ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਮੀਟਿੰਗਾਂ ਗਿਆਨ ਦਾ ਅਜਿਹਾ ਸਰੋਤ ਹਨ ਜਿਸਦੀ ਪੂਰੀ ਵਰਤੋਂ ਨਹੀਂ ਹੁੰਦੀ. ਇਨ੍ਹਾਂ ਵਿੱਚ ਖੋਜ ਕਰਨੀ ਔਖੀ ਹੈ, ਇਨ੍ਹਾਂ ਨੂੰ ਮੁੜ ਦੇਖਣ ਵਿੱਚ ਬਹੁਤ ਸਮਾਂ ਲੱਗਦਾ ਹੈ ਅਤੇ ਇਹ ਵੱਖ-ਵੱਖ ਟੀਮ ਡਰਾਈਵਾਂ ਵਿੱਚ ਖਿੰਡੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਕੀਮਤੀ ਜਾਣਕਾਰੀਆਂ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਹੋ ਜਾਂਦੀਆਂ ਹਨ.
ਇੱਕ ਦਿਨ ਦੇ ਹੈਕਾਥਾਨ ਵਿੱਚ ਤਿੰਨ ਮੈਂਬਰਾਂ ਦੀ ਟੀਮ ਨੇ Callombia ਬਣਾਇਆ. ਇਹ ਇੱਕ ਅੰਦਰੂਨੀ ਪਲੇਟਫਾਰਮ ਹੈ ਜੋ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਕਾਲਾਂ ਨੂੰ ਆਪਣੇ-ਆਪ ਲਿਖਤ ਵਿੱਚ ਬਦਲਦਾ, ਟੈਗ ਕਰਦਾ, ਸੰਖੇਪ ਬਣਾਉਂਦਾ ਅਤੇ ਕਲਿੱਪਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ, ਫਿਰ ਉਨ੍ਹਾਂ ਨੂੰ ਵਿਸ਼ਵ ਭਰ ਦੇ ਦਫ਼ਤਰਾਂ ਲਈ ਉਪਲਬਧ, ਖੋਜਯੋਗ YouTube-ਸ਼ੈਲੀ ਦੀ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਰੱਖਦਾ ਹੈ.
ਪੂਰੀ ਤਰ੍ਹਾਂ Codex ਨਾਲ ਬਣਾਇਆ ਇਹ ਹੱਲ OpenAI ਐਂਬੈਡਿੰਗਾਂ ਅਤੇ ਕੋਸਾਈਨ ਸਮਾਨਤਾ ਨਾਲ ਸੰਚਾਲਿਤ ਅਰਥ-ਅਧਾਰਿਤ ਖੋਜ ਵਰਤਦਾ ਹੈ, ਜੋ ਸਟੀਕ ਮੁੱਖ ਸ਼ਬਦ ਨਾ ਵਰਤੇ ਜਾਣ ’ਤੇ ਵੀ ਸੰਬੰਧਿਤ ਪਲ ਲੱਭ ਲੈਂਦੀ ਹੈ. ਇਸਦੇ ਉੱਪਰ ਇੱਕ RAG ਗੱਲਬਾਤ ਸਹਾਇਕ ਅਤੇ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਵੀ ਜੋੜੀ ਗਈ ਹੈ.
ਜਿਸ ਕੰਮ ਨੂੰ ਪਹਿਲਾਂ ਕਈ ਹਫ਼ਤੇ ਲੱਗਦੇ, ਉਹ ਸੱਤ ਘੰਟਿਆਂ ਵਿੱਚ ਪੂਰਾ ਹੋ ਗਿਆ. ਇਸ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ Codex ਵਰਗੇ ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਨਾਲ AI-ਮੂਲ ਵਿਕਾਸ ਉਤਪਾਦ ਵਿਕਾਸ ਚੱਕਰ ਨੂੰ ਕਿੰਨਾ ਛੋਟਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਅੰਦਰੂਨੀ ਹੈਕਾਥਾਨਾਂ ਤੋਂ ਅਸਲ ਕਾਰੋਬਾਰੀ ਮੁੱਲ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ.
ਜੇ ਤੁਸੀਂ ਮੇਰੇ ਵਰਗੇ ਹੋ, ਤਾਂ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਮੀਟਿੰਗਾਂ ਮੁੜ ਸੁਣਨ ਲਈ ਤੁਹਾਡੇ ਕੋਲ ਸ਼ਾਇਦ ਹੀ ਸਮਾਂ ਜਾਂ ਧਿਆਨ ਹੁੰਦਾ ਹੋਵੇਗਾ. ਇਸਦਾ ਕਾਰਨ ਅਕਸਰ ਇਹ ਹੁੰਦਾ ਹੈ ਕਿ ਬੇਤਰਤੀਬ ਟੀਮ ਡਰਾਈਵਾਂ ਵਿੱਚ ਖੋਜਣਾ ਪੈਂਦਾ ਹੈ, ਫਿੱਕੀ ਰਸਮੀ ਗੱਲਬਾਤ ਅੱਗੇ ਕਰਨੀ ਪੈਂਦੀ ਹੈ ਅਤੇ ਈਮੇਲਾਂ ਤੇ ਸੁਨੇਹੇ ਭੇਜਦਿਆਂ ਸੱਚਮੁੱਚ ਸੁਣਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਪੈਂਦੀ ਹੈ.
ਪਰ ਸ਼ਾਇਦ ਅਜਿਹਾ ਹੋਣਾ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ? ਸ਼ਾਇਦ ਅਸੀਂ ਕੁਝ ਅਜਿਹਾ ਬਣਾ ਸਕੀਏ ਜੋ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਮੀਟਿੰਗਾਂ ਦੀ ਵਰਤੋਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਦੇਵੇ? ਸਾਡੇ ਹਾਲੀਆ ਹੈਕਾਥਾਨ ਪ੍ਰੋਜੈਕਟ ਪਿੱਛੇ ਇਹੀ ਸੋਚ ਸੀ.
ਸਿਰਫ਼ ਇੱਕ ਦਿਨ ਵਿੱਚ ਸਾਡੀਆਂ ਇੰਜੀਨੀਅਰਿੰਗ, ਡਿਲਿਵਰੀ ਅਤੇ ਸੰਚਾਲਨ ਟੀਮਾਂ ਦੇ 50 ਮੈਂਬਰਾਂ ਨੇ ਪੂਰੇ ਕਾਰੋਬਾਰ ਤੋਂ ਮਿਲੀਆਂ ਕਈ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕੀਤੀਆਂ. ਇਨ੍ਹਾਂ ਵਿੱਚ ਭਰਤੀ ਸੰਚਾਲਨ ਨੂੰ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਲਿਜਾਣਾ, SoW ਬਣਾਉਣ ਨੂੰ ਸੁਚਾਰੂ ਕਰਨਾ, ਪ੍ਰੋਜੈਕਟ ਦੀ ਸਥਿਤੀ ਸਮਝਣਾ, ਤੁਰੰਤ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਉਣਾ ਅਤੇ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਮੀਟਿੰਗਾਂ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀਆਂ ਲੱਭਣਾ ਸ਼ਾਮਲ ਸੀ.
Codex-ਅਧਾਰਿਤ ਇਸ ਹੈਕਾਥਾਨ ਵਿੱਚ ਅਸੀਂ Callombia ਬਣਾਇਆ. Callombia ਸਾਡੇ ਕਾਰੋਬਾਰ ਦਾ YouTube ਹੈ, ਜੋ ਹਰ ਕਾਲ ਨੂੰ ਲਗਾਤਾਰ ਵਰਤੋਂਯੋਗ ਅਤੇ ਖੋਜਯੋਗ ਸਰੋਤ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ. ਹਰ ਕਾਲ ਨੂੰ ਆਪਣੇ-ਆਪ ਲਿਖਤ ਵਿੱਚ ਬਦਲਿਆ, ਟੈਗ ਕੀਤਾ ਅਤੇ ਸੰਖੇਪ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ. ਫਿਰ ਇਸਨੂੰ ਵਿਸ਼ਿਆਂ ਅਨੁਸਾਰ ਕਲਿੱਪਾਂ ਵਿੱਚ ਵੰਡ ਕੇ ਚੈਨਲਾਂ ਯਾਨੀ ਗਾਹਕਾਂ ਅਤੇ ਵਿਸ਼ਿਆਂ ਯਾਨੀ AI ਮੁਹਾਰਤ ਦੇ ਖੇਤਰਾਂ ਅਨੁਸਾਰ ਸਮੂਹਬੱਧ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ. ਇਸ ਨਾਲ ਲੰਡਨ, ਐਡਿਨਬਰਗ, ਸਿੰਗਾਪੁਰ ਅਤੇ ਆਸਟ੍ਰੇਲੀਆ ਵਿੱਚ ਟੀਮ ਦਾ ਕੋਈ ਵੀ ਮੈਂਬਰ ਕਾਲਾਂ ਦੇ ਆਪਣੇ ਲਈ ਮਹੱਤਵਪੂਰਨ ਪਲ ਤੁਰੰਤ ਦੇਖ ਸਕਦਾ ਹੈ.
ਜਾਣਿਆ-ਪਛਾਣਿਆ ਅਤੇ ਬ੍ਰਾਂਡ ਅਨੁਕੂਲ ਵਰਤੋਂਕਾਰ ਇੰਟਰਫੇਸ ਸਮੱਗਰੀ ਲੱਭਣ ਨੂੰ ਸੁਭਾਵਿਕ ਬਣਾਉਂਦਾ ਹੈ, ਜਦਕਿ ਅਰਥ-ਅਧਾਰਿਤ ਖੋਜ ਅਤੇ ਬੇਸ਼ੱਕ RAG AI ਗੱਲਬਾਤ ਸਹਾਇਕ ਲੋਕਾਂ ਨੂੰ ਉਹੀ ਚੀਜ਼ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਜਿਸਦੀ ਉਨ੍ਹਾਂ ਨੂੰ ਲੋੜ ਹੈ. ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਨਾਲ ਸਾਡੇ ਸਹਿਕਰਮੀ ਖਾਸ ਵਿਸ਼ਿਆਂ ਦੀ ਗਾਹਕੀ ਲੈ ਸਕਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਲਈ ਸੰਬੰਧਿਤ ਕੋਈ ਨਵੀਂ ਕਲਿੱਪ ਜਾਰੀ ਹੋਣ ’ਤੇ ਸੂਚਨਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ.
ਪਰ Callombia ਦੀ ਸਭ ਤੋਂ ਕਮਾਲ ਦੀ ਗੱਲ ਉਤਪਾਦ ਜਾਂ ਹੈਕਾਥਾਨ ਜਿੱਤਣ ਦਾ £2k ਇਨਾਮ ਨਹੀਂ ਹੈ, ਭਾਵੇਂ ਇਸਦਾ ਮਾਣ ਤਾਂ ਹੈ. ਅਸਲ ਗੱਲ ਇਹ ਹੈ ਕਿ ਦੋ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਇੱਕ ਡਿਲਿਵਰੀ ਮੁਖੀ ਨੇ ਇਹ ਸਭ ਸਿਰਫ਼ ਸੱਤ ਘੰਟਿਆਂ ਵਿੱਚ ਬਣਾ ਲਿਆ. ਇੱਕ ਸਾਲ ਪਹਿਲਾਂ ਇਹ ਸੰਭਵ ਨਹੀਂ ਸੀ. ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਵਿੱਚ ਸੁਧਾਰਾਂ ਨੇ ਉਤਪਾਦ ਵਿਕਾਸ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਅੰਤ ਤੱਕ ਦੀ ਪ੍ਰਕਿਰਿਆ ਬਹੁਤ ਤੇਜ਼ ਕਰ ਦਿੱਤੀ ਹੈ ਅਤੇ ਇਸ ਹੈਕਾਥਾਨ ਨੇ ਉਨ੍ਹਾਂ ਦੀਆਂ ਅਸਮਾਨ ਸਮਰੱਥਾ-ਹੱਦਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਸ਼ਾਨਦਾਰ ਪ੍ਰਯੋਗ-ਮੰਚ ਦਿੱਤਾ. ਤਾਂ ਅਸੀਂ Codex ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ?
ਬਹੁਤ ਸਾਰੀਆਂ ਲੋੜਾਂ ਲਿਖਣ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਪਹਿਲਾਂ ਸਮੱਸਿਆ ਦੇ ਖੇਤਰ ਅਤੇ Callombia ਬਾਰੇ ਆਪਣੇ ਸਾਂਝੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਇੱਕ ਪ੍ਰੌਂਪਟ ਵਜੋਂ ਦਿੱਤਾ. ਜਾਣਬੁੱਝ ਕੇ ਵੇਰਵੇ ਸੀਮਤ ਰੱਖ ਕੇ ਅਸੀਂ ਮਾਡਲ ਨੂੰ ਕੰਮ ਕਰਨ ਅਤੇ ਰਚਨਾਤਮਕ ਢੰਗ ਨਾਲ ਸੋਚਣ ਦਿੱਤਾ:
10 ਮਿੰਟ ਦੀ ਗੱਲਬਾਤ ਤੋਂ ਬਾਅਦ ਅਸੀਂ ਲੋੜਾਂ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਅਤੇ ਨਿਰਮਾਣ ਦੇ ਤਕਨੀਕੀ ਹਿੱਸੇ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ਲਈ ਯੋਜਨਾ ਮੋਡ ਚਾਲੂ ਕੀਤਾ. ਯੋਜਨਾ ਮੋਡ ਵਿੱਚ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣਾ ਉਸ ਖਿਝਾਊ ਦੋਸਤ ਨਾਲ ਗੱਲ ਕਰਨ ਵਰਗਾ ਹੈ ਜਿਸਨੇ ਮਦਦਗਾਰ ਢੰਗ ਨਾਲ ਹਰ ਸੰਭਵ ਸਥਿਤੀ ਬਾਰੇ ਪਹਿਲਾਂ ਹੀ ਸੋਚ ਰੱਖਿਆ ਹੋਵੇ. ਵੀਡੀਓਆਂ ਦੀ ਗਿਣਤੀ, ਅਰਥ-ਅਧਾਰਿਤ ਜਾਂ ਮੁੱਖ-ਸ਼ਬਦ ਖੋਜ ਅਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਢਾਂਚੇ ਵਰਗੀਆਂ ਗੱਲਾਂ ਤੈਅ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਇਸਨੇ ਇੱਕ ਮਾਰਕਡਾਊਨ ਫ਼ਾਈਲ ਬਣਾਈ ਜੋ ਅੱਗੇ ਪ੍ਰੋਜੈਕਟ ਦਾ ਆਧਾਰ ਬਣੀ.
ਯੋਜਨਾ ਤਿਆਰ ਹੋਣ ਤੋਂ ਬਾਅਦ ਅਗਲਾ ਕਦਮ ਉਹ ਮੁੱਖ ਹਿੱਸੇ ਬਣਾਉਣਾ ਸੀ ਜੋ Callombia ਨੂੰ ਅਸਲ ਵਿੱਚ ਚਲਾਉਂਦੇ. ਇਸਦਾ ਅਰਥ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਕਾਲਾਂ ਤੋਂ ਖੋਜਯੋਗ ਸਰੋਤਾਂ ਤੱਕ ਇੱਕ ਕਾਰਜ-ਲੜੀ ਬਣਾਉਣਾ ਸੀ:
ਵੀਡੀਓਆਂ ਅਤੇ ਲਿਖਤਾਂ ਨੂੰ ਲੈਣਾ,
ਉਨ੍ਹਾਂ ਨੂੰ ਅਰਥਪੂਰਨ ਪਲਾਂ ਵਿੱਚ ਵੰਡਣਾ,
ਸੰਖੇਪਾਂ ਅਤੇ ਟੈਗਾਂ ਨਾਲ ਉਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਲਾਭਦਾਇਕ ਬਣਾਉਣਾ,
ਉਨ੍ਹਾਂ ਨੂੰ ਅਜਿਹੇ APIs ਰਾਹੀਂ ਉਪਲਬਧ ਕਰਾਉਣਾ ਜਿਨ੍ਹਾਂ ਨੂੰ ਫਰੰਟਐਂਡ ਵਰਤ ਸਕੇ.
ਐਡ ਨੇ ਕੱਚੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਅਤੇ ਲਿਖਤ ਡਾਟੇ ਨੂੰ ਵਰਤੋਂਯੋਗ ਰੂਪ ਵਿੱਚ ਲਿਆਉਣ ਉੱਤੇ ਵੱਧ ਧਿਆਨ ਦਿੱਤਾ, ਜਦਕਿ ਨਿਕੋ ਨੇ ਉਹ ਪਲ ਲੱਭਣਯੋਗ ਬਣਾਉਣ ਵਾਲੀ ਪ੍ਰਾਪਤੀ ਪਰਤ ਉੱਤੇ ਵੱਧ ਕੰਮ ਕੀਤਾ. Codex ਨਾਲ ਉਹ ਦੋਵੇਂ ਡਾਟਾ ਮਾਡਲ, ਡਾਟਾ ਕੱਢਣ ਵਾਲੀਆਂ ਸਕ੍ਰਿਪਟਾਂ ਅਤੇ ਬੈਕਐਂਡ ਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੱਥੀਂ ਕੰਮ ਕਰਨ ਨਾਲੋਂ ਕਿਤੇ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰ ਸਕੇ. ਇਸ ਨਾਲ ਸਾਨੂੰ ਵੀਡੀਓ ਨਾਲ ਜੁੜੀ ਲਿਖਤ ਤੋਂ ਕਿਤੇ ਵੱਧ ਕੁਝ ਮਿਲਿਆ. ਇਸਨੇ ਸਾਨੂੰ ਖਾਸ ਪਲ ਦਿੱਤੇ: Tesco ਵਾਲਾ ਹਿੱਸਾ, ਰਣਨੀਤੀ ਬਾਰੇ ਨਵੀਂ ਜਾਣਕਾਰੀ, ਭਰਤੀ ਦੀ ਚਰਚਾ ਜਾਂ ਕਾਲ ਦੇ ਉਹ ਖਾਸ 90 ਸਕਿੰਟ ਜੋ ਕੋਈ ਸੱਚਮੁੱਚ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹੈ.
ਉਹ ਪ੍ਰਾਪਤੀ ਪਰਤ ਹੀ ਸੀ ਜਿੱਥੇ ਕੰਮ ਖਾਸ ਤੌਰ ’ਤੇ ਦਿਲਚਸਪ ਹੋ ਗਿਆ. ਅਸੀਂ ਚਾਹੁੰਦੇ ਸੀ ਕਿ ਕੋਈ “ਵਿੱਤੀ ਕਾਰਗੁਜ਼ਾਰੀ”, “Tesco ਕਾਰਜ-ਯੋਜਨਾ” ਜਾਂ “ਗੱਲਬਾਤ ਮੁਲਾਂਕਣ” ਵਰਗਾ ਕੁਝ ਲਿਖੇ ਅਤੇ ਉਸਨੂੰ ਸਭ ਤੋਂ ਸੰਬੰਧਿਤ ਕਲਿੱਪਾਂ ’ਤੇ ਲਿਜਾਇਆ ਜਾਵੇ, ਭਾਵੇਂ ਉਹ ਸਟੀਕ ਸ਼ਬਦ ਕਦੇ ਬੋਲੇ ਹੀ ਨਾ ਗਏ ਹੋਣ. ਇਸ ਲਈ ਅਸੀਂ ਸਮਾਂ-ਚਿੰਨ੍ਹਾਂ, ਸੰਖੇਪਾਂ, ਲਿਖਤ ਅਤੇ ਅਧਿ-ਡਾਟੇ ਵਾਲੇ ਹਿੱਸੇ ਬਣਾਏ. ਸਪਸ਼ਟ ਢਾਂਚੇ ਅਤੇ Codex ਦੀ ਭਰਪੂਰ ਮਦਦ ਨਾਲ ਅਸੀਂ ਵਿਸ਼ੇ, ਸੰਖੇਪ ਅਤੇ ਲਿਖਤ ਨੂੰ ਇੱਕ ਇਨਪੁੱਟ ਵਿੱਚ ਜੋੜਿਆ ਅਤੇ ਹਰ ਹਿੱਸੇ ਲਈ ਐਂਬੈਡਿੰਗਾਂ ਬਣਾਉਣ ਵਾਸਤੇ OpenAI ਦਾ text-embedding-3-small ਮਾਡਲ ਵਰਤਿਆ. ਅਸੀਂ ਉਹ ਐਂਬੈਡਿੰਗਾਂ ਆਪਣੇ ਡਾਟਾਬੇਸ ਵਿੱਚ ਸੰਭਾਲੀਆਂ ਅਤੇ ਵਰਤੋਂਕਾਰ ਦੀ ਪੁੱਛਗਿੱਛ ਦੀ ਹਰ ਹਿੱਸੇ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਲਈ ਕੋਸਾਈਨ ਸਮਾਨਤਾ ਵਰਤੀ. ਇਸ ਨਾਲ ਸਾਨੂੰ ਸਧਾਰਨ ਮੁੱਖ-ਸ਼ਬਦ ਖੋਜ ਦੀ ਬਜਾਏ ਅਰਥ-ਅਧਾਰਿਤ ਪ੍ਰਾਪਤੀ ਪਰਤ ਮਿਲੀ.
ਇਸਨੇ ਸਟੀਕਤਾ ਦੇ ਪੱਖੋਂ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਕੀਤਾ ਅਤੇ ਹੈਕਾਥਾਨ ਪ੍ਰਦਰਸ਼ਨ ਦੌਰਾਨ ਉਤਪਾਦ ਨੂੰ “ਜਾਦੂਈ” ਅਹਿਸਾਸ ਦਿੱਤਾ. ਨਾਲ ਹੀ ਅਸੀਂ ਜਾਣਦੇ ਸੀ ਕਿ ਵੀਡੀਓਆਂ ਦੀ ਗਿਣਤੀ ਲਗਾਤਾਰ ਵਧਣ ’ਤੇ ਇਹ ਤਰੀਕਾ ਹਮੇਸ਼ਾ ਵੱਡੇ ਪੱਧਰ ਲਈ ਢੁਕਵਾਂ ਨਹੀਂ ਰਹੇਗਾ, ਕਿਉਂਕਿ ਹਰ ਪੁੱਛਗਿੱਛ ਦੀ ਹਰ ਹਿੱਸੇ ਨਾਲ ਤੁਲਨਾ ਕਰਨੀ ਆਖ਼ਰਕਾਰ ਬਹੁਤ ਮਹਿੰਗੀ ਹੋ ਜਾਂਦੀ. ਸੁਭਾਵਿਕ ਅਗਲਾ ਕਦਮ Hierarchical Navigable Small World ਵਰਗੀਆਂ ਵਧੇਰੇ ਕੁਸ਼ਲ ਪ੍ਰਾਪਤੀ ਰਣਨੀਤੀਆਂ ਲਾਗੂ ਕਰਨਾ ਹੋਵੇਗਾ, ਤਾਂ ਜੋ ਤੁਲਨਾਵਾਂ ਦੀ ਗਿਣਤੀ ਘਟੇ ਅਤੇ ਸਮੱਗਰੀ-ਸੰਗ੍ਰਹਿ ਵਧਣ ਦੇ ਬਾਵਜੂਦ ਦੇਰੀ ਘੱਟ ਰਹੇ. ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਚੱਲਣ ਲੱਗੀ ਤਾਂ Callombia ਮੀਡੀਆ ਲਾਇਬ੍ਰੇਰੀ ਘੱਟ ਅਤੇ ਗਿਆਨ ਪ੍ਰਣਾਲੀ ਵੱਧ ਲੱਗਣ ਲੱਗਾ.
ਹਰ ਚੰਗੇ ਹੈਕਾਥਾਨ ਵਾਂਗ ਉਸ ਹਿੱਸੇ ਨੂੰ ਵੀ ਦੁਹਰਾਅ ਨਾਲ ਸੁਧਾਰਨ ਦੀ ਲੋੜ ਸੀ. ਪਹਿਲੇ ਹਿੱਸਿਆਂ ਦੀਆਂ ਹੱਦਾਂ ਬਹੁਤ ਅਸਪਸ਼ਟ ਸਨ, ਕੁਝ ਸਮਾਂ-ਚਿੰਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਸਟੀਕ ਕਰਨਾ ਸੀ, ਕੁਝ ਟੈਗ ਬਹੁਤ ਵਿਆਪਕ ਸਨ ਅਤੇ ਲਿਖਤ ਤੇ ਰਿਕਾਰਡਿੰਗ ਫ਼ਾਈਲਾਂ ਹਮੇਸ਼ਾ ਸਹੀ ਤਰ੍ਹਾਂ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀਆਂ ਸਨ. ਪਰ ਮੁੱਲ ਵੀ ਇੱਥੇ ਹੀ ਸਾਹਮਣੇ ਆਇਆ. Codex ਨੇ ਸੈੱਟਅੱਪ ਅਤੇ ਮੁੜ ਕੰਮ ਕਰਨ ਵਿੱਚ ਫਸਣ ਦੀ ਬਜਾਏ ਸਾਨੂੰ ਪ੍ਰਣਾਲੀ ਤੇਜ਼ੀ ਨਾਲ ਸੁਧਾਰਨ ਦਿੱਤੀ. ਅੰਤ ਤੱਕ ਸਾਡੇ ਕੋਲ ਅਜਿਹਾ ਬੈਕਐਂਡ ਸੀ ਜੋ ਕਲਿੱਪਾਂ, ਛੋਟੇ ਅੰਸ਼ਾਂ ਅਤੇ ਸੱਚਮੁੱਚ ਲਾਭਦਾਇਕ ਅਰਥ-ਅਧਾਰਿਤ ਖੋਜ ਨੂੰ ਸੰਚਾਲਿਤ ਕਰ ਸਕਦਾ ਸੀ. ਇਸੇ ਮੋੜ ’ਤੇ Callombia ਸਿਰਫ਼ ਹੈਕਾਥਾਨ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਬਜਾਏ ਅਸਲ ਉਤਪਾਦ ਲੱਗਣ ਲੱਗਾ.
ਐਡ ਅਤੇ ਨਿਕੋ ਨੇ ਡਾਟਾ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਇੰਟੈਲੀਜੈਂਸ ਪਰਤ ਬਣਾਈ, ਜਦਕਿ ਮੈਂ ਫਰੰਟਐਂਡ ਬਣਾਇਆ. ਆਪਣੇ ਪੂਰੇ ਤਕਨੀਕੀ ਢਾਂਚੇ ਦੇ ਨਮੂਨੇ ਨਾਲ ਮੈਂ ਕੋਡ ਦੀ ਇੱਕ ਵੀ ਲਾਈਨ ਲਿਖੇ ਬਿਨਾਂ ਵੈੱਬਸਾਈਟ ਦਾ ਪਹਿਲਾ ਸੰਸਕਰਣ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰ ਸਕਿਆ. ਇਸਨੂੰ ਮੇਰੇ ਬਰਾਊਜ਼ਰ ਵਿੱਚ ਵੈੱਬਸਾਈਟ ਸਥਾਨਕ ਤੌਰ ’ਤੇ ਖੋਲ੍ਹਣ ਲਈ ਕਹਿਣ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਡਿਜ਼ਾਈਨ ਨੂੰ ਆਪਣੀ ਲੋੜ ਅਨੁਸਾਰ ਸੁਧਾਰਨ ਲਈ ਸਧਾਰਨ ਬਿੰਦੂਵਾਰ ਸੁਝਾਅ ਦਿੰਦਾ ਰਿਹਾ.
ਲਗਭਗ ਇੱਕ ਘੰਟੇ ਦੀ ਗੱਲਬਾਤ ਅਤੇ ਸੋਧਾਂ ਤੋਂ ਬਾਅਦ ਮੇਰੇ ਕੋਲ ਅਜਿਹਾ ਨਤੀਜਾ ਸੀ ਜਿਸ ਤੋਂ ਮੈਂ ਕਾਫ਼ੀ ਖੁਸ਼ ਸੀ, ਉਹ ਵੀ ਵਰਤੋਂਕਾਰ ਇੰਟਰਫੇਸ ਜਾਂ ਡਿਜ਼ਾਈਨ ਦਾ ਕੋਈ ਤਜਰਬਾ ਨਾ ਹੋਣ ਦੇ ਬਾਵਜੂਦ. ਅੰਤਿਮ ਉਤਪਾਦ ਯਕੀਨੀ ਤੌਰ ’ਤੇ ਸੰਪੂਰਨ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਕਾਫ਼ੀ ਵਧੀਆ ਪਹਿਲਾ ਸੰਸਕਰਣ ਹੈ ਜੋ ਲੋਕਾਂ ਨੂੰ ਉਤਪਾਦ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ.
ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਦਿਨ ਦੇ ਅੰਤ ਤੱਕ ਸਾਡੇ ਕੋਲ ਕੁਝ ਤਿਆਰ ਹੋਵੇ, ਅਸੀਂ ਕੰਮ ਆਪਸ ਵਿੱਚ ਵੰਡ ਲਿਆ ਸੀ. ਜ਼ਾਹਿਰ ਹੈ ਕਿ ਕੁਝ ਘੰਟੇ ਲਗਭਗ ਸੁਤੰਤਰ ਤੌਰ ’ਤੇ ਕੰਮ ਕਰਨ ਤੋਂ ਬਾਅਦ ਸਾਡੇ ਸਾਰਿਆਂ ਦੀਆਂ ਆਪਣੀਆਂ ਸਥਾਨਕ ਸ਼ਾਖਾਵਾਂ ਸਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਟਕਰਾਅ ਸਨ.
ਟਕਰਾਵਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਵੇਖ ਕੇ ਹੱਲ ਕਰਨ ਲਈ ਸਾਡੇ ਕੋਲ ਸਮਾਂ ਨਹੀਂ ਸੀ, ਇਸ ਲਈ ਅਸੀਂ Codex ਨੂੰ ਰਿਪੋਜ਼ਟਰੀਆਂ ’ਤੇ ਖੁੱਲ੍ਹਾ ਛੱਡਣ ਅਤੇ ਟਕਰਾਅ ਆਪਣੇ-ਆਪ ਠੀਕ ਕਰਨ ਦੇਣ ਦਾ ਫ਼ੈਸਲਾ ਕੀਤਾ. ਫ਼ਿਲਹਾਲ ਅਸੀਂ ਉੱਦਮ-ਪੱਧਰੀ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਲਈ ਇਸ ਤਰੀਕੇ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਨਹੀਂ ਕਰਾਂਗੇ, ਪਰ ਘੱਟ ਜੋਖਮ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ ਇਸਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੇਖਣਾ ਕਮਾਲ ਸੀ ਅਤੇ ਇਸਨੇ ਸਾਡੇ ਕਈ ਘੰਟੇ ਬਚਾਏ.
ਹੈਕਾਥਾਨ ਦਾ ਆਖ਼ਰੀ ਹਿੱਸਾ ਜੱਜਾਂ ਲਈ Callombia ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਰਿਕਾਰਡ ਕਰਨਾ ਸੀ. ਸਾਡੀ ਪਹਿਲੀ ਪ੍ਰਵਿਰਤੀ ਰਿਕਾਰਡਿੰਗ ਲਈ Loom ਖੋਲ੍ਹਣ ਦੀ ਸੀ, ਪਰ ਅਸੀਂ ਸੋਚਿਆ ਕਿ ਇਹ Codex ਲਈ ਅਸਲ ਪ੍ਰੀਖਿਆ ਅਤੇ ਇਸਦੀਆਂ ਮੌਜੂਦਾ ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਕੁਝ ਬਾਹਰਲਾ ਕੰਮ ਹੋ ਸਕਦਾ ਹੈ. ਇਸ ਲਈ ਅਸੀਂ ਇੱਕ ਪ੍ਰੌਂਪਟ ਲਿਖਿਆ, ਇਸਨੂੰ Callombia ਵੈੱਬਸਾਈਟ ਦਾ ਲਿੰਕ ਦਿੱਤਾ, OpenAI ਦੇ ਡਿਵੈਲਪਰ ਪਲੇਟਫਾਰਮ ਉੱਤੇ ਆਪਣੀ ਆਵਾਜ਼ ਦੀ ਰਿਕਾਰਡਿੰਗ ਜੋੜੀ ਅਤੇ ਬਾਕੀ ਸਭ ਕਰਨ ਲਈ ਕਿਹਾ.
ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ. ਇਸਨੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਪਟਕਥਾ ਲਿਖੀ, ਸਕ੍ਰੀਨ ਰਿਕਾਰਡ ਕੀਤੀ, ਮੇਰੀ ਆਵਾਜ਼ ਜੋੜੀ ਅਤੇ ਲਗਭਗ ਸਾਰੀਆਂ ਹਦਾਇਤਾਂ ਪੂਰੀਆਂ ਕਰ ਦਿੱਤੀਆਂ. ਸਿਰਫ਼ ਆਵਾਜ਼ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਰਿਕਾਰਡਿੰਗ ਦਾ ਤਾਲਮੇਲ ਸਾਨੂੰ ਤੁਰੰਤ ਪਸੰਦ ਨਹੀਂ ਆਇਆ, ਇਸ ਲਈ ਅਸੀਂ ਕਿਹਾ, “ਲਾਜ਼ਮੀ: ਆਵਾਜ਼ ਨੂੰ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਦਿਖਾਈ ਜਾ ਰਹੀ ਸਮੱਗਰੀ ਨਾਲ ਬਿਲਕੁਲ ਮਿਲਾਓ. ਤਾਲਮੇਲ ਠੀਕ ਨਹੀਂ ਸੀ, ਜਿਵੇਂ ਗੱਲਬਾਤ ਵਾਲੇ ਪੰਨੇ ਉੱਤੇ. ਅੰਤ ਵਿੱਚ ਆਵਾਜ਼ ਅਤੇ ਸਕ੍ਰੀਨ ਉੱਤੇ ਰਿਕਾਰਡ ਕੀਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਤਾਲਮੇਲ ਤਿੰਨ ਵਾਰ ਜਾਂਚੋ. ਕਿਸੇ ਵੀ ਸੰਭਵ ਤਰੀਕੇ ਨਾਲ ਦੋਵਾਂ ਨੂੰ ਮਿਲਾਓ.”
ਇਸ ਬੇਨਤੀ ਦੇ ਜਵਾਬ ਵਿੱਚ Codex ਨੇ ਆਵਾਜ਼ ਅਤੇ ਰਿਕਾਰਡਿੰਗ ਨੂੰ ਛੋਟੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡਿਆ ਅਤੇ ਸ਼ਾਮ 5.30 ਵਜੇ, ਜਸ਼ਨ ਲਈ ਬੀਅਰ ਤੇ ਪੀਜ਼ਾ ਮਿਲਣ ਤੋਂ ਐਨ ਪਹਿਲਾਂ, ਕੰਮ ਲਗਭਗ ਬਿਨਾਂ ਕਿਸੇ ਖ਼ਾਮੀ ਦੇ ਪੂਰਾ ਕਰ ਦਿੱਤਾ.
ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ Callombia ਉਹ ਸਮੱਸਿਆ ਹੱਲ ਕਰਦਾ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਆਉਂਦੀ ਹੈ. ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਕੰਪਨੀ ਵਿੱਚ ਹਰ ਕਾਲ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਾ ਮੁਸ਼ਕਲ ਹੈ, ਪਰ ਇਨ੍ਹਾਂ ਕਾਲਾਂ ਦੌਰਾਨ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ ਸੂਝ ਦੀਆਂ ਕੀਮਤੀ ਗੱਲਾਂ ਬੇਮਿਸਾਲ ਹਨ. ਹੁਣ ਸਾਨੂੰ ਸਿਰਫ਼ ਇਸਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ ਲਿਆਉਣਾ ਹੈ.
ਪਰ ਇੱਥੇ AI-ਮੂਲ ਬਣਨ ਅਤੇ ਸਾਂਝੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ ਲਈ ਇੰਜੀਨੀਅਰਿੰਗ ਤੇ ਉਤਪਾਦ ਸੂਝ ਨੂੰ ਸਮਰਪਿਤ ਕਰਨ ਬਾਰੇ ਇੱਕ ਹੋਰ ਵੱਡਾ ਸਬਕ ਵੀ ਹੈ. ਆਪਣੇ ਆਮ ਕੰਮਕਾਜੀ ਚੱਕਰ ਤੋਂ ਬਾਹਰ ਨਿਕਲ ਕੇ, ਟੀਮਾਂ ਦਰਮਿਆਨ ਸਹਿਯੋਗ ਕਰਕੇ ਅਤੇ ਇਹ ਸਭ ਕੁਝ ਹਲਕੇ ਮੁਕਾਬਲੇ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ ਕਰਕੇ, ਅਸੀਂ ਕਈ ਅਜਿਹੇ ਹੱਲ ਤਿਆਰ ਕੀਤੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੁਝ ਸੋਧਾਂ ਨਾਲ ਉਤਪਾਦਨ ਵਿੱਚ ਲਿਆਂਦਾ ਜਾ ਸਕਦਾ ਹੈ. ਇਹ ਨਿਯਮਿਤ ਤੌਰ ’ਤੇ ਕਰਕੇ ਅਸੀਂ ਯਕੀਨੀ ਬਣਾ ਸਕਦੇ ਹਾਂ ਕਿ ਸਾਡਾ ਅੰਦਰੂਨੀ ਕੰਮਕਾਜ ਵੀ ਗਾਹਕਾਂ ਲਈ ਬਣਾਏ ਹੱਲਾਂ ਜਿੰਨਾ ਹੀ ਸੁਚਾਰੂ ਹੋਵੇ.