Nauczyłem swojego asystenta AI delegowania researchy do Perplexity.
Nie sądziłem, że będzie to takie łatwe, a zarazem użyteczne.
Jak to zrobiłem? 🧵 ↓
Korzystam z własnego "asystenta AI". To zbiór kilkudziesięciu automatyzacji wyklikanych w Make, które przyspieszają moją pracę i ułatwiają codzienne zadania.
Z asystentem porozumiewam się na kilka sposobów, a jednym z nich jest wysyłanie "głosówek" na Telegramie.
Nie chcę tutaj rozpisywać całego działania asystenta, a jedynie skupić się na nowej jego funkcji.
Co do głosówek:
Nagrania są pobierane przez bloczek "Telegram", a następnie wrzucane do Whispera od OpenAI. W ten sposób otrzymuję wierną transkrypcję tego, co powiedziałem.
Pierwszy bloczek widoczny na screenie to "transformacja w ustrukturyzowane dane".
Zmieniam moją notatkę w plik JSON, który ma dwa pola:
↳ tytuł (jak nazwać to, czego szukam?)
↳ zapytanie (przebudowanie tego, co powiedziałem na zadanie dla Perplexity)
W praktyce wygląda to tak:
INPUT:
znajdź mi listę miejsc, które mogę odwiedzić z dziećmi 10 lat we Wrocławiu. Wpadnę tam w sobotę, więc upewnij się, że będzie otwarte.
Takie polecenie przebudowywane jest na wspomniany wcześniej JSON.
OUTPUT:
{
"title":"Sobotnia wyprawa do Wrocławia — atrakcje dla dzieci",
"query":"Przygotuj spis miejsc we Wrocławiu, które nadają się dla dzieci w wieku około 10 lat. Atrakcje muszą być otwarte w sobotę."
}
Strukturę generuje mi model GPT-4o.
Kolejny krok to wysłanie na Telegrama potwierdzenia przyjęcia zadania.
Dostaję powiadomienie w stylu:
"Zabieram się za raport: TYTUŁ"
Następnie dane z JSON trafiają do modułu "Perplexity" z modelem "sonar-deep-research". Operacja trwa to kilka minut.
Gdy Perplexity wygeneruje raport, zawiera on dwie części:
- odpowiedź na pytanie
- cały tok myślenia
Nie potrzebuję analizy myślenia, więc za pomocą modułu do podmiany tekstu usuwam wszystko, co jest między tagami <think> i </think>.
Na tym etapie mam już czysty raport.
Nie wysyłam go jednak od razu do siebie, tylko wrzucam jeszcze na chwilę do GPT-4o z prośbą o czytelne sformatowanie tego w HTML, z podziałem na śródtytuły, z odpowiednimi pogrubieniami itp.
Taki raport lepiej mi się czyta.
Dopiero w tej formie wysyłam go na swojego maila.
To jest ten moment, w którym musisz zapytać:
"Eeeej! a nie prościej po prostu otworzyć Perplexity, wpisać czego potrzebujesz, poczekać i przeczytać 🤷♂️"
Wszystko zależy od definicji słowa "prościej" i od tego, jak ktoś używa Deep Research. Do moich zastosowań tak jest wygodniej.
Będąc na spacerze, wpada mi do głowy jakaś myśl. Dyktuję więc:
"Znajdź mi TOP10 polecanych kempingów dla kamperów w Chorwacji. Istria. Mają mieć prywatną plażę i atrakcje dla dzieci".
Zapominam o sprawie i idę dalej.
Nie ma netu? To się wyśle, jak będzie.
Nie przeszkadza mi, że wyniki muszę długo czekać. Takie maile z raportami sprawdzam wieczorami lub w weekendy, gdy sprzątam skrzynkę mailową.
To nie są sprawy pilne. To są sprawy, które kiedyś trzeba załatwić.
Jakub Mrugalski 🔥
@uwteam
🤖 Piszę o technologii, AI, automatyzacji, cybersecurity i biznesie. 🛠 Dzielę się użytecznymi narzędziami i case-study 🤔 #DigitalEUAmbassador 🛑 Nie czytam DM
