Grensesnitt for oppgaveforberedelse
Vanlig tastatursnarvei, målbeskrivelse og valg av sensitivitet
Oppgaveforberedelse observert i lokal nettleser
Tilbake til utvalgt arbeid
Command Fabric
Forbered agentarbeid med tydelige rammer
Utforskende produktutvikling · Prototype
Command Fabric er en utforskende prototype for planlegging og avgrensning av agentarbeid. Den gjør et mål om til et foreslått arbeidsløp med roller, gjennomgangstrinn og dokumentasjonskrav før utføring.
Status nå
- Demonstrert lokalt
- Oppgaveforberedelse med regelbasert ruting vises i den lokale prototypen.
- Under utvikling
- Kontroller av utføring, gjennomgang og retting bruker simulerte koblinger. Ingen utfører eller modell er tilkoblet i visningen.
Gjør oppgaven tydelig før arbeidet starter
Command Fabric utforsker hvordan arbeid kan organiseres på tvers av KI-agenter. For hver oppgave avklares ansvar, tillatte verktøy, kontrollpunkter og når en person må godkjenne en handling. Ideen er å gjøre en jobb med flere agenter enklere å følge og vurdere, med dokumentasjon som viser hva som er gjort, og om resultatet er i tråd med bestillingen.
Se nærmere på prototypen
Se skjermbildet for oppgaveforberedelse. Den dokumenterte visningen viser planlegging før utføring.
Dokumenterte skjermbilder fra utviklingen · demodata
Forbered arbeidet
Et foreslått arbeidsløp gjør roller, gjennomgangstrinn og dokumentasjonskrav synlige før utføring.
Skjermbildene viser utviklingsversjonen med demodata.
Flere produktopplysninger og tekniske detaljer
Prototypen omfatter også arbeidsflyter for utføring, gjennomgang, godkjenning, retting og evaluering. Arbeidsløpet i forhåndsvisningen følger faste regler; modell- og agentkoblinger er separate.
En regelbasert forberedelsesflyt
I eksemplet gir en oppgave om gjennomgang av en demofaktura et foreslått regnskapsløp, roller og godkjenningsvilkår før arbeidet starter. Brukeren kan se hvorfor arbeidsløpet ble valgt, og hvor det må stoppe for en avgjørelse.
Lokal modellkjøring og evaluering er også utforsket. Lagrede forsøk med dekodingsdybde er et separat eksempel på å undersøke lokal kjøring, adskilt fra oppgaveskjemaet og fra modellfinjustering.
Oppgave og sensitivitet
En person beskriver målet og relevante rammer
Foreslått arbeidsløp
Regelbasert klassifisering og ruting
Roller og gjennomgangsplan
Utfører, kontrollør, stoppvilkår og dokumentasjon
Løp for kontrollert kjøring
Godkjenning, utføring, kontroll og retting
Apper og roller
Kontroller for utføring og gjennomgang
Godkjenning, utdataregler, kontrollørbeslutninger og retting
Implementert i prototypen
Utforsking av lokal inferens
Separat tidligere arbeid med dekodingsdybde og evaluering
Tidligere utforsking; ingen ny kjøring eller modelltrening hevdes
Drift og tilgjengelighet
| Driftsform | Nåværende status |
|---|---|
| Demonstrert eksempel | Oppgaveplan klargjort i lokal nettleser |
| Oppgaveruting | Faste regler; ikke en KI-modellbeslutning |
| Løp for kontrollert kjøring | Implementert og kontrollert med simulerte koblinger |
| Forsøk med lokal inferens | Tidligere forsøk holdes adskilt fra finjustering og det aktuelle oppgaveopptaket |
Teknisk merknad
Lagrede forsøk med lokal modellkjøring ble ikke gjentatt; det hevdes ikke noe nytt treningsresultat eller noen sammenligning av modellkvalitet.
Kontakt om jobb · Oslo, Norge
Ta kontakt om en stilling
Ta kontakt på e-post eller LinkedIn for en samtale om en relevant stilling.