Dulu saya pikir AI pribadi berarti obrolan pribadi.
Kemudian saya mengajukan pertanyaan yang lebih sulit.
Di mana sebenarnya pekerjaan itu terjadi?
Dengan banyak agen mainstream, jawabannya adalah jarak jauh.
Berkas diunggah.
Kode dijalankan di tempat lain.
Data kerja meninggalkan rumah.
Saya rasa itu menciptakan risiko lembut.
Obrolan pribadi mungkin masih bergantung pada eksekusi alat jarak jauh.
Dalam hal ini, saya rasa @OpenGradient mengambil rute lain.
Lokal.
Berbasis browser.
Praktis.
OpenGradient Chat [chat.opengradient.ai] menyebut ini Agen Lokal.
Ia berjalan di dalam sandbox browser.
Halaman resminya mengatakan Python dieksekusi di perangkat pengguna.
Ia bisa menganalisis berkas, membuat candlestick, menguji kode, membuat dokumen, membangun aplikasi, dan menunjukkan pratinjau langsung secara lokal.
Perubahan kunci adalah lokasi
Lebih dekat.
Terlihat.
Dikendalikan pengguna.
Dalam penggunaan kehidupan nyata,
Peneliti dapat memeriksa data pribadi secara lokal.
Pengembang dapat menguji kode di dekatnya.
Analis dapat membersihkan berkas terlebih dahulu.
Tim dapat menyusun laporan sensitif secara lokal.
Berkas dan ruang kerja tetap di perangkat.
Itu mengurangi pergerakan data yang tidak perlu.
Folder mentah sering menyimpan konteks tersembunyi.
Nama, catatan, rumus, dan ide yang belum selesai mungkin duduk bersama.
Satu unggahan ceroboh dapat mengungkapkan lebih dari yang diharapkan.
Namun, masih ada batasan. Saya rasa begitu.
Permintaan.
Meninggalkan.
Panggilan model masih meninggalkan perangkat.
OpenGradient mengatakan panggilan tersebut melewati relai OHTTP dan enclave yang aman.
OHTTP didefinisikan dalam RFC 9458.
Ia meneruskan pesan HTTP terenkripsi.
Ia juga mengurangi tautan langsung antara pengguna dan server asal.
Jadi, ini bukan penggunaan offline penuh.
Pengguna harus meninjau apa yang masuk dalam setiap permintaan model.
Pekerjaan sensitif masih membutuhkan penilaian.
Cek praktis:
Tanya di mana kode dijalankan.
Tanya apa yang meninggalkan.
Cek apa yang diterima model.
Kemudian pilih tugas yang tepat.
Percakapan pribadi dapat mengurangi eksposur sekitar apa yang Anda katakan.
Perhitungan pribadi menjaga lebih banyak proses kerja Anda tetap lokal.
Keduanya. Perlu.
Lihat, saya rasa itu adalah pergeseran nyata.
Agen Lokal mengubah di mana pekerjaan terjadi, sementara permintaan model masih meninggalkan melalui rute yang dilindungi.
OBROLAN PRIBADI MELINDUNGI PERCAKAPAN.
PERHITUNGAN PRIBADI MELINDUNGI PEKERJAAN.
#opg $OPG $TNSR $SOL
Kemudian saya mengajukan pertanyaan yang lebih sulit.
Di mana sebenarnya pekerjaan itu terjadi?
Dengan banyak agen mainstream, jawabannya adalah jarak jauh.
Berkas diunggah.
Kode dijalankan di tempat lain.
Data kerja meninggalkan rumah.
Saya rasa itu menciptakan risiko lembut.
Obrolan pribadi mungkin masih bergantung pada eksekusi alat jarak jauh.
Dalam hal ini, saya rasa @OpenGradient mengambil rute lain.
Lokal.
Berbasis browser.
Praktis.
OpenGradient Chat [chat.opengradient.ai] menyebut ini Agen Lokal.
Ia berjalan di dalam sandbox browser.
Halaman resminya mengatakan Python dieksekusi di perangkat pengguna.
Ia bisa menganalisis berkas, membuat candlestick, menguji kode, membuat dokumen, membangun aplikasi, dan menunjukkan pratinjau langsung secara lokal.
Perubahan kunci adalah lokasi
Lebih dekat.
Terlihat.
Dikendalikan pengguna.
Dalam penggunaan kehidupan nyata,
Peneliti dapat memeriksa data pribadi secara lokal.
Pengembang dapat menguji kode di dekatnya.
Analis dapat membersihkan berkas terlebih dahulu.
Tim dapat menyusun laporan sensitif secara lokal.
Berkas dan ruang kerja tetap di perangkat.
Itu mengurangi pergerakan data yang tidak perlu.
Folder mentah sering menyimpan konteks tersembunyi.
Nama, catatan, rumus, dan ide yang belum selesai mungkin duduk bersama.
Satu unggahan ceroboh dapat mengungkapkan lebih dari yang diharapkan.
Namun, masih ada batasan. Saya rasa begitu.
Permintaan.
Meninggalkan.
Panggilan model masih meninggalkan perangkat.
OpenGradient mengatakan panggilan tersebut melewati relai OHTTP dan enclave yang aman.
OHTTP didefinisikan dalam RFC 9458.
Ia meneruskan pesan HTTP terenkripsi.
Ia juga mengurangi tautan langsung antara pengguna dan server asal.
Jadi, ini bukan penggunaan offline penuh.
Pengguna harus meninjau apa yang masuk dalam setiap permintaan model.
Pekerjaan sensitif masih membutuhkan penilaian.
Cek praktis:
Tanya di mana kode dijalankan.
Tanya apa yang meninggalkan.
Cek apa yang diterima model.
Kemudian pilih tugas yang tepat.
Percakapan pribadi dapat mengurangi eksposur sekitar apa yang Anda katakan.
Perhitungan pribadi menjaga lebih banyak proses kerja Anda tetap lokal.
Keduanya. Perlu.
Lihat, saya rasa itu adalah pergeseran nyata.
Agen Lokal mengubah di mana pekerjaan terjadi, sementara permintaan model masih meninggalkan melalui rute yang dilindungi.
OBROLAN PRIBADI MELINDUNGI PERCAKAPAN.
PERHITUNGAN PRIBADI MELINDUNGI PEKERJAAN.
#opg $OPG $TNSR $SOL