Bocka
Kunskapslager
Innehåll
Grunder

Large Language Model (LLM)

Stor språkmodell, ett program som lärt sig förutsäga nästa ord ur enorma textmängder, vilket är det som gör att det kan skriva, sammanfatta och svara.

På en minut

Språkmodellen är byggd för textarbete: sammanfatta ett förfrågningsunderlag, skriva om en veckorapport, strukturera en Excel-lista. Men den slår inte upp svar. Den skriver den text som troligast följer på din fråga.

  • ·Vet inget om er. Prislistan och förfrågningsunderlaget finns för Claude först när du lagt dem i kontexten.
  • ·Troligt, inte sant. Utan underlag skriver den ändå det som låter rätt, lika självsäkert: en hallucination. Ge källan, eller låt den söka med ett verktyg.
  • ·Ingen kalkylator. Den kan räkna genom att köra kod, men en siffra i löptext är text, inte en beräkning. Granska summor.
  • ·Inte appen. Chat och Cowork lägger filer, verktyg och behörigheter runt modellen. Modellmenyn väljer bara vilken modell som kör.
Tänk så här
Språkmodellen är en ny kollega med bred allmänbildning: skriver snabbt och bra, glömmer varje samtal och hittar på detaljer när underlaget saknas.
Språkmodellen gör text till text, Chat och Cowork lägger filer, verktyg och behörigheter runt den CHAT OCH COWORK TEXT IN FFU, 30 sidor TEXT UT Sammanfattning, 1 sida Språkmodellen Filer Verktyg Behörigheter
Figur: Språkmodellen skriver bara text, Chat och Cowork lägger filer, verktyg och behörigheter runt den

Så gör du i Cowork

  • 01Ge modellen underlaget. Koppla mappen eller bifoga filen. Det Claude inte ser finns inte för den, oavsett hur känt det är för dig.
  • 02Skriv uppgiften, inte frågan. "Sammanfatta FFU:n till en sida med krav, datum och oklarheter" ger ett bättre resultat än "vad står det här?".
  • 03Låt den söka när du vill ha fakta. Be Claude söka fram och citera källan i stället för att svara ur huvudet. Då blir svaret spårbart.
  • 04Kontrollera det som är siffror, namn och datum. Det är där en flytande text oftast är fel, och det är du som granskar leveransen.

Läs vidare

  • ·Training data: vad modellen lärde sig av, och var kunskapen tar slut.
  • ·Context window: allt Claude faktiskt ser när den svarar.
  • ·Tool: hur modellen når utanför sin egen text.
  • ·Models & Effort: vilken Claude-modell som kör och hur mycket den anstränger sig.
  • ·Claude Cowork: textarbetet som ett överlämnat uppdrag.