GPT‑6 കുടുംബത്തിലെ മോഡലുകൾക്കൊരു മാർഗദർശി
സമയവും ചെലവും നിയന്ത്രിച്ച് GPT‑6 മോഡലുകളിൽനിന്ന് മികച്ച ഫലങ്ങൾ നേടാനുള്ള പ്രായോഗിക നിർദേശങ്ങൾ
GPT‑6 ഇതുവരെയുള്ള ഞങ്ങളുടെ ഏറ്റവും നൂതനമായ മോഡൽ ശേഖരമാണ്. വ്യത്യസ്ത ജോലികൾക്കായി വിവിധ മോഡലുകൾ ഇതിൽനിന്ന് തിരഞ്ഞെടുക്കാം.
ആശയത്തെ പ്രവർത്തിക്കുന്ന മാതൃകയാക്കുകയോ ഫീച്ചർ വികസിപ്പിച്ച് പരിശോധിക്കുകയോ കോഡ് റിപ്പോസിറ്ററികൾ, ഡാറ്റാബേസുകൾ, ബാഹ്യ API-കൾ എന്നിവയിലുടനീളം പലഘട്ട ജോലികൾ ഏകോപിപ്പിക്കുകയോ ചെയ്യാം. GPT‑6 മോഡൽ തിരഞ്ഞെടുക്കാനും ഫലപ്രദമായ നിർദേശങ്ങൾ നൽകാനും നീണ്ട ജോലികൾ കൈകാര്യം ചെയ്യാനും യഥാർഥ ഉപയോഗത്തിന് തയ്യാറാകാനും ഈ മാർഗദർശി സഹായിക്കും.
യഥാർഥ ഉപയോഗത്തിൽ കാര്യക്ഷമമായി പ്രവർത്തിപ്പിക്കുക. സന്ദർഭവും ചെലവും നിയന്ത്രിക്കാൻ കാഷിംഗും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കമ്പാക്ഷനും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. ജോലിയുടെ വിജയവും പ്രതികരണസമയവും അളക്കുക. 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.
നീണ്ട ജോലികൾ ശരിയായ ദിശയിൽ നയിക്കുക. പുതിയ വിവരങ്ങളും സ്വതന്ത്ര ജോലികളും കൈകാര്യം ചെയ്യാൻ ദിശാനിർദേശം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), അസമകാലിക ഉപകരണങ്ങൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), ചുമതല കൈമാറ്റം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്നിവ ഉപയോഗിക്കുക. മോഡൽ എപ്പോൾ നിങ്ങളുടെ അഭിപ്രായം തേടണമെന്ന് വ്യക്തമാക്കുക.
വിന്യസിക്കുന്നതിനുമുമ്പ് ചില പരിശോധനകളും മികച്ച രീതികളും നടപ്പിലാക്കണം.
കാര്യക്ഷമത കണക്കിലെടുക്കുക. (പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)ആവശ്യമായ തെളിവുകൾ നിലനിർത്തി ജോലിക്ക് ആവശ്യമില്ലാത്ത പശ്ചാത്തലവിവരങ്ങൾ ഒഴിവാക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ആപ്ലിക്കേഷൻ അനുവദിക്കുന്നിടത്ത് സ്വതന്ത്ര ജോലികൾ ഒരുമിച്ച് നടത്തുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). മന്ദഗതിയിലുള്ള ഒരു ഘട്ടം മറ്റ് ജോലികളെ തടയില്ല.
ആവർത്തിക്കുന്ന ജോലികളിൽ പ്രോംപ്റ്റ് കാഷിംഗ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വഴി പൊതുവായ സന്ദർഭം വീണ്ടും ഉപയോഗിക്കുക. മോഡലനുസരിച്ച്, കാഷ് ചെയ്ത ഇൻപുട്ട് ടോക്കണുകളുടെ ചെലവ് കാഷ് ചെയ്യാത്തവയെക്കാൾ 95% വരെ കുറവാണ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). മാറുന്ന ജോലി വിവരങ്ങൾക്ക് മുമ്പ് സ്ഥിരം നിർദേശങ്ങളും അവലംബങ്ങളും നൽകുക. ഉപകരണ നിർവചനങ്ങൾ സ്ഥിരമായി നിലനിർത്തുക. പുനരുപയോഗം എവിടെ തടസ്സപ്പെടുന്നെന്ന് കാഷിംഗ് ഡാഷ്ബോർഡും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പ്രശ്നനിർണയ മാർഗദർശിയും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണിച്ചുതരും. മൊത്തം ചെലവ് കണക്കാക്കുമ്പോൾ കാഷിൽ എഴുതുന്നതിന്റെയും ദീർഘ സന്ദർഭത്തിന്റെയും നിരക്കുകൾ ഉൾപ്പെടുത്തുക.
നീണ്ട സംഭാഷണങ്ങളിൽ കമ്പാക്ഷൻ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) തുടരാൻ ആവശ്യമായ സ്ഥിതിവിവരങ്ങൾ നിലനിർത്തി സന്ദർഭത്തിന്റെ വലുപ്പം കുറയ്ക്കുന്നു.
പെരുമാറ്റം എങ്ങനെ നിരീക്ഷിക്കണമെന്ന്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) തീരുമാനിക്കുക. ആപ്ലിക്കേഷന്റെ ഡാറ്റാ നിയന്ത്രണങ്ങൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) അവലോകനം ചെയ്യുക.
വിന്യസിക്കുംമുമ്പ് പരിശോധിക്കുക: മാതൃകാ ജോലികൾ നടത്തി വിജയം, പ്രതികരണസമയം, വിജയിച്ച ഓരോ ജോലിക്കുമുള്ള ചെലവ് എന്നിവ അളക്കുക. ഞങ്ങളുടെ API വിന്യാസ പരിശോധനാപട്ടിക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണുക.
മോഡലും റീസണിംഗ് നിലയും തിരഞ്ഞെടുക്കുമ്പോൾ ബുദ്ധിശേഷിയും വിലയും തമ്മിലുള്ള സന്തുലനം പരിഗണിക്കുക.
മോഡൽ:
പരമാവധി ബുദ്ധിശേഷി വേണ്ട ഏറ്റവും കഠിനമായ റീസണിംഗ് ജോലികൾക്ക് GPT‑6 Astra(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
സങ്കീർണ കോഡിംഗ്, ഗവേഷണം, കമ്പ്യൂട്ടർ ഉപയോഗം എന്നിവയ്ക്ക് GPT‑6.1 Sol(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
വൻതോതിലുള്ള നിർദിഷ്ട ജോലികൾക്കും വ്യക്തമായ ലക്ഷ്യമുള്ള ദൈനംദിന ആവർത്തന ജോലികൾക്കും GPT‑6 Luna(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ഉദാഹരണത്തിന് ഇൻവോയ്സ് വിവരങ്ങൾ വേർതിരിക്കൽ, അഭ്യർഥനകൾ തരംതിരിക്കൽ, ഘടനാപരമായ സംഗ്രഹങ്ങൾ തയ്യാറാക്കൽ.
ജോലിക്കുള്ള മികച്ച മോഡൽ വിലയിരുത്തുമ്പോൾ ഓരോന്നിന്റെയും വിലകൾ താരതമ്യം ചെയ്യുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
റീസണിംഗ് നില: ജോലിക്ക് മോഡൽ എത്ര ശ്രമം ചെലവിടണമെന്ന് API-യിൽ തിരഞ്ഞെടുക്കുക.
കുറഞ്ഞത്: വസ്തുതകൾ വേർതിരിക്കൽ, ചെറിയ തിരുത്തലുകൾ തുടങ്ങിയ പതിവ് ജോലികൾ.
മാധ്യമം: ഫീച്ചർ ആസൂത്രണം, സാധ്യതകളുടെ താരതമ്യം തുടങ്ങിയ വിവേചനശേഷി വേണ്ട ജോലികൾ.
ഉയർന്നത്: പ്രയാസമുള്ള പിഴവുതിരുത്തൽ, ആഴത്തിലുള്ള വിശകലനം, സൂക്ഷ്മ അവലോകനം.
അത്യധികം ഉയർന്നത് / Max: ഉയർന്നത് മതിയാകാത്തപ്പോൾ, പിന്തുണയുള്ളിടത്ത് പരീക്ഷിക്കുക. മെച്ചപ്പെട്ട ഫലം അധിക സമയവും ചെലവും ന്യായീകരിക്കുന്നെങ്കിൽ മാത്രം തുടരുക.
API-യിൽ കാഷ് തടസ്സപ്പെടുത്താതെ സംഭാഷണത്തിനിടെ റീസണിംഗ് ശ്രമം മാറ്റാം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
Codex-ൽ മോഡലിന്റെ മുൻനിശ്ചിത റീസണിംഗ് നിലയിൽ തുടങ്ങുക. ലളിതമായ ജോലികൾക്ക് അത് കുറയ്ക്കുകയോ ആഴത്തിലുള്ള വിശകലനത്തിന് കൂട്ടുകയോ ചെയ്യുക.
വേഗം:
ചാറ്റ് ആപ്പുകൾ, കോഡിംഗ് ഉപകരണങ്ങൾ എന്നിവയിൽ പ്രതികരണസമയം പ്രധാനമാകുമ്പോൾ API-യിൽ ഫാസ്റ്റ് മോഡ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. സാധാരണ പ്രോസസ്സിംഗിനെക്കാൾ ഓരോ ടോക്കണിനും ചെലവേറുമെങ്കിലും വേഗവും സ്ഥിരതയുമുള്ള പ്രതികരണസമയം ലഭിക്കും.
വേഗത്തിൽ കോഡ് പരിഷ്കരിക്കുന്നത് പോലുള്ള ജോലികളിൽ വേഗത്തിന് അധിക നിരക്ക് നൽകുന്നത് പ്രയോജനകരമെങ്കിൽ Codex-ലും API-യിലും അതിവേഗ മോഡ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉപയോഗിക്കുക. റീസണിംഗ് ശ്രമത്തിൽനിന്ന് സ്വതന്ത്രമായി ഇത് ടോക്കൺ സൃഷ്ടിയുടെ വേഗം കൂട്ടുന്നു. GPT‑6 Astra-യിൽ ലഭ്യമാണ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).
വ്യക്തമായ ചുമതലയിൽ തുടങ്ങുക: വേണ്ട ഫലം, അത് ആർക്കുവേണ്ടിയാണ്, പ്രസക്തമായ പശ്ചാത്തലവും പരിമിതികളും, പൂർത്തീകരണ മാനദണ്ഡങ്ങൾ എന്നിവ നൽകുക. നിർദേശങ്ങൾ പുതുക്കുന്നത് വിശദമായി മനസ്സിലാക്കാൻ 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 പുതുക്കുക: രേഖകളും പരിശോധനകളും എപ്പോൾ പ്രസക്തമാണെന്ന് വിശദീകരിക്കുക. യഥാർഥ സംവിധാനത്തിലേക്ക് പ്രവേശിക്കാതെ, ഉപേക്ഷിക്കാവുന്ന ഡാറ്റ ഉപയോഗിച്ച് പ്രാദേശിക പരിശോധന നടത്തുന്നതുപോലുള്ള സുരക്ഷിത പതിവ് ജോലികൾക്ക് 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 തീരുമാനങ്ങൾ ഊഹിച്ചെടുക്കാതെ ജോലി തുടരാൻ മോഡലിന് മതിയായ ദിശാനിർദേശം നൽകുക. (പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)ഏതൊക്കെ തീരുമാനങ്ങൾ സ്വയം എടുക്കാമെന്നും എപ്പോൾ നിങ്ങളുടെ അഭിപ്രായം തേടണമെന്നും പറയുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ഉദാഹരണത്തിന്, സംഗ്രഹം എങ്ങനെ ക്രമീകരിക്കണമെന്ന് അതിന് തീരുമാനിക്കാം. എന്നാൽ പദ്ധതിയുടെ വ്യാപ്തി മാറ്റുംമുമ്പ് നിങ്ങളോട് ചോദിക്കണം. (പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)ഉപകാരപ്രദമായ മറുപടിയിൽ എന്തൊക്കെ വേണമെന്ന് വിവരിക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ഉദാഹരണത്തിന്, ലളിതമായ ഭാഷ, വായനക്കാർക്കൊത്ത സാങ്കേതിക വിശദാംശങ്ങൾ, എന്ത് മാറ്റി, എന്ത് പരിശോധിച്ചു, ഇനി എന്തിൽ ശ്രദ്ധ വേണം എന്നിവയുടെ ഹ്രസ്വ വിവരണം.
GPT‑6 കുടുംബത്തിലെ മോഡലുകൾ ഉപയോഗിച്ച് മണിക്കൂറുകളോ ദിവസങ്ങളോ നീളുന്ന ജോലികൾ ഇപ്പോൾ ഏറ്റെടുക്കാം. നീണ്ട ജോലികളിലെ ഏജന്റുകളെ കൂടുതൽ ഫലപ്രദമായി നിയന്ത്രിക്കാൻ ഈ സവിശേഷതകൾ ഉപയോഗിക്കുക.
API-യിൽ ദിശാനിർദേശം, അസമകാലിക ഉപകരണങ്ങൾ, സമാന്തര പ്രവർത്തനം എന്നിവ ഉപയോഗിച്ച് നീണ്ട ജോലികൾ മുന്നോട്ട് കൊണ്ടുപോകുക.
പ്രവർത്തനത്തിനിടെ നിർദേശങ്ങൾ പുതുക്കുക: മോഡൽ പ്രവർത്തിക്കുമ്പോൾ Responses WebSocket API(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വഴി തിരുത്തൽ അയയ്ക്കാൻ പ്രതികരണത്തിനിടയിലെ ദിശാനിർദേശം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) സഹായിക്കുന്നു. പുതിയ നിർദേശങ്ങൾ നിരയിൽ ചേർക്കപ്പെടും. അവ പ്രവർത്തിക്കുന്ന ഉപകരണങ്ങളെ റദ്ദാക്കുകയോ പൂർത്തിയായ പ്രവർത്തനങ്ങൾ പിൻവലിക്കുകയോ ചെയ്യില്ല.
ഉപകരണം പ്രവർത്തിക്കുമ്പോഴും ജോലി തുടരുക: പരിശോധനകൾ പോലെ സമയമെടുക്കുന്ന ജോലി ആപ്പ് നടത്തുമ്പോൾ മോഡലിന് സ്വതന്ത്ര ജോലികൾ തുടരാൻ അസമകാലിക ഉപകരണ വിളികൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) സഹായിക്കുന്നു. ഫലം തയ്യാറാകുമ്പോൾ ആപ്പ് അത് തിരികെ നൽകും. അതിനെ ആശ്രയിക്കുന്ന ജോലി തുടങ്ങുംമുമ്പ് ആ ഫലത്തിനായി കാത്തിരിക്കുക.
സ്വതന്ത്ര ഉപജോലികൾ കൈമാറുക: GPT‑6.1 Sol Responses API-യിൽ ഒന്നിലധികം ഏജന്റുകളുള്ള പ്രവർത്തനക്രമങ്ങളെ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പിന്തുണയ്ക്കുന്നു. കോഡ് ശേഖരത്തിന്റെ വിവിധ ഭാഗങ്ങൾ പരിശോധിക്കുന്നത് പോലുള്ള സ്വതന്ത്ര ജോലികൾ ഉപഏജന്റുകൾക്ക് നൽകി, അവരുടെ കണ്ടെത്തലുകൾ ചേർത്ത് അന്തിമ മറുപടി തയ്യാറാക്കാൻ അതിന് കഴിയും. ഒന്നിലധികം ഏജന്റുകളെ ഉപയോഗിക്കുന്ന സൗകര്യം ഇപ്പോൾ ബീറ്റയിലാണ്.
ആദ്യ പ്രോംപ്റ്റിൽ മുൻകൂട്ടി കരുതാത്ത തീരുമാനങ്ങൾ നീണ്ട ജോലികൾക്കിടെ എടുക്കേണ്ടിവരാം. വ്യക്തത നൽകിയും ദിശാനിർദേശം നൽകിയും ജോലി ശരിയായ പാതയിൽ നയിക്കുക.
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 പിഴവ് അന്വേഷിച്ച് കോഡ് തിരുത്താനും തിരുത്തൽ ഫലിച്ചോ എന്ന് പരിശോധിക്കാൻ നിങ്ങളുടെ ഉൽപ്പന്നം ബ്രൗസറിൽ തുറക്കാനും 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.
