Repositori Open Source Ini Baru Saja Menyelesaikan Masalah Terbesar Claude Code
CChase AI
컴퓨터/소프트웨어창업/스타트업AI/미래기술
Transcript
00:00:00Graphify baru saja memecahkan masalah memori Claude Code.
00:00:03Alat ini mampu mengubah repositori apa pun menjadi knowledge graph yang luar biasa,
00:00:06seperti yang Anda lihat di sini.
00:00:08Dan dalam prosesnya, alat ini memungkinkan Claude Code memberikan jawaban yang lebih akurat
00:00:12dengan biaya token yang jauh lebih hemat.
00:00:14Alat ini mampu melakukannya dengan menelusuri seluruh basis kode Anda,
00:00:17memetakan semua koneksi, dan memahami alasan di balik koneksi tersebut.
00:00:21Dan bagian terbaiknya adalah, ini juga open source dan sepenuhnya gratis.
00:00:24Jadi hari ini, saya akan menunjukkan cara Anda bisa mencobanya sendiri
00:00:27dan apa yang sebenarnya terjadi di balik layar,
00:00:30sehingga Anda bisa mulai memanfaatkannya segera.
00:00:32Graphify muncul beberapa bulan yang lalu.
00:00:34Sudah mendapatkan hampir 60.000 bintang.
00:00:36Dan fungsinya adalah memungkinkan asisten coding AI Anda,
00:00:39tidak harus Claude Code, tapi itulah yang akan kita gunakan hari ini,
00:00:41untuk memetakan seluruh proyek, kode, dokumen, PDF, gambar, dan video Anda
00:00:45ke dalam knowledge graph yang bisa Anda kueri alih-alih melakukan grep melalui file.
00:00:49Jadi, kita bisa menggunakan Graphify dan mengarahkannya ke repositori mana pun yang kita inginkan,
00:00:54dan ia membuat semacam knowledge graph.
00:00:55Alasan kita peduli dengan hal ini adalah ketika kita membuat knowledge graph,
00:01:00itu memungkinkan Claude Code untuk lebih mudah menjawab pertanyaan tentang repositori tersebut
00:01:04karena semuanya sudah dipetakan.
00:01:06Sangat jelas bagaimana A terhubung ke B, bagaimana B terhubung ke C,
00:01:09dan mengapa koneksi tersebut penting.
00:01:11Hal ini kontras dengan melakukan grep melalui file,
00:01:13yang merupakan cara kerja asisten coding AI seperti Claude Code biasanya.
00:01:16Analogi sederhananya, ini seperti hanya melakukan Control-F
00:01:19dan mencoba mencarinya, dibandingkan memiliki jalur yang dipetakan dengan jelas tentang bagaimana semuanya berjalan, bukan?
00:01:25Ini memberikan Claude Code peta, sementara melakukan grep melalui file sama sekali tidak memberikannya.
00:01:29Jadi karena itu, biaya tokennya lebih murah untuk mendapatkan jawaban yang lebih akurat dengan sesuatu seperti Graphify.
00:01:35Sekarang, seberapa signifikan penghematan token tersebut?
00:01:37Yah, beberapa orang mengklaim hingga 70x, yang menurut saya agak terlalu tinggi.
00:01:41Dan seperti yang akan Anda lihat saat kita mendemokannya hari ini,
00:01:42hasilnya sedikit lebih rendah dari 70x, tapi tetap signifikan.
00:01:45Jadi itulah alasan mengapa Anda harus peduli.
00:01:47Sekarang mari kita bicara tentang cara kerjanya.
00:01:48Bagaimana kita bisa beralih dari basis kode ke semacam knowledge graph seperti ini,
00:01:51yang terlihat sangat, sangat mirip dengan sesuatu seperti basis pengetahuan graph RAG.
00:01:56Apakah keduanya sama?
00:01:56Bagaimana hubungannya dengan RAG?
00:01:57Kita akan membahasnya.
00:01:58Yah, cara kerjanya adalah melalui tiga tahap berbeda.
00:02:00Pada tahap pertama, kita melihat struktur kode,
00:02:03dan ini sepenuhnya gratis.
00:02:05Semua yang Anda lihat di sini, ini hanya melalui tahap satu.
00:02:09Ini deterministik.
00:02:10Ini bukan AI yang sedang melakukan permainan tebak-tebakan.
00:02:12Ia benar-benar memeriksa kode itu sendiri dan mengatakan,
00:02:15bagian kode ini berhubungan dengan potongan kode kedua ini.
00:02:18Dan begitulah cara basis kodenya ditulis.
00:02:20Ini adalah koneksi yang sudah mapan.
00:02:22Seperti yang tertulis di sini, tree sitter mem-parse file kode Anda dan mengekstrak kelas,
00:02:26fungsi, impor, grafik panggilan, dan komentar inline.
00:02:29Ini berjalan secara lokal tanpa melibatkan LLM.
00:02:31Pada tahap nomor dua, ia melihat video dan audio,
00:02:34jika file tersebut ada.
00:02:36Dan jika ada, mereka akan ditranskripsi dengan faster whisper.
00:02:39Jadi setelah mereka dipecah menjadi teks,
00:02:41mereka juga akan dimasukkan ke dalam knowledge graph.
00:02:44Terakhir, ia melakukan tahap ketiga pada dokumen, makalah, dan gambar.
00:02:47Jadi jika basis kode Anda mencakup hal-hal yang bukan kode sebenarnya,
00:02:50apakah itu hanya file PDF, dokumentasi, gambar, apa pun itu,
00:02:54ini diproses pada tahap ketiga.
00:02:56Dan di sinilah model bahasa besar sebenarnya masuk
00:02:58dan melakukan semacam analisis semantik,
00:03:00alias apa sebenarnya arti dokumen ini
00:03:03dan di mana seharusnya dokumen itu masuk ke dalam knowledge graph yang lebih besar ini?
00:03:06Tahap ketiga ini agak mirip tanpa embedding yang sebenarnya
00:03:10dengan apa yang dilakukan sistem RAG.
00:03:12Setelah melakukan semua itu,
00:03:13ia kemudian mulai membuat knowledge graph itu sendiri.
00:03:17Ini masuk ke detail yang sedikit lebih teknis di sini,
00:03:19tetapi yang perlu Anda pahami adalah ia akan membuat simpul (node),
00:03:23simpul, yaitu lingkaran-lingkaran kecil ini, bukan?
00:03:26Masing-masing lingkaran ini adalah sebuah simpul.
00:03:28Kita kemudian memiliki tepi (edge), yaitu garis di antara dua simpul,
00:03:33dua hal yang terhubung, dan kemudian komunitas.
00:03:35Komunitas hanyalah pengelompokan besar simpul
00:03:38yang memiliki sifat serupa.
00:03:39Apa yang Anda lihat di sini adalah 486 komunitas.
00:03:43Jadi itulah gambaran tentang bagaimana data sebenarnya diekstraksi
00:03:46dan diubah menjadi grafik.
00:03:47Dan ingat, kita peduli dengan mengubahnya menjadi grafik
00:03:49karena untuk semua tujuan praktis,
00:03:51ini adalah peta bagi Claude Code,
00:03:52sehingga ia dapat menjawab pertanyaan dengan lebih cepat.
00:03:54Sekarang, Anda mungkin memiliki beberapa pertanyaan saat ini.
00:03:56Pertama, bagaimana jika tidak ada struktur kode?
00:03:58Bagaimana jika saya mengarahkannya ke repositori yang penuh dengan file markdown?
00:04:01Ini seperti sekumpulan dokumen
00:04:02yang ingin saya buatkan knowledge graph-nya
00:04:03dan saya tidak ingin menggunakan RAG penuh.
00:04:05Bisakah saya melakukan itu?
00:04:05Ya.
00:04:06Bahkan, Anda sebenarnya bisa mengubahnya menjadi vault Obsidian
00:04:08melalui Graphify.
00:04:09Kita akan membicarakannya sedikit di bagian akhir.
00:04:11Pertanyaan kedua yang mungkin Anda miliki adalah,
00:04:13ya, ini sebenarnya terlihat sangat mirip
00:04:15dengan sesuatu seperti GraphRAG.
00:04:17Apa sebenarnya perbedaannya
00:04:18dan kapan saya harus menggunakan yang satu atau yang lain?
00:04:21Yah, perbedaan terbesar antara Graphify
00:04:23dan sistem GraphRAG seperti LightRAG
00:04:25atau RAGanything atau Microsoft GraphRAG
00:04:28adalah embedding-nya, bukan?
00:04:29Graphify tidak menggunakan sistem embedding apa pun sama sekali.
00:04:33Perbedaan terbesar kedua adalah kasus penggunaannya.
00:04:35Jadi Graphify adalah yang terbaik dan kita mendapatkan hasil maksimal darinya
00:04:37ketika kita berbicara tentang basis kode.
00:04:39Tetapi jika kita melihat repositori yang sangat besar,
00:04:40baik itu repositori baru atau yang sudah kita kerjakan
00:04:42dan kita ingin mengetahui bagaimana cara kerjanya,
00:04:44Graphify sempurna untuk itu.
00:04:46GraphRAG, di sisi lain,
00:04:48sangat bagus untuk sesuatu yang lebih tidak terstruktur.
00:04:50Katakanlah Anda memiliki puluhan ribu dokumen
00:04:52yang semuanya berupa file PDF atau file Markdown
00:04:55dan Anda hanya ingin bertanya tentang dokumen-dokumen tersebut.
00:04:57Anda tahu, bayangkan semuanya adalah dokumen kebijakan
00:04:58dan Anda bertanya seperti,
00:04:59apa yang dikatakan kebijakan tentang X, bukan?
00:05:01Itu bisa ada di mana saja di antara dokumen-dokumen ini.
00:05:04Mereka belum tentu terhubung.
00:05:05Ini sangat tidak terstruktur.
00:05:06Di situlah GraphRAG atau benar-benar sistem RAG apa pun bersinar.
00:05:09Konon, pembagian antara keduanya di sini
00:05:13agak kabur
00:05:14karena seperti yang saya sebutkan pada tahap ketiga,
00:05:16kita bisa melakukan itu dengan Graphify.
00:05:18Ini hampir seperti sistem RAG ringan dalam pengertian itu.
00:05:21Jadi itulah Graphify,
00:05:22bagaimana cara kerjanya dan mengapa Anda harus peduli.
00:05:24Sekarang mari kita bicara tentang menginstal benda ini
00:05:27dan menggunakannya secara nyata.
00:05:27Tapi sebelum kita lanjut ke demo,
00:05:29sepatah kata dari sponsor hari ini, yaitu saya sendiri.
00:05:32Jadi belum lama ini,
00:05:33saya merilis Masterclass Claude Code
00:05:35dan ini adalah cara nomor satu untuk beralih dari nol menjadi AI dev,
00:05:37apa pun latar belakang teknis Anda.
00:05:39Kursus ini diperbarui setiap minggu
00:05:40dan juga mencakup masterclass tambahan
00:05:43seperti Masterclass Codex
00:05:45dan Masterclass Claude OS.
00:05:48Jadi jika Anda seseorang yang ingin mengambil ini
00:05:49sedikit lebih serius,
00:05:51pasti periksa itu.
00:05:52Anda bisa menemukannya di dalam Chase AI+.
00:05:53Ada tautan di komentar yang disematkan.
00:05:55Jadi menginstal Graphify relatif sederhana.
00:05:58Kami memiliki beberapa prasyarat
00:05:59serta petunjuk tentang cara menginstalnya.
00:06:02Jika Anda menggunakan Cloud Code,
00:06:03saya sarankan agar Anda mempermudah diri sendiri.
00:06:06Cukup buka tautan GitHub Graphify.
00:06:08Saya akan cantumkan di bawah.
00:06:09Salin, tempel ke Cloud Code
00:06:11dan katakan saja,
00:06:12hei, instal Graphify untuk saya.
00:06:14Tapi jika Anda ingin melakukannya secara manual,
00:06:15Anda bisa mengikuti langkah-langkahnya
00:06:16seperti yang dijabarkan.
00:06:18Dan sekali lagi, Graphify adalah platform agnostik
00:06:20dan berfungsi dengan agen coding apa pun di luar sana.
00:06:22Dan setelah Anda menginstal Graphify,
00:06:23pertanyaan berikutnya menjadi,
00:06:24oke, bagaimana cara saya menggunakan ini?
00:06:25Apa saja perintahnya?
00:06:27Yah, ada cukup banyak perintah
00:06:30dan ada begitu banyak perintah.
00:06:31Faktanya, Anda tidak akan
00:06:32mengingat satu pun dari ini.
00:06:33Untungnya, saat Anda menginstal Graphify,
00:06:35itu akan datang dengan keterampilan Graphify.
00:06:38Skill tersebut akan mengajarkan Cloud Code
00:06:39cara menggunakan Graphify
00:06:41dan kapan ia harus menggunakan perintah yang mana
00:06:42tergantung pada bahasa alami yang Anda gunakan.
00:06:45Jadi, dengan mengatakan itu,
00:06:47saya sarankan Anda melihat repositori GitHub,
00:06:49sedikit membiasakan diri
00:06:50dengan apa yang mungkin
00:06:51karena ada banyak hal.
00:06:52Tapi mengertilah,
00:06:53Anda tidak harus menghafalnya.
00:06:54Cloud Code tahu apa yang harus dilakukan.
00:06:56Namun ada beberapa
00:06:58yang perlu kita ketahui.
00:06:59Jika saya mengetik garis miring Graphify,
00:07:00itu akan menjalankan semuanya
00:07:02di direktori mana pun saya berada saat ini.
00:07:04Ada juga perintah Graphify
00:07:05untuk melakukan kueri pada knowledge graph.
00:07:07Jadi, jika saya mengetik Graphify query
00:07:09atau Graphify explain,
00:07:10itu akan secara eksplisit memberi tahu Cloud Code
00:07:12atau agen coding apa pun yang Anda gunakan
00:07:13untuk, hei,
00:07:14periksa knowledge graph
00:07:16saat Anda menjawab pertanyaan ini.
00:07:17Jangan malas
00:07:17dan mencoba menjawabnya sendiri.
00:07:19Selanjutnya,
00:07:19kami punya perintah
00:07:20untuk memastikan fitur ini selalu aktif.
00:07:21Jadi, jika saya menjalankan Graphify Cloud install,
00:07:23itu artinya fitur ini akan selalu
00:07:25menggunakan Graphify
00:07:26untuk menjawab pertanyaan.
00:07:27Saya tidak perlu menjelaskannya.
00:07:28Itu benar-benar menjadi sebuah hook.
00:07:29Dan ada beberapa
00:07:30flag menarik lainnya
00:07:31seperti flag obsidian,
00:07:32yang akan,
00:07:33dengan satu perintah,
00:07:34membuat seluruh vault obsidian
00:07:35untuk Anda
00:07:36dan mengisinya dengan
00:07:37apa pun yang dihasilkan Graphify.
00:07:39Tapi sekali lagi,
00:07:40ingat skill ini sudah terpasang.
00:07:41Jadi jika Anda pernah bingung
00:07:42tentang apa yang masuk akal,
00:07:43tanyakan saja pada Cloud Code.
00:07:44Ia akan mengerti.
00:07:45Sekarang mari kita jalankan.
00:07:47Untuk demo,
00:07:47kita akan mengarahkan
00:07:49Cloud Code ke OpenDesign,
00:07:51yang merupakan basis kode yang cukup besar.
00:07:53Jika Anda belum pernah menggunakan OpenDesign,
00:07:55ini pada dasarnya adalah Cloud Design,
00:07:57tapi open source.
00:07:59Jadi saya sudah melakukan clone di mesin saya
00:08:00dan saya akan membuka Cloud Code
00:08:02di dalam direktori itu.
00:08:03Kita sudah berada di dalam direktori
00:08:04dan yang akan saya lakukan
00:08:05hanyalah mengetik forward slash Graphify
00:08:07lalu titik.
00:08:08Sekarang Graphify akan dijalankan
00:08:10pada seluruh folder ini.
00:08:12Setelah berjalan selama enam menit,
00:08:13inilah hasilnya.
00:08:15Ia memeriksa 203 file.
00:08:17Kita mendapatkan 1.907 node,
00:08:203.447 edge dalam 109 komunitas
00:08:24dan token outputnya
00:08:25hanya di bawah 120 ribu.
00:08:27Daftar God node pun muncul.
00:08:29God node pada dasarnya adalah
00:08:30node yang paling menonjol,
00:08:32koneksi yang paling menonjol
00:08:33di dalam apa pun yang dilaluinya.
00:08:36Kita memiliki koneksi mengejutkan
00:08:37yang tidak saya duga
00:08:39dan pertanyaan yang disarankan.
00:08:42Jadi jika kita ingin melihat
00:08:42grafnya,
00:08:43saya bisa katakan,
00:08:44silakan tampilkan
00:08:47grafnya untuk saya.
00:08:49Jadi ini tampilan
00:08:50pengetahuan graf
00:08:51yang dibangunnya
00:08:52dan Anda bisa melihat
00:08:53komunitas di sana.
00:08:54Ia membuat 109 komunitas
00:08:56dan itu sebenarnya hanya
00:08:56semua cluster ini.
00:08:58Saat kita men-scroll di atasnya,
00:09:00kita bisa melihat node
00:09:01yang sebenarnya adalah titik-titik
00:09:03lalu edge
00:09:05adalah koneksi di antara mereka.
00:09:06Ketika saya klik node,
00:09:07Anda bisa melihat di sini
00:09:08di kanan atas,
00:09:10tipe-nya,
00:09:11itu node kode,
00:09:12itu komunitas,
00:09:13itu sumber,
00:09:14serta tetangganya.
00:09:15Tapi ingat,
00:09:16sekeren apa pun visualisasi ini
00:09:17dan memang terlihat rapi,
00:09:19nilai sebenarnya di sini
00:09:20bukanlah grafik pengetahuannya.
00:09:21Ini terlihat keren,
00:09:23tapi nilai sebenarnya
00:09:24adalah fakta bahwa
00:09:25sekarang kita telah memberikan
00:09:26Claude Code peta
00:09:27ke repositori open design
00:09:29dan saya sekarang bisa bertanya
00:09:31tentang hal itu
00:09:31dan mendapatkan jawaban yang akurat.
00:09:33Jadi yang akan kita uji sekarang
00:09:34adalah kita akan menanyakan pertanyaan
00:09:35tentang sesuatu yang berkaitan
00:09:36dengan repo
00:09:37dan kita akan memintanya
00:09:38menggunakan Graphify,
00:09:39jadi memintanya benar-benar
00:09:40menggunakan grafik pengetahuan
00:09:41dan kemudian kita akan menanyakan
00:09:42pertanyaan yang hampir sama
00:09:43tidak menggunakan Graphify,
00:09:44jadi cukup memintanya
00:09:45mendapatkan jawaban
00:09:46dan kita akan melihat
00:09:47seperti apa perbedaan tokennya.
00:09:48Jadi untuk melihat
00:09:49perbedaan token
00:09:49dengan dan tanpa Graphify,
00:09:50kita akan menanyakan
00:09:51pertanyaan yang sama
00:09:52kepada Claude Code
00:09:53tentang repo tersebut.
00:09:54Yang pertama adalah
00:09:55lacak bagaimana permintaan desain
00:09:56mengalir dari aplikasi web
00:09:58ke agen pengkodean
00:09:59dan kembali.
00:10:00Jadi kita mencoba memahami
00:10:00bagaimana aplikasi ini
00:10:01benar-benar bekerja
00:10:03dan di tab pertama
00:10:03kita akan mengatakan
00:10:04gunakan Graphify
00:10:05dan di tab kedua
00:10:06dengan pertanyaan yang sama
00:10:07kita mengatakan
00:10:08jangan gunakan Graphify.
00:10:09Jadi kita bisa melihat
00:10:10skill Graphify
00:10:11dimuat segera
00:10:11dan kemudian kita bisa melihat
00:10:13perintah seperti
00:10:14graphify query
00:10:15menanyakan pertanyaan
00:10:16yang baru saja kita berikan kepada Claude Code.
00:10:17Di sini
00:10:18di sisi non-graphify
00:10:19kita melihat bahwa Claude Code
00:10:20telah memunculkan
00:10:21agen jelajah
00:10:22untuk melihat
00:10:23basis kodenya
00:10:25dan sejak awal
00:10:25kita sudah menggunakan
00:10:27100.000 token
00:10:27di antara keduanya.
00:10:28Sekarang dalam hal
00:10:29jawaban sebenarnya
00:10:30yang kita dapatkan
00:10:30sama
00:10:31keduanya mengidentifikasi
00:10:32bagaimana aplikasi ini
00:10:32benar-benar bekerja
00:10:34tapi dengan
00:10:35versi non-graphify
00:10:36kita perlu menjalankan
00:10:37agen jelajah tersebut
00:10:38jadi kita melihat
00:10:39sekitar
00:10:40150.000 token
00:10:40lebih atau kurang
00:10:42dengan agen jelajah
00:10:43ditambah tambahan
00:10:4450.000 token
00:10:45pada sesi utama
00:10:46jadi Anda tahu
00:10:47sekitar 200.000 token
00:10:48total
00:10:50dibandingkan di sini
00:10:50pada versi non-graphify
00:10:52kita hanya menggunakan
00:10:54sekitar 80.000
00:10:55jadi sekitar
00:10:5840%
00:10:58dari total biaya
00:11:00non-graphify
00:11:01yang merupakan penghematan yang signifikan.
00:11:02Sekarang karena
00:11:03versi non-graphify ini
00:11:04sekarang telah
00:11:06merayap melalui
00:11:07repo itu sendiri
00:11:08jika saya mengajukan pertanyaan tambahan
00:11:09biaya tokennya
00:11:11tidak akan se-,
00:11:12namun
00:11:13karena kita memiliki
00:11:14grafik pengetahuan
00:11:14yang dibangun
00:11:16kapan pun kita ingin
00:11:16mengajukan pertanyaan
00:11:17kapan pun kita ingin
00:11:18mengajukan pertanyaan
00:11:18tentangnya
00:11:19melalui graphify
00:11:20kita tidak perlu
00:11:21berurusan dengan
00:11:21biaya token
00:11:22itu lagi
00:11:22karena harus menelusurinya
00:11:23berulang kali
00:11:24dan hal itu
00:11:25mengarah pada
00:11:26bagian memori
00:11:26seperti yang sudah kita
00:11:27bangun
00:11:28kita selalu bisa
00:11:28mengkuerinya dengan murah
00:11:29sekarang pertanyaannya
00:11:30menjadi
00:11:31jika ini adalah
00:11:31repo yang dinamis
00:11:32apa yang terjadi
00:11:33ketika kita melakukan
00:11:34pembaruan pada repo
00:11:35apakah knowledge graph ini
00:11:35juga akan diperbarui
00:11:36nah jawabannya
00:11:37adalah ya
00:11:38kita melihat ini
00:11:39dijelaskan dalam alur kerja
00:11:40di dalam readme
00:11:40jika kita menjalankan
00:11:41graphify hook install
00:11:42itu akan
00:11:43membangun ulang otomatis
00:11:44setelah setiap commit
00:11:45dan itu adalah
00:11:45AST saja
00:11:46tidak ada biaya API
00:11:47yang terkait
00:11:48dengan itu
00:11:48itu benar-benar
00:11:49hanya melihat
00:11:50apa yang sebenarnya
00:11:51berubah
00:11:51apa isinya sekarang
00:11:52terhubung ke mana
00:11:53dan ia membangun ulang
00:11:53pohon itu
00:11:54tetapi tanpa
00:11:54biaya untuk Anda
00:11:55seperti ini
00:11:56semua dilakukan
00:11:56dengan cara yang deterministik
00:11:57lebih lanjut
00:11:58selain itu
00:11:59ini juga bekerja
00:12:00dalam pengaturan
00:12:00tim
00:12:01jadi jika Anda punya
00:12:01dua pengembang
00:12:02bekerja pada
00:12:02repo yang sama
00:12:03secara paralel
00:12:04itu juga menangani
00:12:04situasi tersebut
00:12:05jadi pada akhirnya
00:12:06Anda mendapatkan
00:12:07peta yang persisten
00:12:08namun hidup
00:12:09dari repo apa pun
00:12:09yang Anda inginkan
00:12:10yang bisa Anda berikan
00:12:10ke cloud code
00:12:11sehingga Anda bisa mendapatkan
00:12:12jawaban yang lebih efisien
00:12:13dan terakhir
00:12:14kita sudah mengisyaratkannya
00:12:14sedikit di sini
00:12:15dengan flag obsidian
00:12:16kita bisa melakukan semua ini
00:12:17dengan repo
00:12:18yang bukan berbasis kode
00:12:19itu sedikit
00:12:19berbeda dan kita
00:12:20benar-benar akan melakukannya
00:12:21di video lain
00:12:22di mana kita membahas lebih dalam
00:12:23tentang graphify dan obsidian
00:12:23dan semacam apa
00:12:25koneksi itu nantinya
00:12:26tapi pahami saja
00:12:27kita tidak terpaku
00:12:28hanya pada kode
00:12:29ini adalah alat yang cukup
00:12:30fleksibel
00:12:31tapi di situlah
00:12:32saya akan meninggalkan
00:12:33kalian hari ini
00:12:33menurut saya ini adalah
00:12:34alat yang sangat keren
00:12:35dan ketika Anda melihat
00:12:36spektrum
00:12:37dari semacam
00:12:37aplikasi dan plugin
00:12:39yang berkaitan dengan memori
00:12:40yang bisa kita gunakan
00:12:42bersamaan dengan hal-hal
00:12:43seperti cloud code
00:12:43dan codex
00:12:44saya pikir graphify
00:12:44semacam jatuh
00:12:45di suatu tempat di antara
00:12:46obsidian
00:12:47dan sistem RAG yang sebenarnya
00:12:48dan menurut saya itu bagus
00:12:49semakin banyak opsi yang kita miliki
00:12:50semakin banyak alat yang kita miliki
00:12:52sesuai keinginan kita
00:12:53semakin baik kita bisa memilih
00:12:53yang tepat untuk pekerjaan itu
00:12:54kita tidak harus
00:12:55hanya menggunakan obsidian
00:12:56Anda tahu kita mungkin tidak
00:12:57hanya melakukan sesuatu
00:12:58dalam markdown
00:12:59dan kita tidak harus
00:12:59gila-gilaan dan menghasilkan
00:13:00infrastruktur RAG
00:13:02yang sangat besar
00:13:03ini lagi
00:13:04ini adalah
00:13:04jalan tengah
00:13:05yang keren
00:13:05yang menurut saya
00:13:06patut dijelajahi
00:13:06jadi seperti biasa
00:13:08beri tahu saya
00:13:08apa pendapat Anda
00:13:09pastikan untuk memeriksa
00:13:10Chase AI Plus
00:13:11jika Anda ingin mendapatkan
00:13:11akses ke
00:13:12masterclass cloud code
00:13:13berbicara tentang obsidian
00:13:14saya sebenarnya akan
00:13:15mengadakan webinar langsung
00:13:16gratis minggu depan
00:13:17tentang obsidian
00:13:18dan cloud code
00:13:19saya akan menaruh tautan ke itu
00:13:19di bawah juga
00:13:21dan selain itu
00:13:22sampai jumpa lagi
Community Posts
No posts yet. Be the first to write about this video!
Write about this video