* Neo Ici ! C'est un aperçu gratuit d'une lettre réservée aux abonnés, exclusive à mes membres dorés. Pour toute l'expérience, mettre à jour votre abonnement. === Je cherche la newsletter auteurs invités qui peuvent écrire sur la conception du systèmeVous recevrez une juste compensation. Si vous êtes intéressé, envoyez-moi un de vos articles en répondant à ce courriel. Maintenant, retour à la newsletter d'aujourd'hui... Qu'arrive-t-il quand votre agent de codage connaît votre architecture ?#163: Comment j'ai transformé NotebookLM en une couche de connaissances au sol pour les examens de relations publiques, les examens de conception, le débogage et l'embarquement
Chaque tâche commençait de la même façon pour moi, et tu sais ce sentiment : Vous vous asseyez pour expédier quelque chose de petit, et avant d'écrire une ligne, vous demandez,Où est-ce documenté ? Le contexte dont j'avais besoin n'a jamais été au même endroit... Donc je fouillerais à travers des README dispersés, un runbook, un ADR1, et un fil perdu Slack, puis demandez à un membre de l'équipe. Et quand rien n'a marché, devinez. Rien de tout cela n'était le travail lui-même, et au fil du temps, je me suis rendu compte qu'il s'agissait de trois problèmes empilés l'un sur l'autre :
Ce sont de vrais problèmes, qui coûtent du temps et de la confiance en chaque équipe. La bonne nouvelle est que vous pouvez résoudre les trois avec un seul outil appelé ManuelLM. Alors laissez-moi vous montrer ce que c'est... [Webinar] 8 niveaux de maturité contextuelle en ingénierie native de l'IA (Partenaire)
L'IA est dans votre workflow d'ingénierie. Alors que le jeton dépense le montre, le débit ne fait pas. L'humain est encore beaucoup dans la boucle, et c'est un problème de contexte. Rejoignez en direct le 23 juillet (FREE) pour apprendre:
(Merci, Débloqué, pour s'associer à cette newsletter.) Je veux vous présenter Genre en tant qu'auteur invité.
Il a construit avec AI depuis ChatGPT pour la première fois expédié en 2022. Pendant des années, il a construit pour les clients sur Upwork : plus de 7 300 heures. Maintenant il construit en plein air et partage chaque morceau sur ApprendreAIWithMeTous les lundis, mercredis et vendredis. Pas seulement pour son propre bien. Une vraie construction à la fois, de l'idée au système de fonctionnement. Voici ce qui se trouve dans cette newsletter:
Quel livre de notesLM En fait c'estNotebookLM est un outil de recherche de Google qui répond à vos questions en utilisant un ensemble de documents que vous fournissez. L'ensemble que vous donnez est appelé un carnet, juste un espace de travail où vous recueillez les fichiers que vous voulez lire, comme un dossier auquel vous pouvez poser des questions. Imaginez une nouvelle embauche forte le premier jour : Ils sont intelligents, et ils veulent aider, mais ils ne connaissent pas encore votre système, donc vous leur donnez une pile de vos vrais docs et leur dire de travailler de ceux-ci. Cette contrainte unique est tout le point. Ils ne l'aiment pas de la connaissance générale, et quand ils vous disent quelque chose, ils peuvent pointer sur la page qu'ils ont obtenu. NotebookLM fonctionne différemment des modèles de chat général comme ChatGPT/Claude. Ceux-ci proviennent généralement de vastes connaissances modèles. Maintenant vous pourriez demander, pourquoi ne pas juste boulonner un pipeline RAG3 sur ChatGPT ou Claude et en finir avec ça ? Oui, vous pouvez, et parfois c'est le bon choix. Mais NotebookLM vous donne la base et les citations hors de la boîte avec rien à construire ou maintenir. (Il couvrira les chiffres réels sur ce plus tard.) Sous le capot, le mécanisme de base derrière NotebookLM est la récupération et la mise à la terre plutôt que la mémoire de modèle ouverte. Voici le flux de travail :
La technique a un nom: la génération augmentée de récupération (RAG) . Il s'appuie également sur l'historique de chat du cahier pendant qu'il répond, donc un suivi est toujours logique sans que vous répétiez la configuration. De plus, il fonctionne sur les modèles Gemini Google, que Google continue de mettre à jour, et il peut tenir beaucoup à la fois. Chaque source peut courir jusqu'à environ cinq cents mille mots, et le chat fonctionne à travers une fenêtre contextuelle d'un million de jetons. Vous pouvez donc charger de la documentation réelle au lieu d'une poignée de pages. La seule chose à garder à l'esprit est la portée. Chaque cahier ne sait que ce qu'il contient. Il ne tire pas de vos autres cahiers. La limite sonne comme une limitation jusqu'à ce que vous réalisez que c'est exactement ce qui rend NotebookLM sûr de mettre sous un agent. Assez parlé de ce que c'est... Laissez-les en installer un. Comment configurer NotebookLM?
Vous avez quelques façons de le nourrir. Une recherche web, téléchargement de fichiers, sites Web, une connexion Google Drive, ou texte collé. Choisissez les correspondances où votre matériel vit déjà. Pour ce cahier, j'ai utilisé des sites Web. J'ai cliqué sur les sites web et collé les liens Backstage que j'avais rassemblés. La décision d'architecture enregistre, les documents de base et les requêtes de tirage. Voici les liens exacts que j'ai ajoutés: Quelques minutes plus tard, le cahier est formé et prêt à répondre. A partir de là, le cahier est prêt, avec chaque sortie Studio sur la droite attendant de construire à partir de vos sources.
Donc le carnet est chargé. Mais pourquoi avoir confiance en un mot ? C'est une idée... Bases, en langage clairVoici à quoi ressemble l'échouement dans la pratique : J'ai interrogé le cahier sur le dernier modèle d'IA Anthropic sorti, quelque chose nulle part dans mes sources, et voici sa réponse:
Pour que la frontière soit claire, let-S personnalise le ton, en utilisant cette prompte : J'ai posé la même question après, et voici la réponse:
Donc j'ai posé la même question à nouveau, et cette fois, il vient de dire: "Pas dans la source." Une ligne dans l'invite l'a forcé à rester à l'intérieur de ce que j'avais téléchargé au lieu d'atteindre ce qu'il savait déjà. Comment fonctionnent les citationsEn cas de mise à la terre5 est la promesse, puis les citations sont le reçu pour le prouver. NotebookLM fait halluciner moins, et il y a une étude à pointer maintenant: Les chercheurs ont dirigé ChatGPT, Gemini et NotebookLM sur la même tâche de rapport de 300 documents. NotebookLM a fait quelque chose dans environ 13% de ses réponses, contre environ 40% pour les deux autres sur les mêmes sources. Voici la rapport de recherche. Laissez-moi vous montrer le carnet que nous utiliserons pour le reste de cette newsletter. Il contient des dossiers de décision d'architecture backstage. Backstage est le portail de développeurs open-source de Spotify, et son journal des décisions est public. Donc il fait un stand-in propre pour une vraie base de connaissances de l'équipe. Voici l'invite : Voici la réponse qu'il a retournée, et la partie qui mérite d'être regardée est les citations:
Regardez les chiffres dans la réponse... Chacun est une citation. Cliquez sur un, et NotebookLM ouvre la source et souligne la ligne de la revendication.
C'est la différence entre une réponse que vous espérez être juste et une réponse que vous pouvez vérifier en deux secondes. C'est ce que ça fait bien. Tout aussi important est ce qu'il ne fait pas. Qu'est-ce que NotebookLM n'est pas ?Un lecteur de PDF ouvrira volontiers votre PDF, mais il vous montre simplement la page et s'arrête là. NotebookLM lit sur chaque source à la fois et vous indique exactement où il a regardé, donc il fait beaucoup plus qu'un lecteur simple le ferait. En outre, ce n'est pas un agent complet exécutant votre code. Il lit vos sources, y fonde ses réponses, et les cite, mais le bâtiment se trouve toujours dans vos propres outils. Tout seul, NotebookLM est une couche de lecture, et une très bonne à cela. Donc gardez ce cadre à l'esprit, et vous l'atteindrez au bon moment. Vous avez vu ce qu'il est et ce qu'il n'est pas, donc la prochaine question est comment vous avez mis en place un... Rappel : c'est un teaser de la série de newsletter réservée aux abonnés, exclusive à mes membres dorés. Lorsque vous mettez à niveau, vous obtiendrez :
Prêt pour la meilleure partie ? Cas d'utilisation technique : NotebookLM comme couche de connaissances pour le codeC'est la partie que je cours... Le reste de la newsletter explique NotebookLM. Cette section le met au travail. L'installation est un cahier, chargé d'une base de connaissances en ingénierie, et un agent Claude Code qui l'interroge. J'utilise le cahier Backstage de plus tôt, puisque ses dossiers de décision, docs et requêtes de tirage fusionnées sont tous publics. Je les ai chargés dans un seul carnet et j'ai pointé mon agent dessus. Comment j'ai connecté NotebookLM et Claude Code en premier lieuNous raccordons NotebookLM et Claude Code à travers une interface en ligne de commande. (Ce n'est pas officiel.) Voici le lien : https://github.com/teng-lin/notebooklm-py Vous pouvez suivre les étapes de configuration sur GitHub, ou vous pouvez simplement déposer cette invitation dans Claude Code: Il ouvre le navigateur. Vous authentifiez une fois. Dès lors, l'agent peut atteindre vos carnets. Laissez-moi vous montrer comment il atteint le cahier Backstage... Utilisez cette invite : Premièrement, il authentifie, puis il résume l'ADR003 par ADR007.
Voici :
Imaginez si l'accès au bon document pendant la construction était si facile. Combien de temps gagneriez-vous ? Comment l'agent interroge sur chaque demande de tirageL'objectif ici est simple : Il suffit d'attraper un changement brisant une décision documentée avant qu'un humain passe son temps à l'examiner. Ainsi, sur chaque requête de tirage, l'agent lit le diff et pose ensuite une question au portable via l'interface en ligne de commande.Ce changement suit-il nos décisions? Le cahier répond à partir des dossiers de décision d'architecture, avec une citation, et l'agent signe ou transmet la réponse. Voici l'invite de l'agent : Maintenant, l'agent a quelque chose de concret à vérifier, donc voici ce qu'il a signalé:
Regarde ce qui est revenu. L'agent n'a pas juste dit "ça semble mal". Au lieu de cela, il a signalé trois problèmes distincts et a lié chacun à un enregistrement spécifique. Il n'a aucune opinion sur votre architecture. Donc, il a demandé au cahier, et le cahier a répondu de Backstage. C'est ce qui transforme l'examen de l'architecture à partir des connaissances tribales coincées dans une personne en un contrôle que l'agent peut courir sur chaque changement. Un exemple concret, répondu par des citations. La vérification des relations publiques ci-dessus est toute l'idée en un seul coup. Un changement arrive, l'agent demande au cahier, le cahier répond avec les enregistrements exacts les pauses de changement. Prenez le plus fort des trois drapeaux, le genre Datastore. Pour savoir contre quoi l'agent vérifie, demandez directement au dossier : Voici ce que le dossier a rendu :
Regardez ce que dit le disque lui-même. L'agent a tiré l'ADR005 directement de la source, hachage et tout, et l'a cité mot à mot. Le catalogue se compose de trois entités principales : Composants, API et Ressources. Un datastore n'est pas un quatrième genre. C'est déjà une ressource, le même seau Backstage utilise pour les bases de données Bigtable et S3. Donc le changement proposé n'allait jamais s'adapter, et le dossier l'a dit dans ses propres mots. Maintenant, le test de conception-doc. La même question se pose avant une réunion d'examen, lorsque le changement est toujours une proposition : Voilà ce qui est revenu cette fois. Même réponse, autre porte. La première question demandait ce que l'ADR005 décide. Celui-ci demande si une nouvelle conception est en conflit avec elle:
Les deux terres sur le même disque, le même hachage source, les mêmes lignes de texte. L'un se lit comme une vérification des relations publiques, l'autre comme un examen de la conception avant la réunion. Le cahier ne change pas son histoire entre les deux, car il est en train de lire, pas de deviner. Travaux détaillésLa même boucle finit par couvrir quatre emplois différents, donc il s'agit d'un portable et d'un modèle de requête payant en quatre endroits:
Chacun d'entre eux est vraiment le même mouvement: vous demandez au cahier, vous obtenez une réponse citée, et vous y agissez. La couche de code est là où je vis, mais le même cahier fait plus tranquillement. Laisse-moi te montrer... Cas d'utilisation de remplacement pour les ingénieursUne fois que vous l'enveloppez dans une routine Claude6La plupart du temps, c'est sans toi. Laisse-moi en montrer un, puis pointe au reste... Celui que j'exécute selon un calendrier: rapports de relations publiques hebdomadairesUne routine Claude interroge le cahier sur un calendrier. Chaque vendredi, il vérifie la semaine où les RP ont été fusionnés en fonction de nos décisions enregistrées et envoie un bref rapport. Les changements ont suivi les enregistrements, qui ont dérivé, et la citation pour chaque appel. Voici l'invite à exécuter la routine: Ensuite, Claude Code a construit la routine.
Maintenant laissez-vous diriger vers la routine à l'intérieur de Claude Code. Cliquez sur celui que vous venez de mettre en place.
Cliquez sur "Run now" pour le tester.
Voici ce que la première série a produit. La première descente est revenue vide.
Le carnet n'avait pas de RP fusionné à l'intérieur, seulement ouverts, donc il n'y avait rien à vérifier par rapport aux enregistrements. Il n'a pas inventé de résultat. Au lieu de cela, il m'a dit que les sources n'avaient pas de RP fusionnés et s'arrêtaient. Ce résultat vide est rassurant car il montre le flux de travail vous indique quand il n'y a rien à signaler, plutôt que d'inventer quelque chose pour combler l'écart. J'ai donc ajouté un réel PR fusionné comme source et je l'ai lancé à nouveau. Voici le résultat :
D'ici, vous pouvez demander à Claude d'envoyer ce rapport où vous voulez. Slack, email ou tout outil que vous utilisez déjà. Vous avez vu ce que ça fait. Voilà où il gagne et où il ne gagne pas... Laisse-les continuer !... Continuez à lire avec un essai gratuit de 7 joursAbonnez-vous à Le Bulletin de la conception du système pour continuer à lire ce post et obtenir 7 jours d'accès gratuit aux archives complètes du post. Un abonnement vous donne :
|
CORTEX
