Anthropic कंप्यूटर उपयोग: Claude 3.5 के साथ अपना डेस्कटॉप स्वचालित करें

कंप्यूटर उपयोग वर्तमान में प्रायोगिक चरण में है, और Anthropic डेवलपर्स को इसे आज़माने और बग रिपोर्ट करने की अनुमति दे रहा है। समय के साथ, तकनीक में सुधार होगा, और इसमें विभिन्न भूमिकाओं—डेवलपर्स से लेकर प्रशासनिक भूमिकाओं—में कार्य संभालने की अविश्वसनीय क्षमता है। 

Canva, DoorDash, और Replit जैसी संस्थाएँ पहले ही कंप्यूटर उपयोग के साथ प्रयोग करना शुरू कर चुकी हैं ताकि ऐसे कार्य स्वचालित हो सकें जिनमें दर्जनों, और कभी-कभी सैकड़ों, चरणों की आवश्यकता होती है।

यह नई क्षमता नए और बेहतर Claude 3.5 Sonnet मॉडल से संभव हुई है, जो सभी उपयोगकर्ताओं के लिए उपलब्ध है। आप इसे Anthropic API, Amazon Bedrock, और Google Cloud के Vertex AI के माध्यम से एक्सेस कर सकते हैं।

कंप्यूटर उपयोग कैसे काम करता है?

Anthropic कंप्यूटर उपयोग पृष्ठभूमि में चार चरणों में काम करता है। सबसे पहले, यह उपयोगकर्ता से API अनुरोध प्राप्त करता है। प्रॉम्प्ट का उपयोग करके, Claude तब उपयोग किए जाने वाले टूल का चयन करता है। उसके बाद, यह डेस्कटॉप के स्क्रीनशॉट लेता है और आकलन करता है कि कार्य पूरा हुआ है या नहीं। यदि नहीं, तो यह लक्ष्य प्राप्त होने तक टूल का उपयोग करता रहेगा। आइए इसे विस्तार से समझते हैं। 

1. API अनुरोध

हम Python API का उपयोग करके नवीनतम Claude 3.5 Sonnet मॉडल तक पहुँचेंगे और दो टूल इस्तेमाल करेंगे: text_editor और bash। फिलहाल, हमारे पास केवल तीन Anthropic-परिभाषित टूल्स तक पहुँच है:

• { "type": "computer_20241022", "name": "computer" }
• { "type": "text_editor_20241022", "name": "str_replace_editor" }
• { "type": "bash_20241022", "name": "bash" }

"type" फ़ील्ड टूल्स की पहचान के लिए उपयोग होती है, और "name" फ़ील्ड मॉडल को दिखाई जाती है। फिर हम उपयोगकर्ता प्रॉम्प्ट और कंप्यूटर उपयोग पैरामीटर प्रदान करेंगे।

import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    tools=[
        {
          "type": "computer_20241022",
          "name": "computer",
          "display_width_px": 1024,
          "display_height_px": 768,
          "display_number": 1,
        },
        {
          "type": "text_editor_20241022",
          "name": "str_replace_editor"
        },
        {
          "type": "bash_20241022",
          "name": "bash"
        }
    ],
    messages=[{"role": "user", "content": "Download a picture of a sports car to my desktop."}],
    betas=["computer-use-2024-10-22"],
)
print(response)

2. Claude उपयोग के लिए टूल चुनता है 

Claude टूल की परिभाषाएँ और एक्सेस की जाँच करता है ताकि यह देखा जा सके कि उपयोगकर्ता क्वेरी के साथ कौन से टूल्स उपयोग किए जा सकते हैं। जब टूल चुना जाता है, तो Claude एक टूल अनुरोध निष्पादित करता है।

3. निष्कर्षण, मूल्यांकन, और परिणाम

कंप्यूटर उपयोग टूल इनपुट निकालता है, इनपुट का उपयोग करके कंप्यूटर पर प्रक्रिया को अंजाम देता है, और फिर परिणाम को स्क्रीनशॉट के रूप में लौटाता है। उसके बाद, यह एक नए उपयोगकर्ता संदेश के साथ बातचीत जारी रखता है, जिसमें टूल का परिणाम शामिल होता है। 

4. कार्य पूरा होने तक कंप्यूटर उपयोग टूल कॉल करना

Claude टूल के परिणामों को प्रोसेस और व्याख्यायित करता है ताकि यह निर्धारित कर सके कि कार्य पूरा हुआ है या और टूल्स की आवश्यकता है। यदि वह किसी अन्य टूल का उपयोग करने का निर्णय लेता है, तो वह तीसरा चरण फिर से दोहराएगा। बिना उपयोगकर्ता इनपुट के तीसरे और चौथे चरणों की पुनरावृत्ति को “एजेंट लूप” कहा जाता है। यह एक दोहराव वाली प्रक्रिया है जहाँ Claude टूल्स का उपयोग करके आपके डेस्कटॉप वातावरण के साथ इंटरैक्ट करता है और परिणामों का मूल्यांकन करता है। 

कंप्यूटर उपयोग के साथ आरंभ करना

कंप्यूटर उपयोग बीटा में है और इस प्रकार विभिन्न जोखिम उपस्थित हैं। यदि कंप्यूटर ब्राउज़र के माध्यम से इंटरनेट तक पहुँचने की कोशिश करता है तो ये जोखिम बढ़ जाते हैं। इसलिए हम न्यूनतम विशेषाधिकारों वाले Docker कंटेनर का उपयोग करेंगे ताकि सीधे सिस्टम पर हमलों या दुर्घटनाओं को रोका जा सके।

हम एक रेफ़रेंस इम्प्लीमेंटेशन का उपयोग करेंगे जिसमें Docker के साथ कंप्यूटर उपयोग प्रारंभ करने के लिए कमांड शामिल हैं। Docker इमेज में वे सभी घटक होते हैं जिनकी Claude को कंप्यूटर उपयोग के लिए आवश्यकता होती है। 

पूर्वापेक्षाएँ: 

• अपने सिस्टम पर Docker का नवीनतम संस्करण इंस्टॉल करें।
• Anthropic API कुंजी प्राप्त करें और सुनिश्चित करें कि इस सुविधा का उपयोग करने के लिए आपके पास पर्याप्त क्रेडिट हों। 

टर्मिनल या bash में निम्न कमांड टाइप करें। %your_api_key% को Anthropic API कुंजी से बदलें, जो आप कंसोल से प्राप्त कर सकते हैं। 

export ANTHROPIC_API_KEY=%your_api_key%
docker run \
    -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
    -v $HOME/.anthropic:/home/computeruse/.anthropic \
    -p 5900:5900 \
    -p 8501:8501 \
    -p 6080:6080 \
    -p 8080:8080 \
    -it ghcr.io/anthropics/anthropic-quickstarts:computer-use-demo-latest

यह सभी आवश्यक पैकेज डाउनलोड करेगा और उन्हें Docker कंटेनर में चलाएगा। 

एक बार कंटेनर चलने लगे, तो हम ब्राउज़र में स्थानीय URL http://localhost:8080 टाइप करके Claude कंप्यूटर उपयोग तक पहुँच सकते हैं। 

प्रॉम्प्ट टाइप करना शुरू करें, और कंप्यूटर उपयोग कार्य समाप्त करने के लिए आवश्यक सभी चरण पूरे कर देगा। 

मॉडल के प्रदर्शन में सुधार

कंप्यूटर उपयोग के लिए प्रॉम्प्ट लिखना, चैट या सामान्य प्रतिक्रिया निर्माण हेतु Claude 3.5 Sonnet के उपयोग से बिल्कुल अलग है। सटीक परिणाम पाने के लिए आपको कुछ सरल नियमों का पालन करना होगा।

1. हर चरण के लिए सरल और विस्तृत निर्देश दें।
2. ऐसा प्रॉम्प्ट लिखें जो Claude को हर चरण के बाद स्क्रीनशॉट लेने और सही परिणाम का मूल्यांकन करने का निर्देश दे।
3. प्रॉम्प्ट में रिफ्लेक्शन प्रक्रिया शामिल करें। यदि वांछित परिणाम न मिले तो Claude को दोबारा प्रयास करने का निर्देश दें।
4. जटिल UI तत्वों के लिए, Claude से माउस की बजाय कीबोर्ड शॉर्टकट का उपयोग करने के लिए कहें।
5. वह परिणाम कैसा दिखना चाहिए इसका एक स्क्रीनशॉट शामिल करें, ताकि Claude समान परिणाम प्राप्त कर सके।

कंप्यूटर उपयोग के अनुप्रयोग

कंप्यूटर उपयोग के रोज़मर्रा की ज़िंदगी और कार्यस्थल में सैकड़ों उपयोग के मामले हैं। यह आपके लिए विभिन्न जटिल कार्यों को स्वचालित कर सकता है। उदाहरण के लिए, आप कंप्यूटर से Golden Gate Bridge पर किसी मित्र के साथ एक मुलाक़ात की योजना बनाने के लिए कह सकते हैं। 

जैसा कि वीडियो में दिखाया गया है, यह Google खोज कर सकता है, दूरी जानने के लिए मैप्स खोल सकता है, सूर्यास्त का समय जाँच सकता है, और इवेंट को कैलेंडर में जोड़ सकता है। यह उन रोज़मर्रा के कार्यों के लिए शानदार है जिनमें सामान्यतः घंटों की रिसर्च और संगठन लगता है। AI यह सब कुछ ही मिनटों में, न्यूनतम निगरानी के साथ कर सकता है।

एक अन्य उदाहरण में, Alex कंप्यूटर से Chrome ब्राउज़र लॉन्च करने और claude.ai नामक वेबसाइट का उपयोग करके 90s थीम वाली एक पर्सनल वेबसाइट बनाने के लिए कह रहा है। उसके बाद, उसने फ़ाइल डाउनलोड करने, उसे VS Code में खोलने और लोकल रूप से चलाने के लिए कहा। कुछ ही मिनटों में, उसने एक सही वेबसाइट बना ली।

कंप्यूटर उपयोग की सीमाएँ

Claude के कंप्यूटर का AI प्रयोगों के लिए उपयोग शुरू करने से पहले, इसकी सीमाओं और चेतावनियों से अवगत रहें, जैसे:

1. लेटनसी: कंप्यूटर उपयोग की लेटनसी सामान्य मानव-निर्देशित कंप्यूटर क्रियाओं की तुलना में बहुत धीमी हो सकती है।
2. स्क्रॉलिंग की विश्वसनीयता: मौजूदा सेटअप में स्क्रॉलिंग विश्वसनीय नहीं है। इसके बजाय, Claude से कीबोर्ड शॉर्टकट का उपयोग करने को कहें।
3. स्प्रेडशीट इंटरैक्शन: स्प्रेडशीट में माउस क्लिक अविश्वसनीय हैं। आप Claude से एरो कीज़ उपयोग करने के लिए कहकर इसे टाल सकते हैं।
4. कमजोरियाँ: जेलब्रेकिंग या प्रॉम्प्ट इंजेक्शन आम AI मॉडल समस्याएँ हैं और कंप्यूटर उपयोग में भी मौजूद हैं।
5. अवैध कार्रवाइयाँ: आप कंप्यूटर उपयोग का इस्तेमाल कानून तोड़ने के लिए नहीं कर सकते।
6. सोशल और संचार प्लेटफ़ॉर्म से जुड़ी समस्याएँ: Claude को अकाउंट बनाने और सोशल मीडिया प्लेटफ़ॉर्म पर पोस्ट करने में कठिनाई होती है।
7. कंप्यूटर विज़न की शुद्धता: क्रियाएँ उत्पन्न करते समय Claude विशिष्ट कोऑर्डिनेट्स में गलती या गलत व्याख्या कर सकता है।
8. टूल चयन की शुद्धता: क्रियाएँ उत्पन्न करते समय टूल चुनने में Claude गलती कर सकता है या कल्पना कर सकता है।

कंप्यूटर उपयोग का मूल्य निर्धारण

कंप्यूटर उपयोग की लागत Claude मॉडलों पर API कॉल करने के समान है। हालाँकि, एक विशेष सिस्टम प्रॉम्प्ट के उपयोग तथा अतिरिक्त इनपुट टोकनों से संबंधित अतिरिक्त लागत भी होती है। आप मॉडलों के लिए मूल्य विवरण Anthropic के मूल्य निर्धारण पृष्ठ पर देख सकते हैं।

विशेष सिस्टम प्रॉम्प्ट टोकन उपयोग

विशेष सिस्टम प्रॉम्प्ट के लिए स्वचालित टूल चयन हेतु अतिरिक्त 466 टोकन और किसी भी टूल के लिए 499 टोकन आवश्यक होते हैं। ये आँकड़े Claude 3.5 Sonnet (नया) मॉडल पर लागू होते हैं, जिसकी कीमत $3 प्रति मिलियन इनपुट टोकन और $15 प्रति मिलियन आउटपुट टोकन है।

अतिरिक्त इनपुट टोकन

Anthropic-परिभाषित टूल्स का उपयोग करने के लिए निम्न अतिरिक्त इनपुट टोकन आवश्यक हैं:

• computer_20241022: 683 टोकन
• text_editor_20241022: 700 टोकन
• bash_20241022: 245 टोकन

अंतिम विचार

कंप्यूटर उपयोग के अनगिनत अनुप्रयोग हैं, और व्यवसाय अपनी उत्पादकता बढ़ाने के लिए अपने मैनुअल कार्यों का बड़ा हिस्सा स्वचालित कर सकते हैं। यह एक सामान्य कंप्यूटर उपयोगकर्ता का समय भी बचा सकता है—जैसे कॉफी ऑर्डर करना या फ़्लाइट बुक करना जैसे नियमित कार्यों पर। 

कंप्यूटर उपयोग में हर तरह के कार्य संभालने की क्षमता है, और आपको बस निगरानी करनी है। आपको केवल एक कमांड देना है और उसके काम का मूल्यांकन करना है। यदि यह सटीक नहीं है, तो आप इसे दोहराने और बेहतर करने के लिए कह सकते हैं। यह टूल खेल बदलने वाला साबित हो सकता है और OpenAI o1 मॉडल की शुरुआत से भी अधिक प्रभावशाली हो सकता है।

हमने Anthropic की नई सुविधा के बारे में सीखा और यह कैसे Claude AI की मदद से डेस्कटॉप वातावरण के साथ इंटरैक्ट और उसे संशोधित कर सकती है। हमने यह भी सीखा कि यह कैसे काम करता है, Docker इमेज बनाई और इसे लोकल रूप से उपयोग किया, इसके उपयोग के मामले, सीमाएँ और मूल्य निर्धारण सीखा। संक्षेप में, अब आपको बस इसे स्वयं आज़माना है ताकि आप इन अद्भुत क्षमताओं का अनुभव कर सकें। यदि आप Anthropic और Claude के लिए नए हैं, तो हमारे संसाधन देखें: 

• Introduction to Claude वेबिनार
• Claude 3.5 Sonnet क्या है? यह कैसे काम करता है, उपयोग के मामले, और आर्टिफैक्ट्स
• Claude 3 और Claude 3 API के साथ शुरुआत करें ट्यूटोरियल