ് ജോലികൾ ആരംഭിക്കുന്നതിന് മുമ്പായി ആ ഫലത്തിനായി കാത്തിരിക്കുക.
സ്വതന്ത്രമായ സബ്-ടാസ്കുകൾ ഡെലിഗേറ്റ് ചെയ്യുക: GPT‑6.1 Sol Responses API-യിൽ ഒന്നിലധികം ഏജന്റുകളുള്ള പ്രവർത്തനരീതികളെ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പിന്തുണയ്ക്കുന്നു. ഇതിന് സ്വതന്ത്രമായ ജോലികൾ സബ്-ഏജന്റുകൾക്ക് നൽകാനും (ഒരു കോഡ്ബേസിന്റെ വിവിധ ഭാഗങ്ങൾ പരിശോധിക്കുന്നത് പോലെ), അവരുടെ കണ്ടെത്തലുകൾ ഒരുമിച്ച് ഒരു ഫൈനൽ റെസ്പോൺസ് തയ്യാറാക്കാനും സാധിക്കും. മൾട്ടി-ഏജന്റ് സവിശേഷത നിലവിൽ ബീറ്റാ ഘട്ടത്തിലാണ്.
ദീർഘനേരം നീണ്ടുനിൽക്കുന്ന ടാസ്കുകൾ ചെയ്യുമ്പോൾ, ആദ്യത്തെ പ്രോംപ്റ്റിൽ നിങ്ങൾ മുൻകൂട്ടി കാണാത്ത ചില തീരുമാനങ്ങൾ എടുക്കേണ്ട സാഹചര്യങ്ങൾ ഉണ്ടായേക്കാം. ഇത്തരം ജോലികൾ കൃത്യമായ ദിശയിൽ കൊണ്ടുപോകുന്നതിനായി ക്ലാരിഫിക്കേഷനും സ്റ്റീയറിംഗും ഉപയോഗിക്കുക.
ജോലി പുരോഗമിക്കുമ്പോൾ ചോദ്യങ്ങൾക്ക് മറുപടി നൽകുക: GPT‑6 Astra ഉപയോഗിക്കുമ്പോൾ Codex-ന് പ്രവർത്തനത്തിനിടെ വിശദീകരണം ചോദിക്കാനാകും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). അടുത്ത ഘട്ടത്തെ ബാധിക്കുന്ന സംശയങ്ങൾ തീർക്കുക. നിങ്ങൾ തീരുമാനമെടുക്കുന്നതിനിടെ ഏതൊക്കെ സ്വതന്ത്ര ജോലികൾ തുടരാമെന്നും വ്യക്തമാക്കുക. നിങ്ങൾ ലഭ്യമല്ലെങ്കിൽ, ഏതൊക്കെ ജോലികൾ തുടരാമെന്നും എപ്പോൾ മറുപടിക്കായി കാത്തിരിക്കണമെന്നും Codex-നോട് പറയുക.
ആവശ്യങ്ങൾ മാറുമ്പോൾ ജോലിയുടെ ദിശ മാറ്റുക: പുതിയ വിവരങ്ങൾ നൽകി നടന്നുകൊണ്ടിരിക്കുന്ന ജോലിയെ നയിക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). എന്ത് മാറ്റണം, എന്ത് അതേപടി തുടരണം എന്ന് വിശദീകരിക്കുക. നിങ്ങളുടെ ആവശ്യങ്ങൾക്ക് ഇനി ചേരാത്ത സമീപനത്തിൽ കൂടുതൽ സമയം ചെലവിടുന്നത് ഇതിലൂടെ ഒഴിവാക്കാം.
വെബ്സൈറ്റുകളിലും ഡെസ്ക്ടോപ്പ് ആപ്പുകളിലും നേരിട്ട് പ്രവർത്തിക്കാൻ GPT‑6 Astra, GPT‑6.1 Sol, GPT‑6 Luna എന്നിവയെ കമ്പ്യൂട്ടർ ഉപയോഗശേഷി(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) സഹായിക്കുന്നു. API ഇല്ലാത്ത ആപ്ലിക്കേഷനുകളും ഇതിൽ ഉൾപ്പെടും. ഉദാഹരണത്തിന്, ഒരു ബഗ് പരിശോധിച്ച് കണ്ടെത്താനും, അതിന്റെ കോഡ് തിരുത്താനും, തുടർന്ന് ആ തിരുത്തൽ കൃത്യമായി പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് ഉറപ്പാക്കാൻ ഒരു ബ്രൗസറിൽ നിങ്ങളുടെ ഉൽപ്പന്നം തുറന്നു പരിശോധിക്കാനും നിങ്ങൾക്ക് മോഡലിനോട് ആവശ്യപ്പെടാം.
ഓരോ ഘട്ടത്തിനും ലളിതവും വിശ്വസനീയവുമായ മാർഗം തിരഞ്ഞെടുക്കുക:
നേരിട്ട് ജോലി ചെയ്യാനാകുമെങ്കിൽ API അല്ലെങ്കിൽ ബന്ധിപ്പിച്ച ഉപകരണം ഉപയോഗിക്കുക.
മോഡൽ നിങ്ങൾക്കായി സ്ക്രീൻ വായിക്കുകയോ ബട്ടണുകൾ അമർത്തുകയോ ഫോം പൂരിപ്പിക്കുകയോ ചെയ്യേണ്ടപ്പോൾ കമ്പ്യൂട്ടർ ഉപയോഗശേഷി പ്രയോജനപ്പെടുത്തുക.
സ്വന്തം ആപ്പിൽ കമ്പ്യൂട്ടർ ഉപയോഗശേഷി ചേർക്കുകയാണെങ്കിൽ, ബ്രൗസറോ ഡെസ്ക്ടോപ്പോ നിയന്ത്രിക്കുന്ന കോഡ് പ്രവർത്തിപ്പിക്കാനാകുന്ന ഉപകരണം മോഡലിന് നൽകുക. Playwright ബ്രൗസറുകളിൽ പ്രവർത്തിക്കുന്നു(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു); PyAutoGUI ഡെസ്ക്ടോപ്പ് ആപ്പുകളിൽ പ്രവർത്തിക്കുന്നു.
