19 minuuttiaJokainen tekoälymalli selitettynä
Vertaa lippulaiva-, lite-, keskitason ja erikoistuneita malleja, jotta reitityspäätökset perustuvat tehtävän sopivuuteen, kustannukseen ja viiveeseen brändimieltymyksen sijaan.
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.
Tämä on lyhyt ominaisuusdemo, ei käyttöönotto-ohje. Älä siirrä mallia tuotantoon ilman hiekkalaatikkoa, käyttäjätilien eristämistä, lokitusta ja käyttäjän nimenomaista hyväksyntää järjestelmän tilaa muuttaville toimille.
Vertaa työpöytää käyttävän agentin toimintaa pelkässä selaimessa toimivaan agenttiin.
Lue ensin saateartikkelin tietoturvaosio. Alla oleva Operator-demo täydentää kuvaa selainpuolen toiminnasta.
Viimeksi tarkistettu: 14.8.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
19 minuuttiaVertaa lippulaiva-, lite-, keskitason ja erikoistuneita malleja, jotta reitityspäätökset perustuvat tehtävän sopivuuteen, kustannukseen ja viiveeseen brändimieltymyksen sijaan.
107 minuuttiaOpettele tuotteen rakentajan arviointisilmukka: tarkasta jäljet, merkitse epäonnistumiset, määrittele kriteerit, testaa muutokset ja vertaa ihmisarvioon.
211 minuuttiaYmmärrä moderni LLM-pino riittävän hyvin päätelläksesi tokeneista, koulutuksesta, työkaluista ja epäonnistumisista.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Anthropic Academy
MCP on protokolla, joka hiljalleen korvaa yksittäiset työkalujen integraatiot AI-työkalujen ekosysteemissä. Opiskele sitä lähteestä. Lopussa olet rakentanut ja asentanut omansa MCP-palvelintaan, yhdistänyt LLM-asiakkaan siihen ja ymmärtänyt miksi tämä standardi on lähimmätä USB-C:ään kentässä.
João Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging Face
Selkein avoimen lähdekoodin käsittely agentin järjestelmiä koskevista aiheista. Perustuu kolmeen kehittäjät todella arvioivat kehystymiin (smolagents, LlamaIndex, LangGraph) eikä yhden toimittajan pilveen. Päätyy vertailutestin tehtävään ja julkiseen pisteidenlistaukseen — vastuu, jonka tiiminne voi tarkistaa.