YouMind
ลงชื่อเข้าใช้

GPT-6 Astra

นำคำถามที่ยาก ข้อมูลที่เกี่ยวข้อง และข้อจำกัดที่สำคัญมาด้วย GPT-6 Astra ช่วยเชื่อมโยงหลักฐาน ชั่งน้ำหนักทางเลือก และเปลี่ยนผลลัพธ์ให้เป็นสรุปชัดเจนที่คุณสามารถปรับปรุงต่อไปได้

GPT-6 Astra
วิจัย
หน้าเว็บ
สไลด์
รูปภาพ
วิดีโอ

ความสามารถหลักของ GPT-6 Astra

  • จัดการกับคำถามที่ซับซ้อน

    สำรวจปัญหาที่มีปัจจัยเกี่ยวข้องหลายด้าน แล้วขอให้ระบุสมมติฐาน ทางเลือก และวิธีตรวจสอบที่สนับสนุนคำแนะนำ

  • อ่านข้อความและภาพอ้างอิง

    รวมบริบทที่เป็นลายลักษณ์อักษรเข้ากับรูปภาพ เมื่อแผนภาพ ภาพหน้าจอ หรือภาพถ่ายมีรายละเอียดที่เกี่ยวข้องกับคำถามของคุณ

  • ปรับความลึกของคำตอบ

    เลือกความพยายามในการให้เหตุผลที่เหมาะกับงาน จากนั้นดำเนินการต่อด้วยคำถามติดตามผลที่มุ่งเน้นขณะพัฒนาสรุป

เปลี่ยนเนื้อหาซับซ้อนให้เป็นประโยชน์ด้วย GPT-6 Astra

สังเคราะห์งานวิจัยพร้อมเชื่อมโยงแหล่งข้อมูล

เปลี่ยนบันทึก รายงาน และข้อสังเกตให้กลายเป็นบทสรุปงานวิจัยที่สอดคล้องกันด้วย GPT-6 Astra โดย Astra จะเชื่อมโยงหลักฐานที่เกี่ยวข้องกับคำถามของคุณ แสดงข้อขัดแย้งของข้อมูลอย่างชัดเจน และช่วยให้คุณติดตามได้ว่าแต่ละแหล่งข้อมูลมีส่วนช่วยในการสรุปผลอย่างไร

เชื่อมต่อแหล่งข้อมูลเป็นสรุปที่สอดคล้องกัน

สนับสนุนการตัดสินใจพร้อมชี้ชัดจุดแลกเปลี่ยน

ใช้ GPT-6 Astra เปรียบเทียบตัวเลือกต่างๆ กับงบประมาณ เวลา และความพึ่งพาอาศัยกันของโปรเจกต์ วิเคราะห์จุดแลกเปลี่ยนและสมมติฐานเบื้องหลังแต่ละแนวทาง จากนั้นระบุสิ่งที่ทำให้การเลือกอีกทางหนึ่งมีประโยชน์มากขึ้น

ชั่งน้ำหนักตัวเลือกตามข้อจำกัดจริง

วิเคราะห์ภาพโดยยึดตามรายละเอียดที่มองเห็น

เพิ่มรูปภาพหรือภาพหน้าจอแล้วถาม GPT-6 Astra เกี่ยวกับส่วนที่คุณต้องการเข้าใจ Astra สามารถอธิบายรายละเอียดที่มองเห็น เปรียบเทียบกับภาพอ้างอิง หรือพัฒนาคำอธิบายที่เจาะจงซึ่งช่วยในการทบทวนงานออกแบบหรือเขียนบทสรุป

อธิบายรายละเอียดในภาพอ้างอิง

เริ่มด้วยคำถามที่สำคัญ

  1. ระบุคำถามและหลักฐาน

    วางบันทึกที่เกี่ยวข้องหรือเพิ่มอ้างอิงภาพ อธิบายว่าผลลัพธ์นี้สำหรับใคร การสนับสนุนการตัดสินใจใด และข้อจำกัดที่คำตอบต้องปฏิบัติตาม

  2. ดำเนินการต่อด้วยโมเดลที่เลือก

    เลือก 'ลองใช้ใน YouMind' และเข้าสู่ระบบเมื่อได้รับแจ้ง ดำเนินการสนทนาต่อโดยเลือก Astra จากนั้นขอให้สร้างสรุป การเปรียบเทียบ หรือคำอธิบายที่มีโครงสร้างชัดเจน

  3. ตรวจสอบคำแนะนำและปรับปรุง

    ตรวจสอบข้อกล่าวอ้างสำคัญเทียบกับแหล่งข้อมูล สอบถามเกี่ยวกับสมมติฐานที่ขาดไป ท้าทายขั้นตอนที่อ่อนแอ หรือแก้ไขส่วนหนึ่งโดยคงส่วนที่ต้องการไว้

GPT-6 Astra เทียบกับ Claude Opus 4.6

เปรียบเทียบอินพุตของโมเดล บริบท เอาต์พุต วิธีการให้เหตุผล และจุดเน้นของงาน เพื่อเลือกจุดเริ่มต้นที่เหมาะสม

GPT-6 Astra เทียบกับ Claude Opus 4.6
เปรียบเทียบGPT-6 AstraClaude Opus 4.6
อินพุตของโมเดล
รองรับการรับข้อความและรูปภาพสำหรับงานที่เกี่ยวข้องกับเอกสาร โค้ด และข้อมูลอ้างอิงเชิงภาพ
รองรับการรับข้อความและรูปภาพสำหรับงานที่เกี่ยวข้องกับเอกสาร โค้ด และข้อมูลอ้างอิงเชิงภาพ
ความยาวของบริบท
มีหน้าต่างบริบทขนาด 1,050,000 โทเค็น
มีหน้าต่างบริบทขนาด 1M โทเค็น
เนื้อหาและความยาวเอาต์พุต
สร้างข้อความได้สูงสุด 128,000 โทเค็น สำหรับคำอธิบาย เอกสาร และโค้ด
สร้างข้อความได้สูงสุด 128K โทเค็น สำหรับคำอธิบาย เอกสาร และโค้ด
วิธีการให้เหตุผล
รองรับระดับความพยายามในการให้เหตุผลทั้ง Low, Medium, High, Extra high และ Max
รองรับกระบวนการคิดแบบปรับได้ตามสถานการณ์สำหรับการรีวิวโค้ด เอกสารยาว และการให้เหตุผลที่ซับซ้อน
จุดเน้นของงาน
มุ่งเน้นการให้เหตุผลขั้นสูง การเขียนโค้ด การวิจัย และการสร้างเอกสาร
มุ่งเน้นการเขียนโค้ดอย่างต่อเนื่อง การรีวิวโค้ด และงานที่ต้องใช้ความรู้เชิงลึก

เลื่อนแนวนอนเพื่อเปรียบเทียบโมเดลทั้งหมด

พรอมต์สำหรับไอเดียของคุณ

สำรวจพรอมต์ GPT-6 Astra เพื่อค้นหาจุดเริ่มต้นสำหรับหน้าเว็บถัดไปของคุณ

โมเดล 3D เครื่องยนต์ V8 แบบอินเทอร์แอคทีฟ

สร้างภาพจำลอง 3D ของเครื่องยนต์ V8 ที่มีความละเอียดสูงและสามารถโต้ตอบได้

ขั้นตอนการทำงาน GPT-6 Astra Design ร่วมกับ Images 2.5

ใช้ imagegen เพื่อออกแบบหน้านี้ใหม่ จากนั้นนำไปใช้งานจริง

ประสบการณ์ลำธารแสนอบอุ่นแบบ 3D ด้วย Three.js

สร้างประสบการณ์ 3D แบบอินเทอร์แอกทีฟของลำธารแสนอบอุ่นที่ไหลบนเบราว์เซอร์โดยใช้ Three.js นำเข้าโมเดล Low-poly ของหิน ต้นไม้ น้ำ และหญ้าที่สร้างขึ้นใน Blender ใช้ Shader น้ำแบบสมจริงพร้อมแอนิเมชันการไหล แสง Ambient พร้อมเงาอ่อนๆ และเอฟเฟกต์ลมพัดเบาๆ บนพืชพรรณ เพิ่ม Orbit Controls เพื่อให้ผู้ใช้สำรวจได้ และมั่นใจว่าประสิทธิภาพสูงที่ 60fps

เปลี่ยน Zork เกมผจญภัยแบบข้อความสู่เกม 3 มิติ

เปลี่ยน Zork (เกมผจญภัยแบบข้อความคลาสสิกจากปี 1977) ให้กลายเป็นเกมแอ็กชันผจญภัย 3 มิติเต็มรูปแบบ โดยคงเนื้อเรื่องและปริศนาต้นฉบับไว้ เพิ่มฉากต่อสู้ และสร้างตัวละครรวมถึงสภาพแวดล้อมทั้งหมดโดยตรงใน Three.js

สร้างแผนที่เกม Valorant ด้วย Three.js

เฮ้ gpt-6 astra ช่วยสร้าง VALORANT ด้วย three.js ให้ฉันหน่อย โดยห้ามมีข้อผิดพลาด และใช้แผนที่ "ascent" ของ Valorant เป็นแผนที่หลัก

เครื่องมือสร้างป่า 3D ความหนาแน่นสูงบนเบราว์เซอร์

ก่อนอื่นให้ค้นหาทักษะ "/unlazy" อ่านให้ครบถ้วน และใช้ทักษะนี้ตลอดทั้งงาน

ให้ถือว่านี่เป็นงานสร้างภาพขนาดใหญ่ที่ใช้เวลาอย่างน้อย {argument name="minimum duration" default="5 ชั่วโมง"} โดยแนะนำให้ใช้เวลา {argument name="optimal duration" default="8–24 ชั่วโมง"} ในการลงมือทำและปรับปรุงอย่างจริงจังหากสภาพแวดล้อมเอื้ออำนวย อย่าหยุดเพียงแค่ทำฉากที่ดูดีเพียงฉากเดียว

สร้าง {argument name="subject" default="ป่า 3D"} แบบเรียลไทม์ที่มีรายละเอียดสูงมากบนเบราว์เซอร์ ห้ามสร้างสิ่งอื่นใด เช่น หน้า Landing Page, การ์ด, เนื้อเรื่อง, UI ทางการตลาด, แดชบอร์ด หรือข้อความที่ไม่จำเป็น ตัวป่าเองคือประสบการณ์ทั้งหมดของงานนี้

เน้นความหนาแน่นและคุณภาพของภาพให้ถึงขีดสุด

สร้างรายละเอียดจำนวนมหาศาล ทั้งหญ้า ต้นไม้ที่หลากหลาย กิ่งไม้ ใบไม้ พุ่มไม้ เฟิร์น มอส ดอกไม้ วัชพืช รากไม้ ไม้ที่ล้มลง หิน ดิน เศษใบไม้ พืชขนาดเล็ก ความหลากหลายของภูมิประเทศ และรายละเอียดเล็กๆ น้อยๆ ในสภาพแวดล้อม

ป่าควรจะดูหนาแน่นจนเกือบจะเกินจริง พื้นดินที่ว่างเปล่าควรมีน้อยมาก

ให้ความสำคัญอย่างยิ่งกับ:
รูปทรงต้นไม้ที่สมจริง,
หญ้าที่หนาแน่น,
ความหลากหลายของวัตถุที่เป็นธรรมชาติ,
สีสันที่สมบูรณ์,
การจัดแสง,
เงาที่ตกกระทบ (contact shadows),
ลม,
การเคลื่อนไหวของใบไม้,
ความลึกของบรรยากาศ,
หมอก,
ลำแสงอาทิตย์,
อนุภาค,
ภูมิประเทศ,
วัสดุ,
สเกล,
องค์ประกอบภาพ,
และรายละเอียดทั้งในระยะใกล้และระยะไกล

หลีกเลี่ยงการใช้ทรัพยากรที่ซ้ำซากเห็นได้ชัด, ใบไม้ที่ดูแบนเหมือนป้ายโฆษณา (billboard), พื้นผิวที่ดูเป็นแผ่นต่อกัน, พืชที่ลอยอยู่, วัสดุที่ดูเหมือนพลาสติก, ต้นไม้ที่เหมือนกันทุกประการ, การวางตำแหน่งแบบสุ่มที่ดูเบาบาง, แสงฟุ้ง (bloom) ที่มากเกินไป หรือรูปลักษณ์แบบเดโมทั่วไปของ Three.js

รวมถึงการสำรวจด้วยกล้องอิสระที่ลื่นไหล

จับภาพและตรวจสอบฉากซ้ำๆ จากหลายมุมมอง ระบุจุดที่พืชดูไม่สมจริง พื้นที่ว่างเปล่า สีที่ดูแย่ ความซ้ำซาก วัสดุที่ไม่ดี การจัดแสงที่ไม่สมจริง รูปทรงต้นไม้ที่ดูไม่สวยงาม คอขวดด้านประสิทธิภาพ และสิ่งใดก็ตามที่ทำลายความรู้สึกสมจริง แก้ไขปัญหาเหล่านี้และเพิ่มคุณภาพอย่างต่อเนื่องตลอดระยะเวลาการทำงาน

เป้าหมายไม่ใช่จำนวนฟีเจอร์ แต่เป้าหมายคือการทำให้ป่าบนเบราว์เซอร์หนึ่งแห่งดูสมจริงและมีบรรยากาศที่น่าทึ่งจนแทบไม่น่าเชื่อ

สร้างประสบการณ์ที่สมบูรณ์ เผยแพร่แบบสาธารณะบน ChatGPT Sites ตรวจสอบการใช้งาน และส่ง URL สาธารณะกลับมา

โครงร่างตัวละครอนิเมะ

ภาพแบบแบ่งหน้าจอแสดงโมเดล 3 มิติของศีรษะและลำตัวส่วนบนของตัวละครสไตล์อนิเมะ ด้านซ้ายแสดงมุมมองด้านหน้า และด้านขวาแสดงมุมมองด้านข้าง ตัวละครมีดวงตาสีฟ้าขนาดใหญ่ จมูกเล็ก และรอยยิ้มเล็กน้อย โมเดลถูกซ้อนทับด้วยตาข่ายโครงร่าง (wireframe mesh) ซึ่งประกอบด้วยเส้นสีดำที่สร้างเป็นรูปสามเหลี่ยม และเส้นสีแดงที่เน้นขอบหรือจุดยอดเฉพาะ พื้นหลังเป็นสีเทาเข้มล้วน

การสร้างเมืองบนเกาะแฟนตาซี

A {argument name="setting" default="เมืองบนเกาะแฟนตาซีที่อาบไปด้วยแสงแดด"} {argument name="water style" default="น้ำทะเลสีฟ้าคราม"} วิหารโบราณ ถนนหิน สถานที่สำคัญทางเวทมนตร์ และโลกที่ให้ความรู้สึกว่าสามารถออกสำรวจได้จริง

ไปป์ไลน์การสร้างฉากไล่ล่ารถยนต์ 3D สไตล์ GTA

สร้าง {argument name="style" default="ฉากไล่ล่ารถยนต์สไตล์การ์ตูนแบบ GTA"} ต้นฉบับโดยใช้เวิร์กโฟลว์นี้: การออกแบบ: กำหนดตัวละครคนขับ 1 คน รถยนต์ที่ใช้หลบหนี 1 คัน รถยนต์ที่ไล่ล่า 1 คัน และ {argument name="environment" default="สภาพแวดล้อมในเมือง"} 1 แห่ง โดยรักษาความสอดคล้องของการออกแบบ วางแผนช็อตวิดีโอ 3 ช็อต ความยาวช็อตละ 4 วินาที ได้แก่: การไล่ล่าแบบติดตามจากด้านหลัง, การติดตามจากด้านข้างขณะเข้าโค้งหักศอก และช็อตมุมกว้างตอนขับออกไป สร้างใน Blender: สร้างโมเดลสีเทาที่สะอาดตา รวมถึง Rig ของตัวละครและยานพาหนะที่ใช้งานได้จริง โดยไม่จำเป็นต้องใส่พื้นผิว (Texture) หรือทำ UV unwrapping ทำแอนิเมชันและทดสอบ: ทำแอนิเมชันการขับขี่ การบังคับเลี้ยว การหมุนของล้อ ยานพาหนะ และกล้อง รักษาทิศทางการเคลื่อนที่และลำดับของยานพาหนะให้ต่อเนื่อง แก้ไขปัญหาโมเดลทะลุกัน (Clipping), ล้อลอย, ยางไถล, ท่าทางที่ผิดธรรมชาติ และมือที่หลุดจากพวงมาลัย เรนเดอร์ใน Blender: เรนเดอร์เฟรมที่ 1–288 ที่ความละเอียด 1280×720, 24 fps ประกอบเฟรมที่เรนเดอร์จาก Blender ให้เป็นวิดีโอต้นแบบโมเดลสีเทาความยาว 12 วินาที ส่งออกแต่ละช็อตแยกกันและเรนเดอร์ภาพนิ่งสีเทาที่ตรงกันเพื่อใช้เป็นข้อมูลอ้างอิงด้านรูปทรงและองค์ประกอบภาพ ปิดท้ายด้วย PixVerse Plugin: ใช้ Seedance 2.5 ที่ความละเอียด 720p โดยประมวลผลแต่ละช็อตแยกกัน ใช้คลิปจาก Blender เป็นข้อมูลอ้างอิงการเคลื่อนไหว และใช้ภาพนิ่งสีเทาเป็นข้อมูลอ้างอิงด้านรูปทรง กำหนดชุดสีสไตล์การ์ตูนที่สอดคล้องกันในพร้อมท์การสร้าง รักษาการเคลื่อนไหวของกล้อง จังหวะของแอ็กชัน การออกแบบตัวละครและยานพาหนะ รวมถึงจำนวนยานพาหนะให้คงเดิม ตรวจสอบและส่งงาน: ตรวจสอบวิดีโอฉบับสมบูรณ์ทั้งสองเวอร์ชันเพื่อหาข้อบกพร่องทางภาพและความต่อเนื่อง แก้ไขปัญหาใน Blender และสร้างช็อตที่ล้มเหลวใน Seedance ใหม่ โดยให้ลองใหม่ได้สูงสุดไม่เกินสองครั้งต่อช็อต ส่งไฟล์ .blend ที่แก้ไขได้, วิดีโอโมเดลสีเทาจาก Blender ความละเอียด 720p, เวอร์ชันจาก Seedance ความละเอียด 720p ที่ระบุชื่อแยกกัน และสรุปประเมินข้อจำกัดที่ยังคงเหลืออยู่

ฉากบึงแสงจันทร์ Three.js

สร้างฉากบึงแสงจันทร์ใน Three.js เสร็จแล้ว ตอนนี้เอาแต่นั่งจ้องดูเงาสะท้อนบนผิวน้ำนานเกินไปจนเสียสุขภาพ

สร้างด้วย Astra Ultra Code

การจำลองการวาดภาพด้วยหุ่นยนต์ใน MuJoCo

สร้างการตั้งค่าใน MuJoCo และเขียนตัวควบคุมเพื่อวาด {argument name="artwork" default="นกพิราบของปีกัสโซ"} โดยใช้ {argument name="robotic system" default="แขนหุ่นยนต์และมือที่มีห้านิ้ว"}

กลยุทธ์การสร้างเกมเว็บขับรถในปารีส

ใช้ Codex และโมเดลฐาน 3D อย่าง Tripo เพื่อสร้างเกมเว็บขับรถในปารีส สร้าง Asset 3D ที่มีรายละเอียดสูงสำหรับรถยนต์ ต้นไม้ หอไอเฟล และคนเดินเท้า ใช้โค้ดเพื่อสร้างโครงสร้างระยะไกลเช่นตึก สะพาน และแม่น้ำแซน แนวทางแบบไฮบริดนี้ช่วยสมดุลระหว่างความละเอียดและอัตราเฟรมสำหรับเกมบนเบราว์เซอร์

เสียงจากผู้ใช้ของเรา

  • GPT-6 Astra คือโมเดลที่ผมเลือกใช้เสมอเมื่อโปรเจกต์มีแนวทางที่เป็นไปได้หลายทาง และผมต้องการเข้าใจข้อดีข้อเสียก่อนตัดสินใจเลือกสักทาง

    Evelyn Hart
  • ส่วนที่มีประโยชน์ที่สุดของสรุปงานวิจัยจาก Astra คือการได้เห็นความเชื่อมโยงของแต่ละประเด็น ผมสามารถติดตามหลักฐานที่อยู่เบื้องหลังข้อสรุป และตัดสินใจได้ว่าจุดไหนควรเจาะลึกเพิ่มเติม

    Marco Bellini
  • พอมีไอเดียฟีเจอร์ที่ซับซ้อน ผมจะเอาไปคุยกับ GPT-6 Astra โดยขอให้ช่วยแยกสมมติฐานออกมาก่อน มันทำให้ผมมีจุดเริ่มต้นที่ดีขึ้นเวลาคุยกับทีมวิศวกร

    Priya Nair
  • Astra ทำให้เรื่องยากๆ เข้าถึงง่ายขึ้นโดยยังคงรายละเอียดไว้ครบถ้วน ผมตามตรรกะได้ทันและตั้งคำถามต่อได้เรื่อยๆ

    Jonas Berg
  • ผมชี้ให้ Astra ดูรายละเอียดเฉพาะจุดในภาพอ้างอิง มันช่วยให้บทสนทนามีโฟกัสที่ชัดเจน ซึ่งบางครั้งการใช้แค่คำพูดอย่างเดียวอาจทำไม่ได้

    Lena Okafor
  • เวลาทำข้อเสนอ ผมจะถาม GPT-6 Astra ทั้งคำแนะนำและข้อโต้แย้ง การพิจารณาทั้งสองฝั่งทำให้ผมเห็นว่าร่างเอกสารยังขาดอะไรอีกบ้าง

    Adrian Cole
  • โน้ตของผมมักจะยุ่งเหยิง แต่ Astra ช่วยจัดระเบียบให้เป็นสรุปงานที่แยกชัดว่าอะไรคือสิ่งที่เราสังเกตเห็น และอะไรคือสิ่งที่เรากำลังสันนิษฐาน

    Sofia Marin
  • ผมจะให้ GPT-6 Astra อธิบายโค้ดส่วนที่ไม่คุ้นเคยก่อนที่จะคุยเรื่องการแก้ไข เพราะการเข้าใจความสัมพันธ์ระหว่างโค้ดแต่ละส่วนคือสิ่งที่สำคัญที่สุดสำหรับผม

    Daniel Park
  • โครงร่างที่ดีจาก Astra เปิดพื้นที่ให้ผมได้เขียนต่อ ผมสามารถสำรวจแนวคิด แล้วเก็บสำนวนที่ยังคงเป็นตัวของตัวเองไว้ได้

    Mina Farouk
  • เวลาเปรียบเทียบแผนโปรเจกต์ ผมพบว่าคำถามที่ยังไม่มีคำตอบนั้นมีประโยชน์ไม่แพ้คำแนะนำเลย นั่นคือสิ่งที่ผมให้ Astra ช่วยระบุออกมาให้ชัดเจน

    Theo Laurent
  • ผมชอบเริ่มจากคำถามคร่าวๆ แล้วค่อยๆ ปรับให้ชัดเจนขึ้นด้วย GPT-6 Astra คำตอบแรกที่ได้จะกลายเป็นสิ่งที่ผมต่อยอดทำงานต่อได้เลย

    Nora Whitlock
  • เวลาเตรียมบรีฟทีม ผมจะให้ Astra สรุปการตัดสินใจแบบกระชับพร้อมรายละเอียดสนับสนุน รูปแบบที่ได้มาช่วยให้ผมตรวจสอบและปรับให้เหมาะกับคนในห้องประชุมได้ง่ายมาก

    Ravi Mehta

คำถามเกี่ยวกับการทำงานร่วมกับ Astra

ฉันควรใส่ข้อมูลอะไรในคำขอวิจัย
ระบุคำถาม เนื้อหาที่เกี่ยวข้อง กลุ่มเป้าหมาย และช่วงเวลาที่สำคัญ ขอให้แนบแหล่งอ้างอิงและส่วนสำหรับคำถามที่ยังไม่ได้คำตอบ หากข้อเท็จจริงในปัจจุบันมีความสำคัญ ควรระบุแหล่งข้อมูลล่าสุดและตรวจสอบความถูกต้องของข้อมูลที่คุณตั้งใจจะใช้
จะเปรียบเทียบแหล่งข้อมูลที่ขัดแย้งกันได้อย่างไร
เก็บชื่อแหล่งที่มาและวันที่กำกับไว้กับแต่ละข้ออ้าง ขอให้โมเดลระบุว่าความขัดแย้งนั้นมาจากจุดใด เช่น ความหมาย ช่วงเวลา หรือสมมติฐานที่แตกต่างกัน ตรวจสอบข้อความต้นฉบับก่อนตัดสินใจเลือกการตีความที่เหมาะกับงานของคุณ
สามารถสอบถามเกี่ยวกับรูปภาพและภาพหน้าจอได้ไหม
ได้ Astra รองรับการป้อนข้อมูลเป็นรูปภาพและสามารถอธิบายรายละเอียดที่มองเห็นได้ เพิ่มรูปภาพที่ชัดเจน ระบุบริเวณที่คุณต้องการถาม และตั้งคำถามให้ชัดเจน หากรายละเอียดหรือตัวเลขขนาดเล็กมีความสำคัญ ให้ครอปภาพให้ใกล้ขึ้นหรือวางข้อความประกอบเพื่อให้ตรวจสอบรายละเอียดเหล่านั้นได้
ควรจัดระเบียบชุดข้อมูลขนาดใหญ่อย่างไร
เริ่มด้วยคำอธิบายสั้น ๆ ของคำถามและระบุป้ายกำกับของแต่ละแหล่งข้อมูล เลือกส่วนที่สำคัญที่สุดและขอให้สร้างโครงร่างก่อนตอบแบบยาว ปริมาณเนื้อหาที่เหมาะสมจะขึ้นอยู่กับขั้นตอนการทำงานปัจจุบันและบทสนทนาที่กำลังดำเนินอยู่
ควรเลือกระดับการให้เหตุผลอย่างไร
เลือกระดับการให้เหตุผลตามความยากของปัญหา คำขอที่ตรงไปตรงมาอาจใช้การวิเคราะห์ไม่มาก ส่วนการตัดสินใจที่มีหลายปัจจัยเกี่ยวข้องอาจเหมาะกับการตรวจสอบอย่างละเอียด ไม่ว่าจะเลือกระดับใด ควรกำหนดรูปแบบผลลัพธ์และเกณฑ์การตรวจสอบให้ชัดเจน
สามารถใช้ Astra เพื่อทำความเข้าใจการเปลี่ยนแปลงโค้ดที่ซับซ้อนได้ไหม
ระบุโค้ดที่เกี่ยวข้อง พฤติกรรมที่คาดหวัง และส่วนที่คุณยังไม่แน่ใจ ขอให้โมเดลอธิบาย dependencies, edge cases ที่อาจเกิดขึ้น และการทดสอบที่จะช่วยแยกแยะตัวเลือกต่าง ๆ รันและตรวจสอบโค้ดที่ได้รับเสนอแนะทุกครั้งก่อนนำไปใช้งานจริง
จะประเมินว่าร่างเอกสารมีโทนที่เหมาะสมหรือไม่ได้อย่างไร
อ่านข้อความในบริบททั้งหมดและพิจารณาว่ารายละเอียด การเน้นย้ำ และตอนจบสอดคล้องกับความรู้สึกที่คุณต้องการสื่อถึงผู้อ่านหรือไม่ ร่างเนื้อหาอาจตอบโจทย์ brief ได้แม้จะมีการเลือกใช้แนวทางที่แตกต่างจากผู้เขียน อ่านรายงาน Writing Sense เพื่อดูตัวอย่างวิธีการที่เราใช้วิเคราะห์ทางเลือกเหล่านั้น

โมเดลเพิ่มเติม

เรียนรู้ให้ลึกซึ้ง กล้าคิด กล้าสร้างสรรค์