WAI (Workcube Artificial Intelligence)

AI yani Yapay zeka, makinelerin insan benzeri görevleri gerçekleştirmesini, deneyiminden öğrenmesini, yeni girdilere uyum sağlamasını mümkün kılan sistemlerdir. Workcube AI (WAI) Google Gemini Ultra ile entegre bir şekilde çalışır. 

WAI ile gelişmiş veri analizi, öngörüsel karar verme, içerikler oluşturma ya da sınav soruları oluşturma gibi pek çok fonksiyon çözümler ile entegre edilerek çalıştırılabilir. 

WAI kullanım için yapılması gerekenler

Öncelikle "Workcube - Google Gemini Entegrasyonu" wiki maddesindeki işlemler yapılmalıdır.

AI Classification Örnek Görsel:

Platform: Gemini, ChatGPT vb. hangi platformun kullanılacağının seçildiği alan.

Classification Name - Detay: Eklenen AI Classification için isim ve açıklama alanları.

Event: Yapılan tanımlamanın hangi event'ler ile çalışacağı seçilir.

WO - Widget: Bu Classification hangi wo ya da widget'lar ile çalışacağının seçildiği alan.

Statu: Eklenen WAI'nin yayında, tasarım aşamasında, yayında vb. seçimi yapılır. (analys, deployment, design, develeopment, testing)

Author: Bu Classification kim tarafından eklendi ise geliştiricinin ismi girilir.

Response Data - Key: AI Classification sayfasında, Response Data - Key alanı JSON seçilir ve altında bulunan alana gerekli değerler girilir.

• WAI dönüşünde doldurulması istenen tüm id değerleri, ayrı bir değer olarak girilmeli ve açıklaması yazılmalıdır. (Burada class_target, content ve keditor_id alanları tanımlandı.
• prompt_elements (zorunlu): Burada girilecek bilgiler, çalışacağı WO ile ilişkilendirilmelidir. İlk değer wo olmalı ve sonrasında JSON içeriği olarak sayfadan hangi değerleri alıp prompt içinde kullanılacaksa belirtilmelidir.
  
  Örnek: "prompt_elements": { "training_management.list_class": "class_name,training_cat_id,class_target" }

• training_management.list_class WO'su için prompt_elements tanımlanmış. class_name,training_cat_id,class_target değerleri, sayfada bulunan input'ların id değerleridir.
• Prompt tanımlarken, bu id değerlerinin promt içinde kullanılması için, promt içinde {} parantezleri ile belirtilmesi ve doğru wo ile çalışması için de wo'nun prompt içinde belirtilmesi gerekir:
  
  Örnek: {training_management.list_class} {class_name} sınıfı için {training_cat_id} kategorisinde ve {class_target} konusu için bir dersin amacını ve detayını oluşturur musun?

• WAI'den dönen içeriğin bir editörde kullanılması gerekiyorsa, parametre olarak keditor_id tanımlanması ve değer olarak da editörün textarea id'sinin tanımlanması gerekir.
• Max_char_count (isteğe bağlı): Gelecek cevap için en fazla kaç karakter kullanılacağını belirtir.
• Min_char_count (isteğe bağlı): Gelecek cevap için en az kaç karakter kullanılacağını belirtir.
• ResponseSchema (zorunlu): WAI'den dönecek değerin kullanacağı JSON yapısı.
  • Description: Şemanın açıklaması.
  • "type - array: Şemanın array türünde döneceği belirtilir.
  • Items: Dönmesi beklenen değerler. (Sayfada kullanılan input id değerlerinden yazılmalı. "type": "object" olmalı.)
  • Properties: Dönmesi beklenen değerlerin adları ve türleri belirlenir.
  • Required: Properties ile belirlenen değerlerden dönmesi zorunlu olanlar belirlenir.
• Bu değerler ile birlikte, Data Key tanımlaması bitmiş oluyor.
• AI Classification kaydedildikten sonra Prompt'lar girilebilir.