പങ്കിട്ട വർക്ക്‌സ്‌പേസുകൾ, Windows-നുള്ള Personal Computer, മോഡൽ കൗൺസിൽ

പ്രോജക്റ്റുകൾ: സ്ഥിരമായ ഫയലുകൾ, മെമ്മറി, കണക്ടറുകൾ എന്നിവയുള്ള പങ്കിട്ട വർക്ക്‌സ്‌പേസുകൾ

പങ്കിട്ട Computer വർക്ക്‌സ്‌പേസിലെ ദീർഘകാല ജോലികൾക്കായുള്ള ഹബ്ബുകളാണ് പ്രോജക്റ്റുകൾ. മനുഷ്യരും ഏജന്റുകളും ഒരേ ഫയലുകൾ എഡിറ്റ് ചെയ്യുന്ന സ്ഥിരമായ ഫയൽ സിസ്റ്റം, ടാസ്കുകളിലുടനീളം പശ്ചാത്തലം നിലനിർത്തുന്ന Brain വഴിയുള്ള സ്വയം മെച്ചപ്പെടുത്തുന്ന മെമ്മറി, ഓരോ പ്രോജക്റ്റിനും പ്രത്യേക അക്കൗണ്ടുകളിലേക്ക് സ്കോപ്പ് ചെയ്യാൻ കഴിയുന്ന കണക്ടറുകൾ എന്നിവ പ്രോജക്റ്റുകൾക്കുണ്ട്. ഒരേ ഉറവിടങ്ങൾ, ആർട്ടിഫാക്റ്റുകൾ, ചരിത്രം എന്നിവയിൽ നിന്ന് പ്രവർത്തിക്കാൻ ടീം അംഗങ്ങളെ ക്ഷണിക്കുക. സ്‌പേസുകളുടെ പരിണാമമാണ് പ്രോജക്റ്റുകൾ, നിലവിലുള്ള എല്ലാ സ്‌പേസുകളും സ്വയമേവ മൈഗ്രേറ്റ് ചെയ്യപ്പെടും.

ഇതിനായി പ്രോജക്റ്റുകൾ ഉപയോഗിക്കുക:

• ഒരേ ഫയലുകളിൽ നിന്ന് ഓരോ ടാസ്കും നിർമ്മിക്കുക: ലോഞ്ച് പ്ലാനുകൾ, ഗവേഷണം, ഉറവിട ഫയലുകൾ എന്നിവ ഒരു പ്രോജക്റ്റിൽ സംരക്ഷിക്കുക, അതുവഴി ഓരോ സെഷനും ഒരേ പശ്ചാത്തലത്തിൽ നിർമ്മിക്കപ്പെടുന്നു.
• ടാസ്കുകളിലുടനീളം പശ്ചാത്തലം നിലനിർത്താൻ Brain-നെ അനുവദിക്കുക: Brain ഓണാക്കി ടാസ്കുകൾക്കിടയിൽ പ്രോജക്റ്റ് ഫയലുകളും സെഷനുകളും പഠിക്കാൻ അതിനെ അനുവദിക്കുക, അതിനാൽ അടുത്ത ടാസ്ക് മുമ്പത്തെ ടാസ്കിൽ നിന്ന് പഠിച്ച എല്ലാ കാര്യങ്ങളിൽ നിന്നും ആരംഭിക്കുന്നു.
• സ്വകാര്യ ഡാറ്റ പൂൾ ചെയ്യാതെ ഒരു വർക്ക്‌സ്‌പേസ് പങ്കിടുക: ഒരേ ഫയലുകൾ, ആർട്ടിഫാക്റ്റുകൾ, ചരിത്രം എന്നിവയിൽ നിന്ന് സുരക്ഷിതമായി പ്രവർത്തിക്കാൻ സഹകാരികളെ ഒരു പ്രോജക്റ്റിലേക്ക് ക്ഷണിക്കുക. വ്യക്തിഗത മെമ്മറിയും കണക്ടർ അക്കൗണ്ടുകളും ഓരോ വ്യക്തിക്കും മാത്രമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.
• Slack അല്ലെങ്കിൽ Teams-ൽ നിന്ന് പ്രോജക്റ്റ് ജോലി ആരംഭിക്കുകയോ തുടരുകയോ ചെയ്യുക: /project ഉപയോഗിച്ച് ഒരു Slack അല്ലെങ്കിൽ Teams ചാനൽ ഒരു പ്രോജക്റ്റിലേക്ക് ലിങ്ക് ചെയ്യുക, തുടർന്ന് പൂർണ്ണ പ്രോജക്റ്റ് പശ്ചാത്തലത്തോടെ ചാനലിലെ Computer ആപ്പ് ഉപയോഗിച്ച് ടാസ്കുകൾ ആരംഭിക്കുക.

കൂടുതലറിയുക: സ്‌പേസുകൾ ഇപ്പോൾ പ്രോജക്റ്റുകളാണ് · പ്രോജക്റ്റ്സ് ഉൽപ്പന്ന പേജ്

Windows-നുള്ള Personal Computer: ലോക്കൽ ഫയലുകൾ, പശ്ചാത്തല സെഷനുകൾ, ഡെസ്‌ക്‌ടോപ്പ് വർക്ക്‌ഫ്ലോകൾ

Windows-നുള്ള Perplexity ആപ്പിൽ Personal Computer ഇപ്പോൾ ലഭ്യമാണ്, ഇത് Computer-ന്റെ വെബ്, കണക്റ്റുചെയ്‌ത ആപ്പ്, കോഡിംഗ്, ലോക്കൽ ഫയൽ വർക്ക്‌ഫ്ലോകൾ എന്നിവ ഡെസ്‌ക്‌ടോപ്പിലേക്ക് കൊണ്ടുവരുന്നു. ഫയലുകൾ അവ നിലനിൽക്കുന്നിടത്ത് തന്നെ വായിക്കുകയും എഡിറ്റ് ചെയ്യുകയും ചെയ്യുക, സെഷനുകൾ പശ്ചാത്തലത്തിൽ പ്രവർത്തിക്കുന്നത് തുടരുക, വെബിനും ഡെസ്‌ക്‌ടോപ്പിനും ഇടയിൽ ജോലി തുടരുക.

ഇതിനായി Windows-നുള്ള Personal Computer പരീക്ഷിക്കുക:

• ഒരു ഫയൽ ഫോൾഡർ സംഗ്രഹമാക്കി മാറ്റുക: "എന്റെ Q3 റിസർച്ച് ഫോൾഡറിലെ എല്ലാ റിപ്പോർട്ടുകളും വായിച്ച് പ്രധാന കണ്ടെത്തലുകൾ ചുരുങ്ങിയ ഒരു പേജ് സംഗ്രഹമാക്കി മാറ്റുക."
• স্থানীয় ഫയലുകൾ തത്സമയ വെബ് ഗവേഷണവുമായി മിക്സ് ചെയ്യുക: "എന്റെ ചെലവുകളുടെ സ്പ്രെഡ്ഷീറ്റ് തുറന്ന് ഓരോ വെണ്ടറെയും അവരുടെ നിലവിലെ പൊതു വിലയുമായി ക്രോസ്-റെഫറൻസ് ചെയ്യുക."
• അവിടെത്തന്നെ ഡോക്യുമെന്റുകൾ എഡിറ്റ് ചെയ്ത് സംരക്ഷിക്കുക: "ഏറ്റവും പുതിയ വിലവിവരങ്ങൾ പ്രതിഫലിപ്പിക്കുന്നതിന് എന്റെ പ്രൊപ്പോസൽ ഡോക്കിന്റെ ആമുഖം അപ്‌ഡേറ്റ് ചെയ്യുകയും അത് നിലനിൽക്കുന്നിടത്തേക്ക് തന്നെ തിരികെ സംരക്ഷിക്കുകയും ചെയ്യുക."

കൂടുതലറിയുക: Windows-ൽ Personal Computer · Windows-നുള്ള Computer ഉൽപ്പന്ന പേജ്

Computer-ലെ മോഡൽ കൗൺസിൽ: പ്രധാനപ്പെട്ട തീരുമാനങ്ങൾക്കായി മൾട്ടി-മോഡൽ വിശകലനം

ഒരു ഒരൊറ്റ ചോദ്യത്തിനായി മുൻനിര മോഡലുകളുടെ ഒരു ബോർഡ് നിർമ്മിക്കാൻ Computer-ലെ മോഡൽ കൗൺസിൽ നിങ്ങളെ അനുവദിക്കുന്നു. OpenAI, Anthropic, Gemini, ഓപ്പൺ സോഴ്സ് എന്നിവയിലുടനീളം രണ്ടുമുതൽ എട്ടുവരെ മോഡലുകൾ തിരഞ്ഞെടുക്കുക, വിശകലന ആഴം തിരഞ്ഞെടുക്കുക, തുടർന്ന് Computer ഓരോന്നും സ്വതന്ത്രമായി പ്രവർത്തിപ്പിക്കുകയും അവ എവിടെ യോജിക്കുന്നു, വിയോജിക്കുന്നു, ഓരോന്നും എന്താണ് സവിശേഷമായി പുറത്തുകൊണ്ടുവരുന്നത് എന്ന് സംഗ്രഹിക്കുകയും ചെയ്യുന്നു — തുടർന്ന് ഫ ഫലത്തെ റിപ്പോർട്ടുകൾ, ബോർഡ് ഡെക്കുകൾ, മറ്റ് ജോലികൾക്ക് തയ്യാറായ അസറ്റുകൾ എന്നിവയാക്കി മാറ്റുന്നു.

ഇതിനായി Computer-ലെ മോഡൽ കൗൺസിൽ പരീക്ഷിക്കുക:

• ഒരു തന്ത്രപരമായ തീരുമാനം പരിശോധിക്കുക: "നമ്മൾ ഈ ഫീച്ചർ Q4-ൽ ആണോ Q1-ൽ ആണോ ലോഞ്ച് ചെയ്യേണ്ടത് എന്ന് Claude Opus, ChatGPT, Gemini Pro എന്നിവരോട് ചോദിക്കുക, അവർ എവിടെയാണ് വിയോജിക്കുന്നത് എന്ന് കാണിച്ചുതരിക."
• പ്രധാനപ്പെട്ട ഒരു തീരുമാനത്തിൽ സമീകൃത കാഴ്ചപ്പാടുകൾ നേടുക: "ഞാൻ ഈ കാർ വാങ്ങണോ ലീസിനെടുക്കണോ? മുൻനിര മൂന്ന് മോഡലുകൾ സ്വതന്ത്രമായി പരിശോധിച്ച് അഭിപ്രായം പറയുകയും ഏതെങ്കിലും അഭിപ്രായവ്യത്യാസങ്ങൾ പുറത്തുകൊണ്ടുവരികയും ചെയ്യട്ടെ."
• മൾട്ടി-മോഡൽ വിശകലനം ഡെലിവറബിൾ ആക്കി മാറ്റുക: "Opus, GPT, Gemini എന്നിവയോരോന്നും ഈ കരാർ അവലോകനം ചെയ്യാൻ പറയുക, തുടർന്ന് അവയുടെ കുറിപ്പുകൾ ഒരു ബോർഡ് ഡെക്കായി സംയോജിപ്പിക്കുക."

കൂടുതലറിയുക: Computer-ലേക്ക് മോഡൽ കൗൺസിൽ വരുന്നു

Kimi K3: 1M-ടോക്കൺ കോൺടെക്സ്റ്റോടുകൂടിയ US-ൽ ഹോസ്റ്റ് ചെയ്‌ത ഓപ്പൺ-വെയ്റ്റ് ഫ്രണ്ടിയർ മോഡൽ

ഇന്നുവരെയുള്ളതിൽ ഏറ്റവും വലിയ ഓപ്പൺ-വെയ്റ്റ് ഫ്രണ്ടിയർ മോഡലായ Kimi K3, യുഎസിൽ മാത്രം സ്ഥിതി ചെയ്യുന്ന സെർവറുകളിൽ ഹോസ്റ്റ് ചെയ്‌തുകൊണ്ട്, Pro, Max വരിക്കാർക്കായി Perplexity-ലും Perplexity Computer-ലും ഇപ്പോൾ ലഭ്യമാണ്. ഡാറ്റ യുഎസ് ഇൻഫ്രാസ്ട്രക്ചർ വിട്ടുപോകാതെ തന്നെ, 1M-ടോക്കൺ കോൺടെക്സ്റ്റ് উইண்டോയും നേറ്റീവ് വിഷനും ഉള്ള 2.8T-പാരാമീറ്റർ മിക്സ്ചർ-ഓഫ്-എക്സ്പെർട്ട്സ് മോഡൽ സ്വന്തമാക്കൂ.

ഇതിനായി Kimi K3 പരീക്ഷിക്കുക:

• ഒരു ദശലക്ഷം ടോക്കൺ കോർപ്പസിൽ ഉടനീളം കാര്യങ്ങൾ മനസ്സിലാക്കുക: "Kimi K3 ഉപയോഗിച്ച്, ഈ കോഡ്ബേസിലെ എല്ലാ ഫയലുകളും വായിച്ച് ഓതന്റിക്കേഷൻ ഫ്ലോകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് അവസാനം വരെ വിശദീകരിക്കുക."
• ഓപ്പൺ-വെയ്റ്റ് മോഡലുകളെ ക്ലോസ്ഡ് ഫ്രണ്ടിയർ മോഡലുകളുമായി താരതമ്യം ചെയ്യുക: "ഞങ്ങളുടെ ഡാറ്റ ആർക്കിടെക്ചറിനെക്കുറിച്ച് Kimi K3, Claude Opus, ChatGPT എന്നിവയോട് ഒരേ ചോദ്യം ചോദിച്ച് അവയുടെ ഉത്തരങ്ങൾ താരതമ്യം ചെയ്യുക."
• US-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്ന ഇൻഫ്രാസ്ട്രക്ചറിൽ കോഡിംഗും ഏജന്റും ചെയ്യുന്ന ടാസ്കുകൾ പ്രവർത്തിപ്പിക്കുക: "ഈ Python സേവനം ഡെബഗ് ചെയ്യാൻ Kimi K3 ഉപയോഗിക്കുക കൂടാതെ പരിഹാരത്തോടൊപ്പം ഒരു PR തുറക്കുക."

കൂടുതലറിയുക: Perplexity Gateway-ലെ Kimi K3

വോയ്‌സ് മോഡ്: ആദ്യ വാക്കു മുതൽ മെച്ചപ്പെടുത്തിയ വ്യക്തിഗതമാക്കലും മെമ്മറിയും

വെബിലെയും Computer-ലെയും വോയ്‌സ് സംഭാഷണങ്ങൾ ഇപ്പോൾ നിങ്ങൾ ആരാണ് എന്നതിനെക്കുറിച്ചുള്ള ഉപരിപ്ലവമായ ധാരണയോടെയാണ് ആരംഭിക്കുന്നത് — തൊഴിൽ, താൽപ്പര്യങ്ങൾ, നിങ്ങളുടെ Perplexity വ്യക്തിഗതമാക്കലിൽ നിന്നുള്ള മറ്റ് പശ്ചാത്തലം — അതിനാൽ ഓരോ തവണ സംസാരിക്കുമ്പോഴും വീണ്ടും വിശദീകരിക്കേണ്ട ആവശ്യമില്ലാതെ ഉത്തരങ്ങൾ നിങ്ങളുടെ ജോലിയെ അടിസ്ഥാനമാക്കി ക്രമീകരിക്കപ്പെടുന്നു.

ഇതിനായി വെബിലോ Computer-ലോ വോയ്‌സ് പരീക്ഷിക്കുക:

• നിങ്ങളുടെ ജോലിയെ ചുറ്റിപ്പറ്റി ഇതിനകം ക്രമീകരിച്ച ഉത്തരങ്ങളോടെ ആരംഭിക്കുക: "ഈ ആഴ്ച എന്റെ വ്യവസായത്തിലെ ഏറ്റവും വലിയ സംഭവവികാസങ്ങൾ എന്തൊക്കെയാണ്?"
• സ്വയം വീണ്ടും വിശദീകരിക്കാതെ തുടർനടപടികൾ സ്വീകരിക്കുക: "ഞങ്ങളുടെ പ്രധാന എതിരാളികൾ ചെയ്യുന്നത് എന്താണെന്ന് ഇതിലേക്ക് താരതമ്യം ചെയ്യുക."
• കൈകൾ ഉപയോഗിക്കാതെ വ്യക്തിഗതമാക്കിയ ഉത്തരങ്ങൾ നേടുക: "യാത്രയ്ക്കിടയിൽ എനിക്കായി ഇന്നത്തെ വാർത്തകൾ ചുരുക്കിപ്പറയുക."

കൂടുതലറിയുക: നിങ്ങളെക്കുറിച്ച് Perplexity ഓർമ്മിക്കുന്നത് എന്തൊക്കെയാണെന്ന് കൈകാര്യം ചെയ്യുക

Numbat: AI കോഡിംഗ് ഏജന്റുകൾക്കായുള്ള ഓപ്പൺ സോഴ്സ് സുരക്ഷാ നിരീക്ഷണം

Perplexity-ൽ നിന്നുള്ള പുതിയ ഓപ്പൺ സോഴ്സ് ഏജന്റ്-ഡിറ്റക്ഷൻ ആൻഡ് റെസ്‌പോൺസ് ലെയറാണ് Numbat, ഇത് AI കോഡിംഗ് ഏജന്റുകൾ എൻഡ്‌പോയിന്റുകളിൽ എന്താണ് ചെയ്യുന്നത് എന്നതിനെക്കുറിച്ച് സുരക്ഷാ ടീമുകൾക്ക് തത്സമയ ദൃശ്യപരത നൽകുന്നു, കൂടാതെ റിസ്കുള്ള പ്രവർത്തനങ്ങൾ പ്രവർത്തിക്കുന്നതിന് മുമ്പ് തടയാനുള്ള കഴിവും നൽകുന്നു. ഇത് macOS, Linux, Windows എന്നിവയ്‌ക്കായി ഒ单一 Go ബൈനറിയായി വരുന്നു കൂടാതെ പ്രമുഖ ഏജന്റ് ഹാർനസുകളുമായി നേരിട്ട് സംയോജിപ്പിക്കുകയും ചെയ്യുന്നു.

ഇതിനായി Numbat പരീക്ഷിക്കുക:

• ഡെവലപ്പർ ലാപ്‌ടോപ്പുകളിൽ ഏജന്റുകൾ തത്സമയം കാണുക: ഒരു കോഡിംഗ് ഏജന്റ് നടത്തുന്ന ഓരോ പ്രവർത്തനത്തിനും ഹുക്ക്-അധിഷ്ഠിതവും ഓപ്പൺടെലിമെട്രി-അധിഷ്ഠിതവുമായ ടെലിമെട്രി നേടുക.
• റിസ്കുള്ള പ്രവർത്തനങ്ങൾ പ്രവർത്തിക്കുന്നതിന് മുമ്പ് തടയുക: CEL നിയമങ്ങൾ ഉപയോഗിച്ച് ഉപകരണത്തിൽ തന്നെ നെറ്റ്‌വർക്ക് എഗ്രസ്, സെൻസിറ്റീവ് ഫയൽ ആക്‌സസ് അല്ലെങ്കിൽ ഷെൽ കമാൻഡുകൾ എന്നിവ നിർത്തുക.
• സംഭവിച്ചതിന് ശേഷം ഒരു ഏജന്റ് സെഷൻ പുനർനിർമ്മിക്കുക: തത്സമയ ടെലിമെട്രി പ്രവർത്തിക്കാതെ തന്നെ, ഡിസ്കിലെ ആർട്ടിഫാക്റ്റുകളിൽ നിന്ന് ഒരു ഫോറൻസിക് ടൈംലൈൻ പുനർനിർമ്മിക്കുക.

കൂടുതലറിയുക: Numbat ഉപയോഗിച്ച് Perplexity-യുടെ ക്라이언트 എൻഡ്‌പോയിന്റുകളിലുടനീളം ഏജന്റുകളെ സുരക്ഷിതമാക്കൽ