00:00:00(तेज़ संगीत) - नमस्ते,
00:00:03हमें आमंत्रित करने के लिए बहुत-बहुत धन्यवाद।
00:00:11मैं जैक हूँ,
00:00:11और मेरे सहकर्मी निकिता के साथ,
00:00:14जो जल्द ही यहाँ आएंगी,
00:00:15हमने Lightfield बनाया है,
00:00:17जो एक AI नेटिव CRM है।
00:00:19हम जनवरी से AI SDK V4 का उपयोग करने लगे थे,
00:00:22और जून में जैसे ही V5 alpha में आया,
00:00:24हमने इसे अपना लिया।
00:00:26आज,
00:00:26हम आपको बताना चाहते हैं कि हमने एक उत्पादन प्रणाली कैसे बनाई है जहाँ AI एजेंट्स को ग्राहक डेटा तक सुरक्षित पूर्ण पढ़ने-लिखने की पहुँच है,
00:00:35हम मानव-में-लूप वर्कफ़्लो को कैसे संभालते हैं,
00:00:38और स्थापत्य निर्णय जो सब कुछ काम करते हैं।
00:00:40हम उन पैटर्न के बारे में बात करेंगे जो हमने खोजे,
00:00:43हम ने जो trade-offs लिए,
00:00:45और कैसे AI SDK ने हमें तेज़ी से आगे बढ़ने में सक्षम बनाया।
00:00:49लेकिन पहले,
00:00:50आइए बात करते हैं कि CRMs क्यों टूटे हुए थे,
00:00:53और यह क्यों महत्वपूर्ण है।
00:00:54तो, CRMs से परिचित कौन है?
00:00:59शायद?
00:01:00कुछ इंजीनियर?
00:01:01हाँ, तो यह है जो होना चाहिए, ठीक है?
00:01:03आप ग्राहकों से बात करना शुरू करते हैं।
00:01:05शायद आप एक संस्थापक हैं जो बिक्री कर रहे हैं।
00:01:07शायद आप बिक्री टीम पर हैं।
00:01:10शुरुआत में, यह प्रबंधनीय लगता है।
00:01:11आप सभी को याद रखते हैं।
00:01:13हर बातचीत आपके मन में ताज़ी है।
00:01:16फिर,
00:01:16आप 10,
00:01:1720,
00:01:1750 ग्राहकों तक पहुँचते हैं,
00:01:19और आपकी बिक्री टीम में कोई पूछता है,
00:01:22'अरे,
00:01:22Acme से Sarah ने हमारी कीमतों के बारे में क्या कहा था?
00:01:26क्या उसे एंटरप्राइज़ टियर के बारे में चिंताएँ थीं?' तो,
00:01:29अब आप Slack में खोज रहे हैं।
00:01:31आप अपने ईमेल में खोज रहे हैं।
00:01:32आप Google Docs में खोज रहे हैं।
00:01:34शायद वह Zoom रिकॉर्डिंग जो अभी तक ट्रांसक्राइब नहीं हुई है।
00:01:38अंत में आपको दो हफ़्ते पहले के एक thread में दफ़न मिलता है,
00:01:40लेकिन आप महसूस करते हैं कि आपने अपनी स्प्रेडशीट को फिर से कभी अपडेट नहीं किया।
00:01:44तो, आप एक CRM खरीदते हैं।
00:01:47यह आपके सच्चाई के एकल स्रोत होने का वादा करता है,
00:01:49लेकिन यह सिर्फ एक और जगह बन जाती है जहाँ आप अपडेट करना भूल जाते हैं।
00:01:52यहाँ समस्या है।
00:01:54परंपरागत CRMs दशकों पहले इस मौलिक धारणा के साथ बनाए गए थे कि मनुष्य मैनुअल डेटा एंट्री करेंगे।
00:02:01उन्होंने आपको ये कठोर फ़ील्ड और पूर्वनिर्धारित schemas दिए,
00:02:05लेकिन वास्तविक संदर्भ,
00:02:07आपकी बातचीत की बारीकी,
00:02:08यह आपके ईमेल,
00:02:09Slack,
00:02:10मीटिंग नोट्स,
00:02:11विभिन्न जगहों में रहती है।
00:02:13और CRM सिर्फ आपके VP of sales के लिए एक रिपोर्टिंग टूल बन जाता है,
00:02:17कुछ ऐसा नहीं जो आपको बेचने में मदद करता है।
00:02:20तो, हमने सोचा कि एक बेहतर तरीका होना चाहिए।
00:02:22क्या होगा अगर सिस्टम बस याद रख सके?
00:02:25क्या होगा अगर यह सब कुछ बुद्धिमानी से capture करे और वास्तव में आपकी ओर से कार्रवाई कर सके?
00:02:30वह है Lightfield।
00:02:31तो,
00:02:31Lightfield एक CRM को फिर से परिभाषित करता है कि यह क्या होना चाहिए।
00:02:35यह स्टार्टअप के लिए स्मृति और कार्रवाई की एक प्रणाली है।
00:02:39तो, इसमें स्वचालित capture है।
00:02:41बातचीत,
00:02:42मीटिंग,
00:02:42ईमेल,
00:02:43सब कुछ capture होता है और मैनुअल entry के बिना structured होता है।
00:02:50इसमें lossless memory है।
00:02:52हम स्कीमा lists और customizable schemas का समर्थन करते हैं।
00:02:54आपको आगे से पता नहीं होना चाहिए कि क्या track करना है या एक consultant को भुगतान करना चाहिए कि वह इसे आपके लिए सेट अप करे।
00:02:58और यह स्मृति को कार्रवाई में बदलता है।
00:03:02Lightfield उस सभी captured context को उपयोग करता है,
00:03:04structured और conversational दोनों data,
00:03:06follow-ups का मसौदा तैयार करने,
00:03:08insights सामने लाने,
00:03:09और आपके लिए workflows को automate करने के लिए।
00:03:11अब,
00:03:12परंपरागत CRMs बिक्री टीम के लिए sales deals को track करने के लिए बनाए गए हैं,
00:03:16लेकिन क्योंकि Lightfield सभी इस conversational data को capture और structure करता है,
00:03:20यह किसी भी के लिए वास्तव में शक्तिशाली हो जाता है जिसे ग्राहक context को याद रखने और उस पर कार्रवाई करने की आवश्यकता है।
00:03:26पिछले हफ़्ते की onboardings से सबसे अधिक अनुरोधित सुविधाएँ क्या थीं?
00:03:31Customer success teams support conversations में patterns को समझ रही हैं।
00:03:35एक ही सिस्टम,
00:03:36विभिन्न प्रश्न,
00:03:37लेकिन सभी उसी memory layer से powered हैं।
00:03:40वह है उत्पाद।
00:03:41मुझे दिखाएँ कि यह वास्तव में कैसा दिखता है।
00:03:43तो, यहाँ एक उदाहरण है Lightfield agent से पूछने का।
00:03:48मुझे लगता है कि हम पाँच stalled ops को खोजने और प्रत्येक के लिए एक personalized email का मसौदा तैयार करने के लिए पूछ रहे हैं।
00:03:55तो,
00:03:55यह AI SDK पर built एक agent का उपयोग करके आपकी सभी customer information में खोज सकता है।
00:04:02यह समझ सकता है कि stalled ops क्या हैं,
00:04:04और फिर यह उस information को उन opportunities के लिए सभी लोगों को customizable emails का मसौदा तैयार करने के लिए उपयोग कर सकता है।
00:04:23तो, यहाँ एक उदाहरण है।
00:04:25और फिर,
00:04:25आप जानते हैं,
00:04:26एक user कर सकता है,
00:04:27हम अब आपके लिए वह email भेज सकते हैं।
00:04:29तो, यह सब कैसे काम करता है?
00:04:34आइए बात करते हुए चलें कि hood के नीचे क्या हो रहा है।
00:04:37एक user एक action लेता है।
00:04:39यह एक chat message भेजना हो सकता है।
00:04:41यह एक external event हो सकता है,
00:04:43एक trigger की तरह,
00:04:44एक email जैसा या एक meeting पूरा करना।
00:04:47Agent तुरंत context प्राप्त करता है।
00:04:50User app में कहाँ है?
00:04:52वे हाल ही में क्या कर रहे हैं?
00:04:54और उनका intent क्या है?
00:04:55उनके पास कौन से tools उपलब्ध हैं?
00:04:57फिर Lightfield शुरू होता है।
00:04:59यह relevant data को खोजता है,
00:05:01CRM में action लेता है और records और response को update करता है।
00:05:05यह सब कुछ एक ही unified data layer के माध्यम से होता है जो UI को power करती है।
00:05:10मुझे दिखाएँ कि हम यह कैसे करते हैं।
00:05:11यहाँ architecture है जो यह सब काम करती है।
00:05:15यहाँ तीन विभिन्न interfaces हैं।
00:05:19मनुष्यों के लिए UI,
00:05:20प्राकृतिक भाषा के लिए agents,
00:05:23और automation के लिए workflow jobs।
00:05:26यहाँ मुख्य बात है।
00:05:27वे सभी एक ही unified layer के माध्यम से interact करते हैं,
00:05:31domain objects।
00:05:32तो, उनके पास वही permissions हैं।
00:05:33agent के पास वही permissions हैं जो user के पास agent को enact करने में है।
00:05:37वही business logic और वही data access patterns।
00:05:41कोई अलग agent API नहीं है जिसमें विभिन्न rules या limited access हो।
00:05:46तो,
00:05:46हम यहाँ विभिन्न प्रणालियों से storage को एक साथ लाते हैं।
00:05:51तो,
00:05:51structured data,
00:05:53object storage,
00:05:54और विभिन्न search platforms में indexed।
00:05:57तो,
00:05:58हम एक ही capabilities और एक ही interface provide करते हैं।
00:06:01एक principle जो हम अपने platform को build करने के लिए उपयोग करते हैं वह है agent UI parity।
00:06:10तो,
00:06:11अगर एक user इसे access कर सकता है,
00:06:12तो एक agent इसे access कर सकता है।
00:06:14सभी data में पूर्ण read, create, और update capabilities।
00:06:19तो, वही permissions, वही visibility, वही operations।
00:06:24खैर,
00:06:24यह हमारे लिए एक product और architectural choice है जो हमने day one से बनाया था।
00:06:28यह है कि क्यों AI native को ground up से building करना legacy systems पर agents को bolting करने से बेहतर है।
00:06:34तो,
00:06:35Lightfield में agents एक ही permissions के साथ आपकी ओर से act करते हैं जो उसी data layer के माध्यम से जाता है जो UI को power करता है।
00:06:42वे सिर्फ आपके data के लिए एक और interface हैं।
00:06:44तो,
00:06:45जब हम Lightfield को build करने के लिए tools चुनने वाले थे,
00:06:48हमें ऐसे primitives की जरूरत थी जो agents बनाम users के लिए विभिन्न architectures में हमें force न करें।
00:06:54उस constraint ने हमारे पूरे stack को influence किया,
00:06:56जिसमें AI framework भी शामिल है जो हमने चुना।
00:06:58तो,
00:06:59और हमारे लिए,
00:07:002025 में AI products बनाने की बात यह है कि किसी के पास पूरी playbook नहीं है,
00:07:09ठीक है?
00:07:10तो,
00:07:11हम perfection से ज़्यादा learning speed को optimize करने की कोशिश कर रहे हैं।
00:07:14तो,
00:07:14हम वास्तव में Lightfield के साथ इस concept को dog food करते हैं।
00:07:19जब हमारी engineering teams को customer issue को समझने की जरूरत होती है,
00:07:22उन्हें CRM के माध्यम से navigate करना नहीं पड़ता।
00:07:25वे सिर्फ इसे पूछ सकते हैं।
00:07:26तो,
00:07:26natural language वास्तव में यह interface है जो हम वहाँ चाहते हैं।
00:07:35तो,
00:07:36AISDK ने हमें सब कुछ rewrite किए बिना iterate करने का flexibility दिया।
00:07:41लेकिन मुख्य बात mindset थी।
00:07:43हमने features को build करने और real problems को solve करने पर ध्यान केंद्रित किया,
00:07:47frameworks से लड़ने या over-engineering abstractions पर नहीं।
00:07:50तो, मुख्य बात है fast move करो और quickly सीखो।
00:07:53तो, हम इस quote को बार-बार याद करते हैं।
00:08:02'Duplication गलत abstraction से far cheaper है' Sandy Metz से।
00:08:08और मुझे लगता है कि यह आज AI products को build करने में बहुत prevalent है।
00:08:13अब software को quickly build करना बहुत fast है।
00:08:17यह एक साल पहले की तुलना में और भी faster है।
00:08:19और यह सुनिश्चित करना कि सही framework मौजूद है,
00:08:22वास्तव में महत्वपूर्ण है।
00:08:23और गलत abstraction होना और भी costlier हो सकता है।
00:08:27तो, आइए व्यावहारिक रूप से इस बारे में अधिक बात करें।
00:08:34तो,
00:08:35जैसा कि हमने Lightfield को build कर रहे हैं,
00:08:38हमने इस साल जनवरी में AISDK को develop करना शुरू किया।
00:08:43तो,
00:08:44हमने इसे model switching को support करने के लिए adopt किया और stream text जैसे primitives का उपयोग करना शुरू किया।
00:08:54और तो,
00:08:54हम weeks में specific agents को early tasks ship कर सके।
00:08:58तो,
00:08:59हमने अधिक और अधिक agents को अधिक और अधिक chat features में build करना शुरू किया।
00:09:04और जून 2025 में,
00:09:05हमने useChat API को adopt करना शुरू किया,
00:09:10विशेष रूप से जो custom transport options जारी किए गए थे।
00:09:16तो,
00:09:17यहाँ मुख्य बात यह है कि हम AISDK को V4 से alpha V5 में adopt करने में सक्षम हैं।
00:09:25तो,
00:09:26मुझे लगता है कि V6 जल्द ही release होगा,
00:09:30kind of moving fast के साथ बहुत seamlessly।
00:09:34हमारे पास internally एक joke है कि हम AISDK से एक feature को identify करेंगे जिसकी हमें जरूरत है और अगले दिन हम AISDK team से एक tweet देखेंगे।
00:09:46और इस सुबह सीखना,
00:09:47मुझे लगता है,
00:09:48कि Nico के पास एक agent है जो सिर्फ उन tweets को generate करता है।
00:09:51तो, यह देखना बहुत मज़ेदार है।
00:09:53तो, यह बिल्कुल वही है जो आप एक framework से चाहते हैं।
00:09:57यह आपके साथ grows करता है,
00:09:58न कि आपको rewrite करने या slow down करने के लिए force करता है।
00:10:00तो, यहाँ Lightfield का एक उदाहरण है action में।
00:10:05तो,
00:10:06यहाँ chat में,
00:10:07मैं पूछ रहा हूँ,
00:10:09मैं एक सवाल type कर रहा हूँ,
00:10:12इस account के लिए क्या अगला है?
00:10:16Jordan Lee ने हमारी last call पर क्या mention किया?
00:10:19तो, notice करें कि user को क्या नहीं करना पड़ा।
00:10:21उन्हें कहना नहीं था कि account streamlined protocol है या specifically एक निश्चित meeting के बारे में पूछना।
00:10:30तो,
00:10:31हमने एक feature को build करने के लिए AISDK का उपयोग किया जिसे हम Adaptive Context Building कहते हैं।
00:10:37तो,
00:10:37यह user से signals provide करता है जिसे intelligent retrieval के साथ मिलाया जाता है यह figure करने के लिए कि actually क्या matter करता है।
00:10:45तो,
00:10:45मुझे कुछ उदाहरण साझा करने दें कि हम SDK को कैसे उपयोग करते हैं।
00:10:49तो,
00:10:49SDK का एक API है जिसे Data Parts कहा जाता है और हम इसे client से server को signals provide करने के लिए उपयोग करते हैं जो context को build कर रहा है।
00:11:01हम,
00:11:02client पर,
00:11:02विभिन्न entities को उपयोग कर सकते हैं और Data Parts API का उपयोग करके विभिन्न signals provide कर सकते हैं और फिर हम इसे server पर fully hydrate करते हैं।
00:11:11मैं अपने सहकर्मी निकिता को अधिक बात करने दूँगा कि हम कैसे अधिक features को build करने के लिए Data Parts का उपयोग करते हैं।
00:11:19(तेज़ संगीत)
00:11:24(तेज़ संगीत) - धन्यवाद, जैक।
00:11:28तो,
00:11:29Adaptive Context Building के समान एक और उदाहरण यह है कि हम कैसे chat thread में files को inject करते हैं।
00:11:35AISDK हमें ऐसा करने का एक वास्तव में आसान तरीका प्रदान करता है।
00:11:39हम बस use chat hook से send message function को उपयोग कर सकते हैं,
00:11:43इसे user की query और file list के साथ provide कर सकते हैं और यह किसी भी provider के साथ box से बाहर काम करेगा।
00:11:50लेकिन यह scalability के बारे में कुछ practical concerns लाता है।
00:11:54उदाहरण के लिए,
00:11:55हम कैसे सुनिश्चित करते हैं कि हम सीधे encoding files करने के लिए वह data directly database में persist नहीं करेंगे?
00:12:01अगर हम S3 URLs का उपयोग कर रहे हैं,
00:12:04हम कैसे सुनिश्चित करते हैं कि हम accidentally private user data को public के लिए expose न करें?
00:12:09इसका हमारा solution यह है कि instead client को backend को एक internal ID भेजें जो हमारे अपने data store के अंदर uploaded file को reference करता है।
00:12:21Backend में,
00:12:22हम सभी file parts के माध्यम से iterate करेंगे और उन internal identifiers को signed S3 URLs के साथ replace करेंगे।
00:12:30यह external LM providers को अभी भी इन attached files को view करने में सक्षम करता है,
00:12:36लेकिन signed URLs पर expiration time unauthorized access को prevent करता है।
00:12:41Lightfield में user data को protect करने का एक और उदाहरण contextual tool collections की इस concept के माध्यम से है।
00:12:50जब भी एक user Lightfield के chat product के साथ interact करता है,
00:12:55हम गतिशील रूप से एक tool set को construct करेंगे जो user के लिए specific है।
00:13:00हम उन dependencies को directly tools में inject करेंगे।
00:13:03उदाहरण के लिए,
00:13:04इस data retrieval tool में,
00:13:07हम user के IDs को directly tool में inject करते हैं।
00:13:11LLM कभी भी directly database के लिए queries issue नहीं करता।
00:13:15यह हमेशा एक ही unified data layer के माध्यम से जाता है जो user बाकी CRM interface के माध्यम से access करेंगे।
00:13:23तो हमारे पास CRM UI और agent capabilities के बीच parity को maintain करने का एक design philosophy है।
00:13:34जब user इस modal interface के माध्यम से UI में CRM entities को create कर सकता है जैसे accounts,
00:13:40opportunities,
00:13:41और contacts,
00:13:42हम चाहते हैं कि वे chat-based interface के माध्यम से भी ऐसा कर सकें।
00:13:48LLM एक tool call को create करने के लिए issue कर सकता है और UI में दिखाए गए inputs के साथ एक form render करेगा।
00:13:57हमने AI SDK के human-in-the-loop abstractions को leverage करके यह build किया।
00:14:03तरीका यह मूलभूत रूप से काम करता है कि जब LLM एक tool call को issue करता है जिसे confirmation की जरूरत होती है,
00:14:10तो यह उस tool call को front-end client को forward करेगा।
00:14:13Client एक interface को render करेगा और user के action के आधार पर एक tool result को append करेगा।
00:14:20Backend पर,
00:14:21right before हम उस output को LLM को submit करते हैं,
00:14:26हम functions को execute करेंगे जिसे user ने submit किया।
00:14:31एक schema जो describe करता है कि हमने यह कैसे किया है यहाँ दिखाया गया है।
00:14:37तो user की initial input यह tool call है।
00:14:43LLM input values का एक set suggest करता है,
00:14:45इस case में items का एक array जो account names और उनके domains को represent करता है।
00:14:51User values को edit करने के बाद,
00:14:53output user के edited values बन जाता है साथ एक additional field जो indicate करता है कि उन्होंने उस particular item को approve किया या नहीं।
00:15:03Actual function execute होने के बाद,
00:15:05हम उस result को tool output में append करते हैं इससे पहले कि इसे LLM को भेजा जाए।
00:15:11उदाहरण के लिए,
00:15:12क्या account creation successful था या किसी कारण से fail हुआ,
00:15:16जैसे शायद account पहले से ही CRM में मौजूद है?
00:15:19यह LLM को interaction के history में पूरी visibility provide करता है।
00:15:26यह पूरे flow को देख सकता है,
00:15:29originally suggest किए गए values और outputs।
00:15:33यह इसे appropriately अगले steps को suggest करने की एक ability provide करता है।
00:15:38तो हमारे पास यह design principle भी है कि user को CRM को मold करने में enable करें उन्हें अपनी जरूरतों के अनुसार।
00:15:45हर business के अपने unique aspects होते हैं और unique sales processes होते हैं।
00:15:52हम चाहते हैं कि आप CRM को customize कर सकें और agent के साथ अपने experience को customize कर सकें अपनी specific जरूरतों के अनुसार।
00:16:00Lightfield के अंदर,
00:16:01आप CRM entities में से प्रत्येक के लिए एक custom data model को construct कर सकते हैं।
00:16:08उदाहरण के लिए,
00:16:09अगर आप एक B2B business productivity tool हैं जो अपने coding tool को startups को sell करने की कोशिश कर रहे हैं,
00:16:16आप शायद अपने customer के tech stack को track करने में particularly interested हो सकते हैं,
00:16:21engineering team का size,
00:16:22और शायद कोई भी mutual investors जो आपके पास उनके साथ हैं।
00:16:26Lightfield के अंदर,
00:16:27आप इन सभी typed fields को specify कर सकते हैं।
00:16:30और आप specify कर सकते हैं कि agent को इन fields को अपनी processes में कैसे उपयोग करना चाहिए।
00:16:38आप इन fields के meanings के बारे में additional instructions provide कर सकते हैं और कैसे इसे विभिन्न background workflows में उन्हें update करते समय उपयोग करना चाहिए।
00:16:48उदाहरण के लिए,
00:16:49अगर आपने एक field create किया है,
00:16:52आप agent को backfill करने के लिए पूछ सकते हैं web पर deep research करके और अपने system में सभी accounts के लिए इन fields को enrich करके।
00:17:03या आप इसे backfill करने के लिए अपने CRM records में खोज करके पूछ सकते हैं,
00:17:07जिसमें आपके meeting transcripts,
00:17:09emails,
00:17:10और account के साथ अन्य interactions शामिल हैं।
00:17:13Backend पर तरीका यह दिखता है कि हम इस tool को runtime पर create करते हैं,
00:17:20एक schema के साथ जो आपकी company के particular configuration पर based है।
00:17:28Actual tool schema स्वयं उस database से derived है।
00:17:32और जब LLM values को suggest करता है,
00:17:33हम types को validate करेंगे यह सुनिश्चित करने के लिए कि वे उस schema से match करते हैं।
00:17:38यह हमें really flexible और highly reliable tools को build करने में enable करता है।
00:17:42Lightfield के अंदर,
00:17:44आप इस knowledge section को भी configure कर सकते हैं जहाँ आप LLM को अपने business के बारे में additional context provide कर सकते हैं।
00:17:53आप अपने company के products के बारे में information provide कर सकते हैं और LLM को background workflows,
00:18:00जैसे meeting prep को कैसे run करना चाहिए इसके लिए instructions भी provide कर सकते हैं।
00:18:06हर meeting से पहले,
00:18:08Lightfield आपके लिए एक document को prepare करेगा,
00:18:12आपको discussion के लिए prepare करता है।
00:18:15यह key attendees और उनके बारे में additional information को list करेगा।
00:18:19यह particular account जो आप meet कर रहे हैं उसके बारे में information को list करेगा,
00:18:24साथ ही अन्य important key discussion points भी।
00:18:27Meeting के बाद,
00:18:28यह follow-up action items को suggest करेगा और suggested field updates को base करेगा जो आपने discuss किया है पर।
00:18:35ये सभी basic building blocks combine करते हैं powerful new capabilities को unlock करने के लिए।
00:18:42क्योंकि Lightfield के पास आपके sales interactions का पूरा context है और एक high degree का customized knowledge है,
00:18:49यह आपके साथ collaborate कर सकता है जल्दी से high-quality emails को generate करने के लिए आपकी ओर से।
00:18:56उदाहरण के लिए,
00:18:57एक meeting के बाद,
00:18:58आप इस tool का उपयोग अपने Google Calendar को access करने के लिए अपनी availability को देखने के लिए कर सकते हैं।
00:19:05जब यह draft email artifact generate होता है,
00:19:07यह appropriately follow-up times को suggest कर सकता है आपकी previous discussions के based पर।
00:19:14ये draft emails अभी भी user approval के पीछे gated हैं,
00:19:17तो आप confident हो सकते हैं कि LLM agent कभी भी बिना आपकी explicit approval के action नहीं लेगा।
00:19:25ये follow-up action items और email drafts आपके लिए prepared हैं,
00:19:29और आपको notifications के लिए भेजेंगे,
00:19:32यह सुनिश्चित करने में मदद के लिए कि आप हर deal पर top पर रहें जो आप काम कर रहे हैं।
00:19:37ठीक है, आपको वापस, Jack, यह सब एक साथ लाने के लिए।
00:19:43- जी।
00:19:46(audience applauding) तो, धन्यवाद निकिता।
00:19:53तो,
00:19:54core principles जो हमने Lightfield को AI SDK के साथ build करते समय खोजे।
00:19:59सिद्धांत एक, agent UI secure parity।
00:20:03Day one से इसके लिए designed।
00:20:05Agents को उसी data layer के माध्यम से पूर्ण read-write access की जरूरत है जो मनुष्य उपयोग करते हैं।
00:20:09एक अलग agent API न बनाएँ।
00:20:11आप multiple systems को maintain करने में समाप्त होंगे,
00:20:14और न ही एक ही पूर्ण feel करेगा।
00:20:15सिद्धांत दो, perfect abstraction से fast iteration।
00:20:19Learning speed को optimize करें early,
00:20:21perfection को नहीं पहले से।
00:20:23हमारे पास chat agents,
00:20:24API features,
00:20:25और background workflows में similar दिखता code था।
00:20:28कुछ duplication genuinely गलत abstraction से cheaper है,
00:20:32especially जब conventions forming हों।
00:20:35सिद्धांत तीन,
00:20:36human in the loop workflows users trust करते हैं।
00:20:41लोगों को control में रहना चाहिए,
00:20:43विशेषकर high-stakes interactions के लिए।
00:20:45हमने tool layer को intercept किया।
00:20:48Agent original suggestion को देखता है,
00:20:50user के edits को,
00:20:51और execution result को।
00:20:53पूर्ण transparency, पूर्ण history।
00:20:56वही trust को earn करता है।
00:20:58सिद्धांत चार, programmable systems users और agents द्वारा।
00:21:02Real customers को custom data models की जरूरत है।
00:21:04हर business अलग चीज़ों को track करता है।
00:21:07दोनों users और agents नए fields को define कर सकते हैं,
00:21:10और system को इसे adapt करने के लिए सकता है।
00:21:13इसका मतलब है कि आपका product को अपना बदलना चाहिए कि customers अपने data को कैसे structure करते हैं,
00:21:17उलटे नहीं।
00:21:18यह build करने के लिए अधिक complex है,
00:21:20लेकिन यह एक product जो लोग tolerate करते हैं और एक जो वे live without नहीं कर सकते के बीच का अंतर है।
00:21:24तो हम वास्तव में सुनना चाहते हैं कि आप क्या build कर रहे हैं और क्या patterns आप खोज रहे हैं।
00:21:28बाद में हमें खोजें या lightfield.app पर check करें इन principles को action में देखने के लिए।
00:21:34धन्यवाद।
00:21:35(तेज़ संगीत)