Wie kann ich eine Content-Engine bauen?

Es gibt zwei Wege dazu:

1. Eigens von mir erstellter Content
2. Kuration und Bewertung von bestehenden Content.

Heute geht es um die Kuration und Bewertung von bestehenden Content.

In diesem Post, habe ich mir ein Profil erstellt, das auf meine Besonderheiten hinweist und aus meinem Blickwinkel antworten soll. Ich warte noch auf die neue Version von CrewAI um Agenten zu bauen. In den letzten Tagen habe ich das in der „altmodischen Version“ mit Prompts probiert. Das beschreibt dieser Post.

Das Ziel: Ein Klick auf einen Content Artikel den ich sehr interessant finde und der Rest soll automatisch passieren.

Workflow:

1. Aufbau einer Content Strategy
2. Auswahl eines Artikels in Feedly
3. Zuordnung eines Artikels zu einem Wochentag
4. Zusammenfassung des Artikels über Perplexity
5. Bewertung des Artikels aus drei Perspektiven aus dem Profil von mir
6. Entwicklung von Strategie Fragen von zu jeder Perspektive mit dem Ansatz von Roger Martin
7. Übertrag der Antworten in Airtable
8. Freigabe des Textes
9. Posten des Textes in eine Queue (LinkedIN, Twitter, Mastodon, BlueSky) zu den Wochentagen

Content-Strategie für die Kuration von Texten:

Ich poste jeden Tag eine kurze Bewertung für die verschiedenen KI-Themen Felder.

Al-Business
Al-Learning
Al-Start
Al-Technology -> z.B Montag
Al-Tools -> z.B Dienstags
Al-UseCases

Feedly

Ich klicke in Feedly, einem Tool um sich den neuesten Content in verschiedenen Bereichen anzeigen zu lassen, nach dem Lesen auf ein Board und der Rest läuft danach automatisch.

Umsetzung in Make.com

Feedly löst einen Trigger in Make aus, dann startet der Workflow.

Hier ist eine schrittweise Erklärung des Workflows:

1. Feedly (2): Der Workflow beginnt mit Feedly, einer Anwendung zum Sammeln von Nachrichten für verschiedene Webbrowser und mobile Geräte mit iOS und Android. Dieser Schritt prüft auf neue Artikel in einem Board innerhalb von Feedly, speziell dem Board „AI-Technology“.
2. Feedly Zusammenfassung (3,4): Hierbei wird der Text auf ein Json Format gebracht, für den Systemprompt , damit der http Request keine Sonderzeichen im Text hat.
3. LPerplexity (4): In diesem Schritt wird der User Prompt ins Json Format gebracht.
4. Perplexity (6): Dieses Modul macht eine Analyse des Artikels über den Perplexity-Service
5. Bewertung 1:2 (7): In diesem Schritt wird der Artikel bewertet. Zudem werden drei persönliche Gedanken von mir zum Artikel entwickelt und für die nächste Verarbeitung vorbereitet.
6. Iterator (8): Diese drei Gedanken werden aufgesplittet, hier kommen die LLMs an die Grenze wenn soviele Token und Anweisungen benutzt werden
7. Bewertung 2:1 (9): Hier setze eine schrittweise Bewertung des ersten Gedankens an, im Blick auf Roger Martins Ansatz. Was müsste passieren?
8. JSON (10) und JSON (2): Hier teste ich auf ein Output im Json Format, das kann man auch direkt in einem Funktionsaufruf machen, ich wollte etwas testen.
9. Router (3): Ich möchte jede Antwort in eine spezielle Zelle von Airtable bringen, deshalb splitte ich und filtere ich nach den Antworten in der Numerierung
10. Airtable (5, 5, 5): Hier werden die Gedanken einsortiert.

Wie sehen die Ergebnisse aus?

Ich habe in dem Workflow viel mit Mixtral über OpenRouter.ai ausprobiert, die Ergebnisse mit OpenAI sind besser, so das ich zu dieser auch kritischen Betrachtung mit OpenAI besser fahre.

Zusammenfassung des Artikels über Perplexity

Google hat kürzlich einen neuen AI-Modus namens Goose für seine Mitarbeiter eingeführt, um sie beim Schreiben von Code zu unterstützen und das Produktionsprozess zu beschleunigen. Goose besitzt weitreichende Fähigkeiten, wie das Generieren von Code mittels interne Tech Stacks, Bearbeitung von Codeanfragen basierend auf natürlichen Spracheingaben und das Editieren von Code. Diese Maßnahme veranschaulicht Googles Integration von KI in ihre Geschäftsabläufe, insbesondere, um die Effizienz und Produktivität seiner Arbeitskräfte zu erhöhen.

In dieser Zusammenfassung der ursprünglichen Artikel aus indiatoday.in und weiteren Quellen:

– Google startet den Einsatz einer neuen AI-Technologie namens Goose, die dazu geschaffen ist, Mitarbeiter beim Schreiben von Code zu unterstützen und das Produktentwicklungsverfahren zu verbessern.
– Goose ist speziell für Google entwickelt und setzt auf internationale Erkenntnisse aus 25 Jahre Softwareentwicklungs-Expertise von Google auf.
– Der AI-Modus kann Code mithilfe interne Technologiestack-basierter Daten erzeugen und bearbeiten, natürlichsprachliche Anfragen zu Kodeingabe bearbeiten und Inhalte bearbeiten basierend auf natürliche Sprache.
– Goose steht im Fokus aufgrund ihrer Ziele, die Produktivität von Google-Mitarbeitern bezüglich Code-Entwicklung und -Optimierung zu verbessern.
– Google betont kontinuierliche Verbesserungen in Bezug auf ihre Operationen und den Einsatz von AI.
– Goose ist ähnlich einer „Cheat Sheet“ im Sinne einer Hilfe bei Aufgabenlösung, indem sie AI zum Schreiben von Code, zur Bearbeitung von Kodexingabe basierend auf natürliche Spracheingaben und zum Ändern von Code zu ermöglichen.

Die Zusammenfassung basiert auf den ursprünglichen Quelle und einer handelt von:

– Problemen Lösen mit AI zu helfen.
– Text-Summarierung und Zusammenfaßung
– Google’s erschaffweis, featherunde sie Informationen aus jederzeit, wenn sie Suchmaschinen.

Ziel: zu diesem/einem Artikel die passenden Perspektiven auswählen und diese dann bewerten abschließend in der Strategie Perspektive weiter ausformulieren

Meine drei Bewertungen über die OpenAI KI erstellt:

Der Artikel zeigt eindrucksvoll, wie Google seine Pionierarbeit und Innovationsführerschaft im Bereich der Künstlichen Intelligenz (KI) durch die Einführung von Goose, einem neuen AI-Modus zur Unterstützung des Code-Schreibens, demonstriert. Die Nutzung von Goose, die auf Googles umfassender Softwareentwicklungs-Expertise aufbaut, reflektiert die Hingabe des Unternehmens zur kontinuierlichen Verbesserung seiner Operationen und zur Erhöhung der Produktivität seiner Mitarbeitenden durch innovative Technologien. ####

📈 Der Artikel verdeutlicht Googles Bestrebungen, seine Organisation und Mitarbeitenden durch den Einsatz von Technologien wie Goose zu unterstützen und gleichzeitig ein starkes Bewusstsein für die Bedeutung ethischer Überlegungen im Umgang mit KI zu fördern. Dieses Engagement zeigt die Balance zwischen der Förderung von Innovation und der ethischen Verantwortung, die Google in seinen Geschäftspraktiken zu wahren sucht. ####

💡 Bezüglich der Innovationsansätze bietet der Artikel interessante Einblicke in die spezifischen Funktionen von Goose, wie das Generieren und Editieren von Code basierend auf natürlicher Spracheingabe, was auf eine hochentwickelte Integration von KI in den Softwareentwicklungsprozess hinweist. Der Artikel legt jedoch nicht detailliert die damit verbundenen Geschäftsergebnisse oder Erfolge dar, lässt jedoch die signifikante Rolle erahnen, die solche Technologien in der Optimierung der Produktentwicklungsverfahren spielen können. ####Der Prompt hatte die Aufgabe, aus meinen Perspektiven die ich anbieten kann, die drei Perspektiven herauszusuchen, die am besten zu diesem Artikel passen.

Auszug aus dem Prompt, welche Fragen ich stellen würde: