Właściwe ujęcia znalezione bez przewijania godzin nagrań
Przeszukuje wideo po wypowiedziach, widocznych obiektach, osobach i zmianach scen.
Na czym polega ten pomysł
Przeszukuje wideo po wypowiedziach, widocznych obiektach, osobach i zmianach scen. Rozpoznaje sprawę, wzbogaca ją zatwierdzonymi dowodami i pokazuje, dlaczego proponowany routing jest właściwy, zanim cokolwiek zostanie przypisane.
Co zyskujesz
Montażyści znacznie szybciej docierają do użytecznych ujęć.
Co zmienia agent AI
Jak wyglądało to wcześniej
Reguły działały tylko na czystych, z góry znanych polach. Nie radziły sobie z niepełnym zgłoszeniem ani opisem napisanym własnymi słowami.
Co zmienia agent AI
Agent rozumie nieustrukturyzowany kontekst, dobiera brakujące dowody, uzasadnia rekomendację i zatrzymuje się przy niskiej pewności.
Kiedy agent zaczyna działać
Dodano nową partię nagrań albo montażysta wpisuje zapytanie o ujęcie.
Dane wejściowe
- Kontekst procesu: wideo, transkrypt, mówców, obiekty, sceny i taksonomię projektu
- Zatwierdzone zasady, odpowiedzialność i reguły wyjątków
Jak agent działa krok po kroku
- 1
Rozpoznaje sprawę i sprawdza aktualność źródeł.
- 2
Wzbogaca sprawę zatwierdzonym kontekstem i pokazuje każdy sygnał oceny.
- 3
Przygotowuje ranking ujęć z dokładnymi timecode’ami i powodami dopasowania wraz z poziomem pewności i wyjątkami.
- 4
Tworzy zatwierdzone przypisanie i powiadamia odpowiedzialną osobę.
Decyzje człowieka
Po kroku 3
Osoba odpowiedzialna za proces zatwierdza ranking ujęć z dokładnymi timecode’ami i powodami dopasowania.
Rezultat
- Przeszukiwalna krótka lista ujęć
- Dowody, wyjątki i ślad audytowy
Zasady bezpieczeństwa
- Nie kieruj automatycznie dopasowań tożsamości o niskiej pewności.
- Stosuj zamkniętą listę miejsc docelowych i pól, które wolno zmieniać.
Ryzyka i zabezpieczenia
Błędne rozpoznanie może skierować sprawę do niewłaściwej osoby.
Wymagaj deterministycznych identyfikatorów i pokazuj uzasadnienie routingu.
Na czym opieramy ten pomysł
Źródła pokazują, że taki scenariusz jest wykonalny. Podany zakres poprawy to punkt odniesienia, a nie obietnica wyniku.
Nous Research
Hermes Agent learning path and use cases
Hermes opisuje agentów osobistych i zespołowych z przeglądarką, pamięcią, głosem, harmonogramem, batch processingiem, delegacją i wykonywaniem kodu.
OpenAI
New tools for building agents
OpenAI opisuje agentów łączących research w sieci, pliki, sterowanie przeglądarką, narzędzia, handoffy, guardraile i śledzone wykonanie wielu kroków.