Dust

Функционал Dust

Вот некоторые ключевые концепции Dust:

Ассистенты Dust

Это AI-агенты, которые используют передовые модели, такие как GPT-4, Mistral и Claude. Вы можете использовать два типа ассистентов внутри Dust:

• Ассистенты на основе передовых моделей: Это модели большого масштаба, которые превосходят возможности, присутствующие в наиболее продвинутых существующих моделях, созданных такими провайдерами, как OpenAI, Google DeepMind, Anthropic, Meta, Mistral или Microsoft. Ассистенты на основе передовых моделей, такие как @gpt4, могут выполнять общие задачи, такие как распознавание, суммирование, перевод и генерация текста и других форм контента.
• Пользовательские ассистенты: это ассистенты, созданные Dust или разработчиками из вашего рабочего пространства, чтобы отвечать на конкретные сценарии использования. Пользовательские ассистенты могут быть дополнены функцией извлечения или иметь настроенные инструкции. Пользовательские ассистенты могут выполнять конкретные задачи, определенные Dust или разработчиками.

Рабочее пространство

Рабочее пространство в Dust - это основная среда, где пользователи создают беседы и взаимодействуют с ассистентами Dust. Каждое рабочее пространство уникально и может быть настроено для удовлетворения конкретных сценариев использования команды. Администраторы рабочего пространства могут контролировать видимость и доступность данных в рабочем пространстве. Они также могут приглашать других участников в рабочее пространство и назначать им роли, улучшая сотрудничество и обмен знаниями.

Синхронизация

Синхронизация данных с Dust означает, что Dust извлечет эти данные, и они будут доступны для использования их ассистентами. Это значит что вы можете загружать свою базу данных с которой будет работать ваша модель.

Встраивание

Встраивание больших языковых моделей (LLM) относится к процессу преобразования текстовых данных в числовые векторы, которые могут быть обработаны LLM, такими как GPT-4 или Claude. Это включает преобразование текста в пространство высокой размерности, где похожие слова или фразы размещаются близко друг к другу, что позволяет модели понимать семантическую схожесть различных текстовых блоков. В Dust LLM встраивание используется для того, чтобы ассистенты могли извлекать релевантные документы для ответа на запросы пользователей.