Modelle und Training

Bauen Sie die Intelligenz, die Ihre Arbeit braucht

Wählen Sie für jeden Agent die KI-Engine. Bringen Sie die Konten mit, für die Sie schon zahlen, betreiben Sie private Modelle auf Ihren eigenen Computern, damit nichts das Haus verlässt, bringen Sie einem Modell eine Aufgabe bei, die Ihr Team täglich erledigt, und teilen Sie es mit den Unternehmen, mit denen Sie arbeiten.

„Zeigen Sie mir Ihre Kategorien, und ich sortiere Anfragen so, wie Ihr Team es tut.“

Otis
Ihr Support-Spezialist
„Hilf unserem Team, eingehende Anfragen nach unseren eigenen Kategorien zu sortieren.“
  1. 1
    Die Aufgabe festlegen

    Was soll der Spezialist erkennen?

  2. 2
    Die Beispiele vorbereiten

    Legen Sie einige Beispiele beiseite, um die Arbeit damit zu prüfen.

  3. 3
    Beibringen und prüfen

    Sehen, ob er bei diesen Beispielen besser abschneidet.

  4. 4
    An die Arbeit schicken

    Lassen Sie Ihre Agents die Version nutzen, die Sie genehmigen.

Beschreiben Sie die Aufgabe in einfachen Worten und prüfen Sie dann den Spezialisten, den Sie bekommen.

Das richtige Modell für jede Aufgabe

Ein KI-Modell ist die Software, mit der ein Agent eine Anfrage versteht und herausfindet, wie er antwortet. Sie wählen vielleicht ein allgemeines Modell für eine schwierige Frage, ein unterstütztes Modell, das Sie selbst betreiben, oder einen Spezialisten, der für eine bestimmte Aufgabe trainiert wurde.

Geyser hält die Identität und den Kontext eines Agents getrennt vom Modell. So können Sie unterstützte Modelle und Laufzeitumgebungen wechseln, und das Team behält seine Dateien, seinen Verlauf und seine Zuständigkeiten.

  • KI-Modelle, die von Anbietern gehostet werden, die Sie freigeben.
  • Unterstützte KI-Modelle, die auf Ihren eigenen Systemen laufen.
  • Spezialisten, die den Agents und Aufgaben Ihrer Wahl zur Verfügung stehen.

Ein eigenes Modell mitbringen

Fügen Sie ein Modell hinzu und legen Sie fest, wie es läuft: auf einem Ihrer eigenen Computer (Sie wählen aus Tausenden offener Modelle auf Hugging Face) oder unter einer beliebigen OpenAI-kompatiblen Adresse, bei Bedarf mit Schlüssel.

Entscheiden Sie dann, wer es nutzen darf, vom ganzen Arbeitsbereich bis zu einem einzelnen Agent. Ein Modell, das auf Ihren eigenen Computern läuft, ist als privat gekennzeichnet, und Daten, die Sie ihm schicken, gehen nicht an ein externes KI-Unternehmen.

Beginnen Sie mit einer Aufgabe, die Sie erklären können

„Sortiere diese Anfragen nach unseren Kategorien.“ „Extrahiere diese Felder aus unseren Dokumenten.“ Ein nützlicher Spezialist beginnt mit einer klar umrissenen Aufgabe und einer genauen Vorstellung davon, wie eine gute Antwort aussieht.

Sie beschreiben die Aufgabe im Gespräch. Agents können Ihnen helfen, Beispiele vorzubereiten, die Daten zu prüfen und einige Beispiele beiseitezulegen, um zu testen, was das Modell gelernt hat, sodass Sie das Training steuern können, ohne Code zu schreiben.

Einen Spezialisten Schritt für Schritt bauen

Prüfen, ob das Richtige gelernt wurde

Testen Sie das trainierte Modell gegen die Version, von der Sie ausgegangen sind, anhand von Beispielen, mit denen es nicht trainiert wurde. Sehen Sie sich seine Fehler und die Fälle, die Ihrem Team wichtig sind, genau an. Behalten Sie die genehmigte Version mit ihren Trainingsbeispielen und Testergebnissen verknüpft.

Sobald Sie einen Spezialisten genehmigen, können Ihre Agents ihn nutzen. Behalten Sie im Blick, wie er abschneidet, und wechseln Sie bei Bedarf zu einer früheren Version zurück.

Ein Modell mit einem anderen Unternehmen teilen

Ein Modell, das Ihr Team trainiert hat, kann auch den Unternehmen helfen, mit denen Sie arbeiten. Ein Eigentümer oder Admin erstellt über die Schaltfläche „Teilen“ des Modells einen Link und schickt ihn hinüber. Sobald ein Eigentümer oder Admin auf der anderen Seite ihn annimmt, können deren Agents das Modell wie ein eigenes nutzen. Jeder Link funktioniert nur einmal und läuft nach einer Woche ab, und das Teilen ist kostenlos.

Das Modell läuft weiter auf Ihrem Computer, und beide Unternehmen sehen, wie viel es genutzt wird. Bevor jemand zustimmt, wird dem anderen Unternehmen klar gesagt, dass Ihr Computer sieht, was es ihm schickt. Beide Seiten können es jederzeit beenden: Sie hören auf zu teilen, oder das andere Unternehmen entfernt es.

Modelle auf passender Hardware betreiben

Schalten Sie in Geyser Host „Modelle hier trainieren“ ein, und Ihr Mac oder Linux-Computer wird zu dem Ort, an dem Ihr Team seine Modelle trainiert. Die Trainingsdaten bleiben auf Hardware, die Ihnen gehört.

Lassen Sie das fertige Modell auf demselben Rechner laufen, teilen Sie es im ganzen Arbeitsbereich oder setzen Sie es für die Unternehmen ein, mit denen Sie zusammenarbeiten.

Ihre Modellkonfiguration besprechen
Gute Fragen

Ein paar nützliche Antworten

Worin unterscheidet sich Training vom Gedächtnis?
Das Gedächtnis hält nützliche Informationen aus Ihrer Arbeit für später bereit, und Fähigkeiten geben einem Agent Anweisungen für eine Aufgabe. Beim Training lernt ein KI-Modell anhand von Beispielen und wird dann daraufhin geprüft, wie gut es gelernt hat. Dass ein Agent sich an ein Gespräch erinnert, heißt nicht automatisch, dass ein Modell damit trainiert wird.
Kann ich später das Modell wechseln?
Jederzeit. Ihre Agents behalten ihre Namen, ihr Gedächtnis und ihre Arbeit, der Wechsel zu einem neueren oder günstigeren Modell kostet Sie also nur den Wechsel selbst.
Bekommt ein Spezialist das gesamte Gedächtnis eines Agents?
Nein. Wird ein Spezialist befragt, bekommt er den Kontext, der mit dieser Anfrage mitgeliefert wird. Er erhält nicht automatisch das Gedächtnis, die Tools oder den Kontozugriff des Agents.
Kann jeder ein Trainingsprojekt starten?
Alle mit den passenden Berechtigungen in Ihrem Arbeitsbereich. Erklären Sie einem Agent die Aufgabe, und er führt Sie durch die Beispiele, den Trainingslauf und den Test.
Loslegen

Beginnen Sie mit einem Agent und einer echten Aufgabe

Richten Sie einen Arbeitsbereich ein, geben Sie einem Agent etwas Nützliches zu tun und sehen Sie, wie weit er kommt.