Automaatioalustat
Zapier, Make, n8n, toistuvat työnkulut, ihmisen tekemä tarkistus ja turvallisemmat työkaluyhteydet.
59 sisältöä (36 artikkelia · 23 videota)
Aloita tästä
Muutama hyvä aloitussisältö ennen koko sisältövirran selaamista.
7 min lukemistaRakenna ja validoi pieni tekoälyautomaatio Zapierissa
Rakenna Zapieriin vähäriskinen työnkulku, jossa käytetään testiaineistoa, virheet näkyvät, lähteisiin on linkit ja ihminen tarkistaa tuloksen ennen todellisen sisällön käsittelyä.
Aloittelija
9 min lukemistan8n vs Zapier vs Make: oikean automaatioalustan valinta
Rehellinen vertailu kolmesta tärkeimmästä automaatioalustasta tekoälytyönkulkuihin vuonna 2026. Missä kukin on hyvä, missä niiden rajat tulevat vastaan ja millä valintaperusteilla vältät myöhemmän katumuksen.
Keskitaso
11 min lukemistaRakenna ensimmäinen tekoälyagenttisi n8n:ssä: liidien esikarsintatyönkulku alusta loppuun
Dokumentoitu n8n-liidien esikarsintamalli: validoi syöte, rajaa agentin työkalut, tarkista rakenteinen tuloste, tallenna ehdotus atomisesti ja pidä kaikki asiakkaalle näkyvät toimet hyväksynnän takana.
KeskitasoLisää tässä aiheessa
7 min lukemistaHermes Agent: mitä se on, mitä se ei ole ja milloin sitä kannattaa käyttää
Selkeä yleiskuva Nous Researchin Hermes Agentista: pysyvä muisti, Skills-paketit, työkalut ja viestiyhdyskäytävät sekä perusteet sille, milloin keskustelubotti riittää ja milloin agentin ajoympäristö on oikea ratkaisu.
Keskitaso
8 min lukemistaHermes Agentin ensimmäinen viikko: muistihygienia, Skills-paketit ja työkalujen hyväksynnät
Hermes Agentin turvallinen ensimmäinen viikko: asenna ja testaa perustoiminnot, ylläpidä MEMORY.md- ja USER.md-tiedostoja huolellisesti, lisää yksi Skills-paketti, rajaa tiedostojen kirjoittaminen ja poista komentorivi käytöstä tai eristä se.
Keskitaso
8 min lukemistaHermes vai n8n: valitse tehtävän mukaan ja tunnista hybridin paikka
Päätöskehys Hermes Agentin ja n8n:n väliseen valintaan: deterministinen työnkulku pysyy n8n:ssä, kun taas bearer-todennettu Hermesin API-vaihe tai erillinen tapahtumawebhook hoitaa rajatun agenttityön.
Keskitaso
7 min lukemistaHermes-webhookit: tapahtumavetoiset agentit ilman valtavaa yleiskehotetta
Määritä Hermes Agentin webhookit lähteeseen sopivalla todennuksella, portin 8644 terveystarkistuksilla ja pienillä nimetyillä reiteillä, jotta tapahtumat käynnistävät kohdennettuja agenttiajoja, joilla on selkeä toimituskohde.
Keskitaso
8 min lukemistaIdempotenssi, uudelleenyritykset ja ihmisen hyväksyntä n8n:n tekoälysolmuissa
Tekoälysolmut epäonnistuvat eri tavalla kuin CRUD-rajapinnat. Suunnittele n8n:n uudelleenyritykset, idempotenssiavaimet, ihmisen hyväksyntävaiheet ja lokitus niin, ettei epävakaa mallikutsu lähetä samaa sähköpostia kahdesti tai ohita tarkistusta.
Keskitaso
10 min lukemistan8n → Hermes: valitse API-kutsu tai tapahtumawebhook tehtävän mukaan
Pidä deterministinen tila n8n:ssä. Valitse Hermesin API, kun n8n tarvitsee agentin tuloksen, ja webhook-sovitin, kun tapahtuman tulee käynnistää Hermeksessä erikseen määritetty toimitus.
Keskitaso
8 min lukemistaKutsu vLLM:ää ja muita OpenAI-yhteensopivia päätepisteitä n8n:stä
Kutsu paikallista OpenAI-yhteensopivaa /v1/chat/completions-päätepistettä n8n:n HTTP Request -solmusta. Määritä todennus, aikakatkaisubudjetti ja perusosoite täsmällisesti ja pidä palvelu yksityisen verkkorajan sisällä.
Keskitaso
9 min lukemistaHenkilökohtaisen OpenClaw-yhdyskäytävän käyttöönotto: asennus, ohjattu aloitus ja hallintapaneeli
Mikä OpenClaw on, miten itse ylläpidettävä monikanavainen yhdyskäytävä asennetaan ja otetaan käyttöön, miten Control UI avataan portissa 18789 ja mitkä Node-versiot ovat tuettuja tietoturvan perustasosta tinkimättä.
Keskitaso
10 min lukemistaOpenClawin Skills-paketit, heartbeat-toiminto ja hyväksyntärajat
Miten OpenClawin Skills-paketit latautuvat, miten jaksottaiset heartbeat-vuorot toimivat, miten komentojen suorittamista palvelimella rajataan ja miten selainautomaatio pidetään tiukan käytännön sekä tarkistetun työnkulun vahvistuksen takana.
Keskitaso
8 min lukemistaOpenClaw vai Hermes: valitse tehtävän, ei brändin, perusteella
OpenClaw ja Hermes ovat osittain päällekkäisiä, omassa ympäristössä ylläpidettäviä agenttijärjestelmiä, joiden käytännön vahvuudet eroavat. Vertaa kanavien reititystä, webhookeja, työkaluja ja automaation vastuurajoja ennen kuin valitset niistä toisen tai molemmat.
Keskitaso
10 min lukemistaKokeellinen kahden DGX Sparkin, DeepSeek-V4-Flashin, n8n:n ja Hermeksen kokonaisuus
Näin arvioit yhteisön kokeellista kahden DGX Sparkin DeepSeek-V4-Flash-ratkaisua, jossa n8n hoitaa deterministiset vaiheet ja Hermes harkintaa vaativat tehtävät.
Edistynyt
8 min lukemistaTyön arvokkuus, kun koneet tekevät siitä yhä suuremman osan
Käytännöllinen arviointimalli työn uudelleensuunnitteluun pk-yritysten johdolle. Tarkastele henkilöstön vaikutusmahdollisuuksia, työntekijöille jäävää harkintavaltaa, osaamispolkuja, työkuormaa, seurantaa ja muutoksenhakua ennen kuin julistat automaation onnistuneeksi.
Keskitaso
8 min lukemistaMitä kertoa tiimille, kun automatisoit osan heidän työstään
Käytännöllinen viestintämalli automaatiohankkeisiin: mitä kertoa ennen päätösten lukitsemista, millaiset sitoumukset rakentavat luottamusta ja mitä esihenkilöiden ei pidä luvata.
Keskitaso
7 min lukemistaAutomaatio, joka kannattaa poistaa: ylläpitokustannus ja hiljainen epäonnistuminen
Käytännöllinen auditointi, jonka avulla päätät, mitkä automaatiot säilytetään, korjataan, yksinkertaistetaan tai poistetaan. Arvioinnissa huomioidaan omistajuus, toimintahäiriöt, piilevä tarkistustyö ja huomaamattomien virheiden riski.
Keskitaso
17 minuuttia12-Factor Agents: luotettavien LLM-sovellusten mallit — Dex Horthy, HumanLayer
AI Engineer. Dex Horthy selittää, miksi luotettavat agenttijärjestelmät ovat enimmäkseen kurinalaista ohjelmistoa muutaman LLM-kutsun ympärillä: omista kehote, omista konteksti-ikkuna, pidä ohjausvirta deterministisenä ja käytä työkalukutsuja ottamaan yhteyttä ihmisiin, kun työnkulku tarvitsee harkintaa. Se kartoittuu suoraan artikkelin hyväksyntä-, poikkeus- ja eskalointimalleihin.
Keskitaso
18 minuuttiaAWS re:Invent 2025 – Human-in-the-Loop -kontrollit moniagenttisille tekoälyjärjestelmille (CNS428)
AWS Events. Tämä lightning talk nimeää liiketoimintahetket, joissa ihmisen ohjausta tarvitaan: korkean panoksen päätökset, peruuttamattomat toimet, sääntelyvaatimukset, luottamuksen rakentamisvaiheet, epäselvät reunatapaukset ja hallittu heikkeneminen. Se näyttää myös konkreettisia toteutusmekanismeja kuten MCP elicitations, Step Functions callback -odotukset ja hyväksyntäsolmut.
Keskitaso
6 minuuttiaTekoälyääniagentit: miten ne oikeasti toimivat ja miksi ne kuulostavat niin inhimillisiltä
CX Foundation. Video jäsentää puheagentin käytännön ketjuksi: puheentunnistukseksi, kielimalliksi, liiketoimintajärjestelmien rajapinnoiksi, puhesynteesiksi ja keskeytysten käsittelyksi. Se antaa artikkelin käyttöönottokehykselle teknisen perustan ennen alustan valintaa.
Edistynyt
9 min lukemistaHuman-in-the-loop-suunnittelumallit tekoälytyönkulkuihin
Ihmisen tarkistus ei ole epämääräinen turvapeite. Käytännön opas siihen, mitä ihmisten pitää hyväksyä, otostarkistaa, auditoida, eskaloida tai olla koskaan delegoimatta tekoälytyönkuluissa.
Keskitaso
9 min lukemistaTekoälyjärjestelmä: rakentaa vai ostaa? Käytännön päätöskehikko
Vertaa ostamista, määrittämistä, laajentamista, rakentamista ja itseisännöintiä samoilla vaatimuksilla, poissulkevilla ehdoilla, edustavalla kokeilulla ja kokonaiskustannusmallilla.
Edistynyt
9 min lukemistaPuheagentit asiakasprosesseissa: missä ne toimivat ja missä epäonnistuvat
Puheagentti on hyödyllinen, kun prosessi on rajattu, tiedot ovat saatavilla ja varareitti on selkeä. Käytännön päätöskehys Twilion ja Retellin kaltaisille järjestelmille kattaa ilmoittamisen, siirron ihmiselle, testauksen ja käyttöönoton.
Edistynyt
11 min lukemistaAgenttikehyksen valinta vuonna 2026: toistettava vertailuajo
Vertaa agenttikehyksiä yhtä edustavaa työnkulkua, täsmällisiä operatiivisia vaatimuksia ja irtautumiskustannuksen arviota vasten sen sijaan, että luottaisit suosioon tai mielipiteisiin.
Edistynyt
13 min lukemistaAgenttien suunnittelu niin, etteivät ne jää ikuiseen silmukkaan
Loputtomat tai näennäisesti loputtomat silmukat ovat agenttien kallis virhetila. Tämä opas näyttää, miten työ rajataan, edistymättömyys havaitaan ja ajo lopetetaan turvallisesti.
Edistynyt
11 min lukemistaSuunnittele tekoälyä hyödyntävä asiakaspalveluagentti: luokittelu, tietopohja, toiminnot ja eskalointi
Palvelujonon aineistolla arvioitava viitesuunnitelma tukipyyntöjen luokitteluun, tiedonhakuun, vastausten luonnosteluun, hallittuihin toimintoihin ja ihmiselle siirtämiseen sekä turvallisen kokeilun edellyttämät käytäntö- ja mittausrajat.
Keskitaso
7 min lukemistaTekoäly kokouksissa: litteroinnit, yhteenvedot ja toimenpiteet
Käytännöllinen työnkulku kokousten tallentamiseen tekoälyn avulla: valitse hyväksytty tietoreitti, tarkista litterointi ja muuta selkeä näyttö päätöksiksi ja seurantatoimiksi.
Aloittelija
10 min lukemistaTekoälymarkkinointipino: sisältö, SEO ja sosiaalinen media ihmisen valvonnan kera
Ehdotuksia tekoälyavusteisiin työnkulkuihin, jotka kattavat luvallisen tutkimuksen, lähteisiin perustuvan luonnostelun, SEO-tarkistuksen, sisältöjen mukauttamisen, ihmisen julkaisuhyväksynnän ja mitattavat tulokset. Tarkista oikeudelliset vaatimukset aluekohtaisesti ennen julkaisua.
Keskitaso
11 min lukemistaTekoälymyyntipino: liidien rikastaminen, personointi ja skaalautuva jälkiseuranta
Käytännöllinen tekoälymyyntipino tutkimukseen, personointiin, viestien ajoittamiseen ja seurantaan ilman, että tuloksena on kaikkien poistamaa roskapostia. Arkkitehtuuri, työkalut, kehotteet ja suojatoimet auttavat erottamaan hyödyllisen yhteydenoton ärsyttävästä.
Keskitaso
10 min lukemistaJatkuvan katsauksen tai uutiskirjeen rakentaminen tekoälyllä
Rakenna automaattinen päivittäinen tai viikoittainen katsaus, jossa lähteet ovat jäljitettävissä, tietoja kerätään käyttöoikeuksien mukaisesti ja laatua sekä ylläpitoa hallitaan selkein tarkistuksin.
Keskitaso
11 min lukemistaSelainagentit ja tietokoneen käyttö: mitä ne voivat tehdä nyt
Selainagentit ja tietokonetta käyttävä tekoäly lupaavat käyttää tietokonettasi samalla tavalla kuin sinä. Vuonna 2026 todellisuus on demoja hyödyllisempi mutta myös rajallisempi. Tämä käytännönläheinen opas kertoo, mikä toimii, mikä ei ja mihin näitä työkaluja kannattaa soveltaa.
Keskitaso
10 min lukemistaRakenna henkilökohtainen RAG: keskustele omien asiakirjojesi kanssa
Rakenna ja arvioi rajattu, asiakirjoihin perustuva avustaja. Vertaa isännöityjä muistikirjoja, projektityötiloja ja mukautettavaa hakua heikentämättä alkuperätietoa tai käyttöoikeuksia.
Keskitaso
12 min lukemistaTietokonetta käyttävät agentit: tuotantovalmiuden arviointi
Arvioi rajattu tietokoneenkäyttötyönkulku, jossa rajat valvotaan ajon aikana, ihminen hyväksyy merkittävät toimet, tulokset tarkistetaan riippumattomasti, tietoturva testataan ja yksikkötalous mitataan.
Edistynyt
10 min lukemistaTekoälyn yhdistäminen sähköpostiin, kalenteriin ja CRM-järjestelmään turvallisesti
Riskiperusteinen opas tekoälyn yhdistämiseen sähköpostiin, kalenteriin ja CRM-järjestelmään vähimmäisoikeuksien, hyväksyntäporttien, suojattujen auditointitietojen, negatiivisten testien ja palautuspolkujen avulla.
Keskitaso
8 min lukemistaSaapuneet-kansio tyhjäksi tekoälyn avulla: realistinen sähköpostityönkulku
Käytännöllinen ja toistettava järjestelmä sähköpostien lajitteluun, luonnosteluun ja seurantaan tekoälyn avulla niin, ettei hyväksymätön työkalu pääse postilaatikkoosi eikä lähetä viestejä tarkistamatta.
Aloittelija
10 min lukemistaMCP muille kuin kehittäjille: yhdistä Claude tai Cursor työkaluihisi
Käytännön johdatus MCP:hen: varmista asiakasohjelman tuki, asenna yksi virallinen paikallinen palvelin, rajaa sen tiedostojärjestelmäoikeudet ja testaa sekä sallitut että estetyt toiminnot ennen oikeiden tilien lisäämistä.
Keskitaso
12 min lukemistaMuistin rakentaminen pitkäkestoisille agenteille
Pitkäkestoiset agentit tarvitsevat hallitun pysyväistallennuksen: tietojen alkuperän, vahvistamisen, asiakasympäristöjen eristyksen, hakutestit, säilytysajat, korjaukset ja todennettavan poiston.
Edistynyt
10 min lukemistaMonen mallin orkestrointi: reititys kustannuksen, viiveen ja laadun perusteella
Eri tehtävien reitittäminen eri malleille voi vähentää kustannuksia tai viivettä. Vain työkuormakohtainen arviointi osoittaa, kannattaako lisääntynyt monimutkaisuus. Tässä artikkelissa käsitellään toimintamallit, mittarit ja virhetilanteet.
Keskitaso
11 min lukemistaUudelleenkäytettävien kehotekirjastojen rakentaminen: katkelmista yhteisiin mallipohjiin
Kun sama tekoälyavusteinen tehtävä toistuu, kehotekirjasto voi tehdä työnkulusta helpommin toistettavan ja arvioitavan. Käytännön järjestelmä mallipohjien tallentamiseen, testaamiseen, versiointiin ja jakamiseen.
Keskitaso
190 minuuttiaLangGraphin täysi aloittelijakurssi – monimutkaiset tekoälyagentit Pythonilla
freeCodeCamp.org. Pitkä rinnalla koodattava kurssi käy läpi LangGraphin tilagraafit, solmut, reunat, ehdollisen reitityksen, tarkistuspisteet ja työkalujen käytön. Sen jälkeen tyypitetyn tilan ja näkyviksi määriteltyjen siirtymien merkitys on helpompi suhteuttaa CrewAI:hin ja suoraan API-koodiin.
Edistynyt
66 minuuttiaCrewAI-opastus: kattava pikakurssi aloittelijoille
aiwithbrandon. Kurssi näyttää vastaavan toteutuksen CrewAI:n rooli, tavoite ja tausta -mallilla: agentit kuvataan tiimin jäseninä, tehtävillä on määritellyt tuotokset ja kehys piilottaa osan suorituslogiikasta. LangGraph-kurssiin vertaaminen tekee näkyväksi, kuinka paljon kumpikin kehys päättää kehittäjän puolesta.
Edistynyt
15 minuuttiaNäin rakennamme tehokkaita agentteja: Barry Zhang, Anthropic
AI Engineer. Barry Zhang kolmesta säännöstä — älä rakenna agenttia, kun työnkulku riittäisi, pidä silmukka mahdollisimman yksinkertaisena ja ”ajattele kuin agenttisi” (istu sen konteksti-ikkunassa ja huomaa, että se tekee päätöksiä pimeässä kuvakaappausten välillä). Yksinkertaisuusargumentti ja ”onko tämä tehtävä edes agentin arvoinen” -tarkistuslista ovat tasan kuri, jota artikkeli vaatii.
Edistynyt
18 minuuttiaVinkkejä tekoälyagenttien rakentamiseen
Anthropic. Kolme Anthropicin insinööriä käy läpi yleisimmät sudenkuopat, joita he näkevät — agentit, jotka eivät tiedä milloin lopettaa, ylikehottaminen järjestelmäkehotteessa ympäristön korjaamisen sijaan, moniagenttisuunnittelujen kustannus, joita kukaan ei todella tarvinnut. Hyödyllinen heti Barryn puheen jälkeen; tunnistat samat mallit eri kulmasta.
Edistynyt
31 minuuttiaNäin rakennat tekoälyasiakastukiagentin n8n:llä (ilmainen malli)
Bart Slodyczka. n8n-työnkulku yhdistyy helpdesk-tuotteisiin, luonnostelee vastauksia haetusta aineistosta ja muuttaa ratkaistuja tukipyyntöjä tietopohjasisällön ehdokkaiksi. Lisää ennen tuon tuontimallin käyttöä ihmisen hyväksyntä, henkilötietojen ja salaisuuksien peittäminen, alkuperäisen tukipyynnön ja sisältöversion säilyttäminen alkuperätietona sekä hakutestit erillisellä tukipyyntöjoukolla.
Keskitaso
231 minuuttiaNäin rakennat ja myyt tekoälyagentteja: lopullinen aloittelijan opas
Liam Ottley. Kurssi käsittelee RAG-pohjaisia chatbotteja, eskalointilogiikkaa ja Botpressin, Voiceflow'n, Maken ja n8n:n kaltaisiin työkaluihin perustuvaa kooditonta pinoa. ”Agentin anatomia” -osuus antaa konkreettisen toteutuksen, jota voi verrata artikkelin luokittelu → näyttö → ehdotettu toiminto → käytäntöportti → siirto -vastuualueisiin.
Keskitaso
23 minuuttiaRakensin tutkimusagenttitiimin uutiskirjeen automatisointiin n8n:llä (ilman koodia)
Nate Herk | AI Automation. Video käy läpi peräkkäisen usean agentin uutiskirjetyönkulun n8n:ssä. Suunnittelija, tutkijat, toimittaja ja otsikoija ottavat syötteeksi aiheen ja yleisön ja tuottavat lähteistetyn uutiskirjeen. Katselumäärä jää alle tavallisen 100 000:n rajan, mutta tässä kapeassa koodittomien moniagenttiuutiskirjeiden aiheessa video on yksi selkeimmistä ja kattavimmista YouTube-oppaista ja vastaa suoraan artikkelin katsausmallia.
Keskitaso
24 minuuttiaJohdatus Operatoriin ja agentteihin
OpenAI. Operatorin julkaisudemossa tiimi varaa ravintoloita, tilaa ruokaostoksia ja ostaa tapahtumalippuja. Demo näyttää myös, kuinka Operator juuttuu uudelleenohjaukseen tai siirtää ohjauksen ihmiselle kirjautumisen yhteydessä. Se havainnollistaa käytännössä kuvakaappauksiin ja napsautuksiin perustuvan toimintasilmukan, järjestelmän tilaa muuttavia toimia edeltävät vahvistukset ja kehotesyötteiden suojaukset, joihin artikkelin odotukset perustuvat.
Keskitaso
2 minuuttiaClaude | Computer use – tehtävien orkestrointi
Anthropic. Anthropic näyttää kahdessa minuutissa, kuinka Claude suunnittelee pienen sovellusten välisen tehtävän: tekee verkkohaun, tarkistaa Mapsin ja lisää kalenterikutsun käyttämällä työpöytää suoraan. Video täydentää alla olevaa Operator-demoa, joka toimii pilviselaimessa, ja havainnollistaa artikkelin väitettä, että tietokoneenkäyttöagentteja kannattaa arvioida lyhyissä ja tarkasti rajatuissa tehtävissä avoimen työn sijaan.
Keskitaso
5 minuuttiaClaude on ottanut koneeni hallintaansa...
Fireship. Selkein lyhyt selitys YouTubessa kuvakaappaus–toiminto–kuvakaappaus -silmukasta, mukaan lukien rehelliset epäonnistumistavat (Claude harhautuu katsomaan Yellowstonea, token-kulutus, viive per askel). Fireship on kevyt tuotantoyksityiskohdista tarkoituksella — lue artikkeli niistä — mutta se jättää oikean intuition siitä, miksi nämä järjestelmät ovat kalliita ja hauraita, ennen kuin sitoutat yhden pinoosi.
Edistynyt
8 minuuttiaAnthropicin Claude Computer Use muuttaa pelin | YC Decoded
Y Combinator. Garry Tan käy läpi, mitä tietokoneen käyttö todella muuttaa ohjelmiston automatisoimattomalle pitkälle hännälle — legacy-sovellukset, sisäiset portaalit, kaikki ilman API:a. Kehys täällä on tasan artikkelin ”selain on universaali käyttöliittymä” -argumentti, liiketoiminnallisesti realistisemmalla näkemyksellä siitä, missä se maksaa itsensä takaisin ensin.
Edistynyt
26 minuuttiaNollasta ensimmäiseen tekoälyagenttiin 25 minuutissa (ilman koodausta)
Futurepedia. Video rakentaa n8n-agentin alusta yhdessä istunnossa ja pysähtyy selittämään, mitä agentti tarkoittaa, miten se eroaa lineaarisesta työnkulusta ja mihin suojamekanismit kuuluvat. Sen jälkeen tunnistat artikkelin kaavion solmut ja ymmärrät, millaiset lähtöasetukset ovat kohtuullisia.
Keskitaso
92 minuuttian8n-mestarikurssi: rakenna tekoälyagentteja ja automatisoi työnkulkuja
Nate Herk | AI Automation. Mestarikurssi menee Futurepedian johdantoa syvemmälle ja käsittelee muistia, usean agentin asetelmia, virheenkäsittelyä ja todellisia liiketoimintatyönkulkuja. Se sopii jatkoksi, kun liidien esikarsinta-agentti toimii ja haluat laajentaa sitä.
Keskitaso
30 minuuttiaNäin käytät Zapieria: perusteet, jotka sinun tulee tietää
Tom Nassr | XRAY. Käy läpi, mikä Zap oikeasti on, miten triggerit ja actionit sopivat yhteen, ja miten rakennat toimivan Google Sheets → Slack -automaation alusta — juuri sen mentaalimallin, jonka tarvitset ennen tekoälyn lisäämistä sekaan. Kierros käy myös Zapier Tablesin, Interfacesin ja AI-ominaisuuksien läpi, jotta saat tuntuman siitä, mitä laatikossa on.
Aloittelija
12 minuuttiaAutomatisoi kaikki Zapier AI Agentsilla (askel askeleelta aloittelijoille)
Kevin Stratvert. Rakentaa agentin alusta, joka tarkistaa myöhässä olevat laskut Google Sheetsissä ja lähettää Gmail-muistutuksia — sama "tekoäly lukee asian, sitten tekee asian" -muoto kuin artikkelin Gmail → AI → Slack -rakennuksessa. Triggerit, aikataulut, työkalut, testiajo oikealla datalla ja aktiviteettihistoria näytetään kaikki — juuri se checklist, jonka artikkeli haluaa sinun käyvän läpi ennen minkään automaation luottamista.
Aloittelija
7 minuuttiaMuisti agenteille (käsitteellinen video)
LangChain. Lyhyt ja kooditon esitys lyhyt- ja pitkäaikaisen muistin erosta, kolmesta tavallisesta pitkäaikaisen muistin muodosta (ohjeet, profiili ja olioluettelo) sekä siitä, kirjoitetaanko muisti pääkäsittelypolulla vai taustalla. Artikkelin muistiarkkitehtuuri perustuu samaan jaotteluun.
Edistynyt
44 minuuttiaAivojen kaltaisen muistin rakentaminen tekoälylle | LLM-agenttien muistijärjestelmät
Adam Lucek. Pidempi toteutusesitys kognitiotieteestä johdetuista muistiluokista, kuten episodisesta, semanttisesta, työ- ja menettelymuistista, jotka liitetään agenttiin koodissa. Katso se LangChainin käsitteellisen videon jälkeen, jos haluat vahvemmin kantaa ottavan ajattelumallin ja toimivan esimerkin sovellettavaksi.
Edistynyt
19 minuuttiaJokainen tekoälymalli selitettynä
Tina Huang. Video jäsentää mallimaisemaa tasoittain: lippulaivamalleihin, kevyisiin malleihin, keskitason malleihin ja erikoistuneisiin malleihin. Konkreettiset esimerkit auttavat arvioimaan, mihin kukin taso sopii. Huang käsittelee kustannuksen ja kyvykkyyden suhdetta ilman, että päätös perustuu vain vertailutulosten hypetykseen.
Keskitaso
9 minuuttiaRouteLLM saavuttaa 90 % GPT-4o:n laadusta JA on 80 % HALVEMPI
Matthew Berman. Video käy läpi LMSYS RouteLLM -artikkelin ja koodin. Pieni luokittelija valitsee vahvan ja heikomman mallin välillä. Videolla käsitellyssä tutkimusasetelmassa reititin saavutti noin 95 % vahvan mallin laadusta selvästi pienemmin kustannuksin. Katselumäärä jää tavanomaisen 100 000 katselukerran kynnyksen alle, mutta video näyttää konkreettisen mallireitityksen pelkän mallivertailun sijasta.
Keskitaso
10 minuuttian8n vs Make: älä valitse väärää (2025)
Jack Roberts. Työtä tekevä automaatiorakentaja nimeää kolme näkökohtaa, jotka todella ohjaavat valintaa — natiivit tekoälyagentit, itse isännöinti ja kunkin työkalun pitkäaikainen tiekartta — mukaan lukien muistiinpanoja keskustelusta Maken Applied AI -johtajan kanssa siitä, mihin Make on menossa. Peilaa läheisesti artikkelin ”älä vaihda vain kiiltävän uutuuden takia” -kehystä.
Keskitaso