Sissejuhatus: Kohaliku tehisintellekti strateegiline küsimus
Iga tehnoloogiline nihe toob kaasa uue raskuskeskme. Suurte keelemudelite esilekerkimine on koondanud tähelepanu pilve API-dele – odav alustada, kallis skaleerida ja struktuuriliselt kooskõlas Aggregation Theory rõhuasetusega nõudluse hõivamisel. Kuid kohaliku tehisintellekti (mudelid, mis töötavad seadmes) taasteke tekitab strateegilise küsimuse: millal kaaluvad kontroll ja privaatsus üles pilve mugavuse? „Kuidas kasutada GPT4Alli“ on pealtnäha praktiline küsimus. Selle all peitub ärimudeli pöördepunkt: kulu, kontroll ja võimekus on ümber tasakaalustumas viisil, mis on oluline nii üksikisikute, ettevõtete kui ka arendajate jaoks. GPT4All on siin märkimisväärne, kuna see muudab kohaliku tehisintellekti tavaliste masinate jaoks toimivaks – pole API-t, pole GPU-d ja andmed ei lahku teie seadmest.
See juhend vastab kahele asjale korraga. Esiteks, kuidas seda teha: GPT4Alli installimine, mudelite valimine ja käitamine, integreerimine töövoogudega ja tõrkeotsing. Teiseks, miks just nüüd: kohaliku tehisintellekti strateegiliste kompromisside mõistmine seoses pilve LLM-idega ja millal valida üks teise asemel. Mõlemad on olulised, sest tehnoloogia strateegia seisneb üha enam selles, kus väärtus tekib: platvormile, mudeliteenuse pakkujale või kasutajale. GPT4All nihutab mõjuvõimu kasutaja poole.
Mis on GPT4All ja miks see oluline on?
GPT4All on töölauarakendus ja ökosüsteem, mis võimaldab teil alla laadida ja käitada avatud LLM-e kohapeal, kasutades ligipääsetavat kasutajaliidest ja valikulisi arendaja sidemeid. GPU-d pole vaja; CPU-dest piisab paljude mudelite jaoks, kuigi jõudlus suureneb koos riistvaraga. Toode keskendub andmete privaatsusele, võrguühenduseta juurdepääsule ja kulude prognoositavusele: pole ühikupõhiseid tasusid, vaid ainult aja ja arvutusvõimsuse ettemaks. Installimine on lihtne ja esmane kasutus peegeldab tuttavaid vestlusliideseid; tegelik erinevus on kohalik täitmine.
See on strateegiliselt oluline kolmel põhjusel:
- Kulustruktuur: Kohalikud mudelid muudavad muutuvad API tasud fikseeritud arvutusajaks. Sagedaste kasutajate või sisseehitatud rakenduste puhul võib see olla oluline nihe ühikumajanduses.
- Kontroll ja vastavus: Andmed ei lahku vaikimisi seadmest, mis lihtsustab mõningaid vastavusnõudeid ja vähendab tarnijariski – kui te haldate lõpp-punkte ja juurdepääsu korrektselt.
- Modulaarsus ja teisaldatavus: Saate vahetada mudeleid ilma oma rakendust ümber kirjutamata või API tingimuste üle uuesti läbi rääkimata. Seda valikulisust alahinnatakse kiiresti arenevatel mudeliturgudel.
Praktiline, samm-sammult juhend GPT4Alli kasutamiseks
GPT4Alli saate kasutada kahel peamisel viisil: töölauarakendus (enamiku kasutajate jaoks kõige kiirem tee) ja arendaja tööriistakomplekt (teegid Pythoni/C++ ja muude jaoks). Alustage töölauarakendusega, kui te ei tea, et vajate programmijuhtimist.
A. Töölauarakendus: Kiire algus vestluseks ja kohalikeks mudeliteks
- Laadige alla ja installige: Külastage ametlikku GPT4Alli dokumentatsiooni ja järgige kiirjuhendit Windowsi, macOS-i või Linuxi jaoks. Protsess on järgmine: installige rakendus, avage see, lisage mudel, alustage vestlust.
- Lisage mudel: Klõpsake rakenduses nuppu + Lisa mudel. Näete kvantiseeritud mudelite kataloogi (nt LLaMA-tuletatud, Mistral, Falcon või spetsiaalsed juhistele häälestatud variandid). Laadige alla oma valik; salvestusruum ja RAM määravad, kui suurt mudelit saate mugavalt käitada.
- Alustage vestlust: Valige mudel ja avage uus vestlus. Liides sarnaneb tuttavatele pilvevestluse rakendustele, kus kiirsuhtluse ajalugu salvestatakse kohalikult.
- Hallake mitut mudelit: Saate alla laadida mitu mudelit ja vahetada neid vestluse või ülesande kaupa. See on kasulik katsetamiseks: väiksemad mudelid kiiruse jaoks, suuremad mudelid arutlemiseks või koodi jaoks.
- Võrguühenduseta ja privaatsus: Kui mudelid on alla laaditud, saate neid käitada täielikult võrguühenduseta; teie andmed ja viiped jäävad vaikimisi seadmesse.
Ametlikud dokumendid pakuvad selget ja minimaalset teed läbi selle jada, mis on kasulik, kui soovite jõudlust kiiresti valideerida.
B. Arendaja: Programmiline kasutus ja integratsioonid
Kui te ehitate rakendust või vajate automatiseerimist, kasutage GPT4All teeke (Python on kõige levinum). Tüüpiline töövoog:
- Installige SDK: Järgige oma keskkonna arendajate dokumentatsiooni.
- Valige mudelifail (gguf/kvantiseeritud) ja laadige see oma programmi. GPT4All abstraktsioon teeb taustatöötluse, nii et saate mudeleid vahetada ilma oma koodi oluliselt muutmata.
- Voogesitage tokeneid, hallake kontekstiaknaid ja rakendage vajadusel põhialgupärastamist või tööriistu.
- Optimeerige latentsuse jaoks: Kaaluge kvantiseeritud mudeleid ja kohandage temperatuuri/top-p ennustatava käitumise jaoks.
Kuigi ametlikud video tutvustused on suunatud üldistele kasutajatele, demonstreerivad need täielikku seadistust ja kohaliku privaatsuse eeliseid, mis on peamised eristajad.
Õige kohaliku mudeli valimine: Raamistik
Mudeli valik ei seisne ainult toorvõimekuses; see seisneb sobivuses ülesandele piirangute all. Kasutage seda lihtsat raamistikku:
- Ülesande keerukus: Kokkuvõtete, mustandite ja küsimuste ja vastuste jaoks võivad piisata väikestest kuni keskmistest mudelitest (3B–7B parameetrit). Arutlemise või koodi jaoks kaaluge 7B–13B+ juhistele häälestatud variante.
- Latentsuse taluvus: Kui vajate sülearvutis kiireid vastuseid, valige väiksemad kvantiseeritud mudelid. Kõrgema kvaliteedi saavutamiseks aktsepteerige suurema mudeliga aeglasemaid tokeneid.
- Mälu ja salvestusruum: Veenduge, et teie seade suudab mudeli suurusega hakkama saada. Kvantiseeritud gguf-failid vähendavad jalajälge mõningase kvaliteedi hinnaga.
- Privaatsusnõue: Kui teie kasutusjuhtum hõlmab tundlikke andmeid, hoidke kogu töövoog kohalikuna – pole väliseid manuseid, pole telemeetriat.
- Hinnang enne hüpet: Käivitage lihtne võrdlusuuring oma ülesannetest – võtke kokku pikk PDF, genereerige koodilõike või testige valdkonnaspetsiifilisi juhiseid – ja valige mudelid vaadeldud täpsuse ja kiiruse alusel.
Hea töökorraldusreegel: säilitage stabiilne „vaikimisi“ mudel igapäevaste ülesannete jaoks ja „raske“ mudel raskemate viipade jaoks. Lülituge selgesõnaliselt ümber, kui töö seda nõuab.
Kuidas GPT4All sobitub laiemasse maastikku
Pilve LLM-id on veenvad kolmel teljel – jõudlus, usaldusväärsus ja ökosüsteemi integratsioonid. Kohalikud LLM-id on veenvad kolmel muul teljel: privaatsus, kulude kontroll skaleeritult ja teisaldatavus. Õige valik sõltub organisatsiooni prioriteetidest.
- Jõudlus: Kaasaegsed pilvemudelid on üldiselt tugevamad arutlemisel ja keerukal kodeerimisel. Kuid kvantiseeritud, juhistele häälestatud kohalikud mudelid on paranenud tasemeni „piisavalt hea“ paljude ülesannete jaoks, eriti kokkuvõtete, mustandite ja struktureeritud mallide jaoks.
- Usaldusväärsus: Pilveteenuse pakkujad tegelevad tööaja ja skaleerimisega; kohalikud seadistused sõltuvad teie masinast, mudeli suurusest ja süsteemi koormusest.
- Kulu: Kohalik pöörakse kulude mudeli ümber. API marginaalkulu puudub; teie piirang on arvutusaeg ja elekter. Üle teatud kasutusmahu muutub kohalik eelarve lihtsamaks.
- Privaatsus ja juhtimine: Kohalik vähendab andmete avalikustamist. Reguleeritud töövoogude puhul ei ole see lihtsalt eelistus, vaid kontrollpunkt.
- Teisaldatavus ja tarnijarisk: Kohapeal on mudelite vahetamine lihtsam kui pilveteenuse pakkujate migreerimine. Volatiilsetel turgudel on see valikulisus väärtuslik.
Äristrateegia vaatenurgast nihutavad kohalikud mudelid mõjuvõimu agregaatoritelt (API väravavahid) kasutajatele ja integraatoritele. Küsimus on ajastuses: millal ületavad kohalikud mudelid teie kasutusjuhtumi jaoks „piisavalt hea“ läve? Paljude teadmustöötajate ja arendajate jaoks on see lävi juba ületatud.
GPT4Alli installimine ja konfigureerimine: Üksikasjalikud sammud
- Installige töölauarakendus
- Laadige installiprogramm operatsioonisüsteemi kohta alla ametlikult saidilt ja järgige kiirjuhendit. Käivitage rakendus pärast installimist.
- Mudelite lisamine ja haldamine
- Klõpsake nuppu + Lisa mudel. Sirvige kureeritud mudeleid, mis on kategoriseeritud perekonna ja suuruse järgi.
- Laadige alla kohalikku salvestusruumi; veenduge, et teil on piisavalt kettaruumi.
- Määrake uute vestluste jaoks vaikimisi mudel.
- Tokeni väljastuskiirus: CPU-l oodake suuremate mudelite puhul aeglasemat genereerimist. Kui latentsus on oluline, valige väiksem kvantimine.
- Temperatuur: Madalamad väärtused (0,2–0,5) annavad deterministlikuma väljundi; kõrgemad väärtused suurendavad loovust ühtsuse arvelt.
- Maksimaalsed tokenid ja kontekstiaken: Pikemad kontekstid maksavad mälu ja aega. Seadke oma riistvara jaoks praktilised piirid.
- Kasutage süsteemiviipasid, et määrata kindlaks järjepidev käitumine. Kehtestage korduvate ülesannete jaoks malle (nt „Olete abivalmis tehnilise kirjutamise assistent, kes struktureerib vastused punktide ja näidetega“).
- Salvestage vestlused projekti kohta; kohalik salvestusruum tähendab, et teie ajalugu on nii privaatne kui ka kättesaadav.
- Võrguühenduseta režiim ja privaatsus
- Pärast mudeli allalaadimist katkestage võrk, et valideerida võrguühenduseta käitumist.
- Hoidke tundlikud dokumendid kohalikuna ja vältige väliseid pistikprogramme, mis andmeid edastavad.
- Värskendused ja mudeli värskendamine
- Külastage perioodiliselt mudelite kataloogi, kuna uued mudelid ilmuvad parema kvaliteedi ja parameetri suhetega.
Arendaja seadistamine: Pythoni näide (kontseptuaalne)
- Installige teek: Järgige praeguste API-de ametlikke arendajate dokumente.
- Laadige mudel: Osutage kohalikule gguf-failile. Pseudokoodi näide:
- from gpt4all import GPT4All
- model = GPT4All("your-model.gguf")
- response = model.generate("Võtke see dokument kokku 5 punktina.")
- Hallake konteksti ja voogesitust: Rakendage kasutajaliidese reageerimisvõime tagamiseks tokeni voogesitust. Vajadusel lisage algupärastamise täiendust (kohalikud manused).
Kui eelistate visuaalset krunti, illustreerib GPT4Alli ametlik ülevaade täielikku installimisest vestluseni kogemust ja tugevdab privaatsuse aspekti.
Levinud kasutusjuhtumid – ja kuidas viipasid struktureerida
- Dokumentide kokkuvõte: Kleepige tekst ja küsige struktureeritud kokkuvõtet: ülevaade, peamised punktid, riskid ja järgmised toimingud. Järjepidevuse tagamiseks kasutage madalat temperatuuri.
- E-kirjade ja meeldetuletuste mustandite koostamine: Esitage ülevaade, sihtrühm ja eesmärk. Küsige kahte versiooni – lühike ja laiendatud.
- Koodiabi: Taotlege funktsioonide stubse, dokumendistringe või ümberkorralduste soovitusi. Hoidke viipad piirangute kohta selged.
- Ajurünnak ja ülevaated: Kasutage ideede leidmiseks kõrgemat temperatuuri ja seejärel tootmismustandite jaoks madalamat temperatuuri.
- Kohalik RAG (algupärastamisel täiendatud genereerimine): Privaatsete korpuste jaoks siduge GPT4All kohalike manustega, et väljundeid põhjendada. Tundlike andmete puhul hoidke kogu voog võrguühenduseta.
Viipa raamistik: Roll, kontekst, eesmärk, piirangud (RCOC)
- Roll: „Käituge turvadokumentatsiooni tehnilise kirjutajana.“
- Kontekst: „Koostame SOC 2 intsidendile reageerimise käsiraamatut.“
- Eesmärk: „Koostage 1-leheküljeline ülevaade koos jaotiste ja omanikega.“
- Piirangud: „Lihtne keel, ilma žargoonita; lisage kontrollnimekiri.“
See struktuur vähendab mitmetähenduslikkust ja parandab väljundi joondamist sõltumata mudeli suurusest.
Jõudlus ja riistvara reaalsus
Kohalikud LLM-id töötavad tavalisel riistvaral, kuid füüsika kehtib endiselt:
- CPU-põhine genereerimine: Oodake tokenite määra madalatest ühekohalistest kuni kümnete tokeniteni sekundis, sõltuvalt mudeli suurusest ja kvantimisest.
- Mälu on oluline: Suuremad kontekstiaknad ja mudelid nõuavad rohkem RAM-i; jälgige vahetamist.
- Termiline drossel: Sülearvutid võivad püsiva koormuse korral aeglustuda. Pikkade seansside korral kaaluge võimsust ja jahutust.
- Pakkige oma töö: Raskemate ülesannete korral järjekorda taotlused ja vältige multitegumtööd, mis konkureerib mälu pärast.
Tõrkeotsing: Praktiline kontrollnimekiri
- Aeglane väljund: Lülituge väiksemale kvantiseeritud mudelile; vähendage konteksti ja maksimaalseid tokeneid.
- Hallutsinatsioonid: Alandage temperatuuri; lisage selgemat konteksti; kasutage algupärastamist autoriteetsete allikatega.
- Krahhid või külmumised: Kontrollige RAM-i kasutust; sulgege taustarakendused; veenduge, et mudelifail on terve; värskendage uusimale rakenduse versioonile.
- Juhiste kehv järgimine: Kasutage selgemat süsteemiviipa; proovige juhistele häälestatud varianti.
- Ebajärjepidevad tulemused seansside vahel: Fikseerige juhuslikud seemned, kui need on saadaval; vähendage valimi varieeruvust.
Turvalisuse ja vastavuse kaalutlused
Kohalik ei tähenda automaatselt nõuetele vastavust. Kaaluge:
- Lõpp-punkti haldamine: Kontrollige, kes pääseb masinale ja kohalikele andmetele juurde.
- Andmete päritolu: Jälgige, milliseid dokumente mudelisse söödate; tundlik sisu peaks puhkeolekus olema krüpteeritud.
- Auditeeritavus: Salvestage viipad ja väljundid ülevaatamiseks reguleeritud töövoogudes.
- Mudelivärskendused: Kontrollige uusi mudeleid enne tootmislaadsete ülesannete jaoks juurutamist.
Kus kohalik tehisintellekt võidab – ja kus mitte
- Võidab: Sagedane mustandite koostamine, privaatne dokumentide analüüs, sisseehitatud võrguühenduseta assistendid, arendaja tööriistad, kus deterministlikud kulud on olulised.
- Ei võida (veel): Keerukas arutlus SOTA tasemel, tipptasemel koodi genereerimine, tootmise klienditugi suures ulatuses, kus järjepidevust ja latentsust tuleb tagada.
Võrdlev vaade: Kohalik vs pilv
- Pilve LLM-i eelised: Suurem absoluutne võimekus, integreeritud ökosüsteemid, hallatud tööaeg.
- Kohaliku LLM-i eelised: Privaatsus, kulude kontroll skaleeritult ja teisaldatavus. Maailmas, kus mudelid arenevad iganädalaselt, pakub kohalik lukustusvastast kaitset.
Agregatsiooniteooria vaatenurk
Agregatsiooniteoorias voolab võim sellele, kes kontrollib nõudlust ja kasutajasuhet. Pilve LLM-id koondavad arendaja platvormide ja juurutamise võrguefektide kaudu. Kohalikud LLM-id pööravad osa sellest võimust ümber, muutes lõppkasutaja oma arvutusvõimsuse ja andmete agregaatoriks. Majandus muutub: selle asemel, et maksta renti väravavahile, investeerib kasutaja servas elavasse võimekusse.
See ei tähenda, et pilv kaob. Pigem tekib hübriidmudel: kasutage kohalikku privaatsustundlike või kulutundlike ülesannete jaoks; eskaleerige pilve keeruka arutluse jaoks või kui vajate kolmandate osapoolte integratsioone suures mahus. Vahetuskulu on peamine muutuja – GPT4All vähendab seda, muutes mudeli valiku modulaarseks ja lähenemisviisiks.
Kaaluge Sider.AI kasutamist oma töövoos
Strateegilisest vaatenurgast ei ole küsimus ainult „Kuidas kasutada GPT4Alli“, vaid „Kuidas seda laiemasse töövoogu integreerida“. Kaaluge Sider.AI: tehisintellekti assistendina, mis ühtlustab uurimistööd, kokkuvõtteid ja analüüsi, täiendab see kohalikke mudeleid, korraldades ülesandeid, viipasid ja väljundeid korduvatesse töövoogudesse. Kui teie prioriteet on hoida tundlik sisu kohalikuna, saate käitada GPT4Alli seadmesiseseks genereerimiseks, kasutades samal ajal Sideri struktureeritud lähenemisviisi viipade ja väljundite haldamiseks – eriti uurimistöömahukates ülesannetes, kus on oluline reprodutseeritavus ja korraldus. Mõte ei ole tööriista evangelismis; see on otstarbekohane. Sider võib asuda protsessikihis, kus GPT4All toetab kohalikku järeldamist. Täpsemad mustrid: Kohalik RAG ja automatiseerimine
- Kohalik RAG: Kasutage kohapeal genereeritud manuseid, et indekseerida oma dokumente ja põhjendada vastuseid. Hoidke kogu torujuhe privaatsuse tagamiseks võrguühenduseta.
- Esindajad koos piiretega: Lihtsad esindajad saavad kohapeal töötada ülesannete jaotamiseks; andke neile ranged tööriistadele juurdepääsu ulatused ja deterministlikud parameetrid.
- Pakettöötlus: Suurte korpuste puhul ajastage üleöö jooksud ühendatud masinas; salvestage kokkuvõtted ja metaandmed kohalikku andmebaasi.
- Mudeli ansamblid: Suunake lihtsad viipad kiirele 3B mudelile; eskaleerige 7B–13B-le, kui usaldus on madal.
Olulised töökorralduslikud mõõdikud
- Tokeni läbilaskevõime (tokenid/sek): Latentsuse praktiline mõõt.
- Täpsus ülesandemalli järgi: Jälgige iga ülesandetüübi kohta õigeid/vastuvõetavaid väljundeid.
- Ülesande hind: Kohaliku puhul hinnake energiat/aega; pilve puhul tokeneid/dollareid; võrrelge tulemusepõhiselt.
- Privaatsuse asend: Dokumenteerige, mis jääb kohalikuks ja mis seadmest lahkub.
Tulevikuvaade: Serv platvormina
Järgmise 12–24 kuu jooksul oodake kolme suundumust:
- Parem väikesed mudelid: Juhistele häälestatud 3B–7B mudelid paranevad pidevalt; „piisavalt hea“ laieneb rohkemate ülesannete jaoks.
- Riistvara kiirendus: Tarbija CPU-d ja NPU-d tõstavad tokeni läbilaskevõimet oluliselt, muutes kohaliku koheseks.
- Hübriidorkestreerimine: Tööriistad suunavad ülesandeid kohaliku ja pilve vahel, lähtudes tundlikkusest, keerukusest ja latentsuse eesmärkidest.
GPT4Alli roll on muuta kohalik lähenemisviisiks ja modulaarseks. Üksikkasutajatele ja meeskondadele, kes hindavad privaatsust ja kulude kontrolli, on see juba veenev. Ettevõtete jaoks on strateegia hübriidne: käsitlege kohalikku esmaklassilise valikuna ja valige ülesande kaupa.
Järeldus: Kontroll funktsioonina
„Kuidas kasutada GPT4Alli“ algab rakenduse allalaadimise ja mudeli valimisega. Olulisem õppetund on strateegiline: kontroll on funktsioon. Kohalik tehisintellekt pakub privaatsust, prognoositavaid kulusid ja tarnija valikulisust. Pilve tehisintellekt pakub toorvõimekust ja mugavust. Nutikad kasutajad ja organisatsioonid ehitavad töövoo, mis kasutab mõlemat ära, kusjuures GPT4All ankurdab privaatseid, võrguühenduseta ülesandeid ja pilvemudelid tegelevad tipptasemel tööga. Võimu nihe on peen, kuid tähendusrikas: kuna kohalik muutub paremaks, tekib mõjuvõim servas – ja kasutaja jaoks, kes teab, millal ja kuidas seda kasutada.
Kui soovid kõige lühemat teed väärtuseni: installeeri GPT4All, laadi alla keskmise suurusega instruktsioonidele häälestatud mudel ja defineeri kolm malli, mida sa igapäevaselt kasutad – kokkuvõtete tegemine, mustandite koostamine ja küsimuste-vastuste genereerimine. Mõõda tulemusi nädala jooksul. Sa tõenäoliselt leiad, et üllatavalt suure osa oma töö jaoks on lokaalne lahendus rohkem kui piisav; see on parem, sest see on sinu oma.
Viited ja alustamine
- GPT4All ülevaade ja võimed.
- Ametlik kiirjuhend töölauarakenduse installeerimiseks ja esimeseks vestluseks.
- Ametlik videoõpetus privaatselt installeerimise ja käivitamise kohta.
- Töövoo täiendus: viipade ja väljundite organiseerimine Sider.AI-ga.
KKK
K1: Mis on GPT4All ja miks seda kasutada pilve LLM-i asemel?
GPT4All võimaldab sul käitada suuri keelemudeleid lokaalselt ilma API päringuteta, hoides andmeid seadmes ja vältides tokenipõhiseid tasusid. Vali see, kui privaatsus, kulude prognoositavus ja portatiivsus on olulisemad kui tipptasemel võimekus.
K2: Kuidas ma saan GPT4All-i installeerida ja vestlust alustada?
Laadi alla töölauarakendus, klõpsa + Lisa mudel, laadi alla kvantiseeritud mudel ja alusta liidesest uut vestlust. Ametlik kiirjuhend pakub kokkuvõtliku samm-sammult voo Windowsi, macOS-i ja Linuxi jaoks.
K3: Millise lokaalse mudeli peaksin ma oma riistvara ja ülesannete jaoks valima?
Kasuta 3B–7B instruktsioonidele häälestatud mudelit tüüpilistes sülearvutites mustandite koostamiseks ja kokkuvõtete tegemiseks; vaheta 7B–13B vastu keerukama arutluse või koodi jaoks, kui sa talud aeglasemat väljundit. Hinda mudeleid oma ülesannete, mitte üldiste võrdlusnäitajate alusel.
K4: Kas GPT4All saab töötada võrguühenduseta ja hoida minu andmed privaatsena?
Jah. Pärast mudelite allalaadimist saad sa töötada täielikult võrguühenduseta ja hoida viipad ja dokumendid vaikimisi seadmes. See on lokaalsete LLM-ide peamine eelis võrreldes pilve API-dega.
K5: Kuidas sobitub GPT4All laiemasse töövoogu teiste tööriistadega?
Kasuta GPT4All-i privaatseks, võrguühenduseta genereerimiseks ja kihtide töövoo tööriistu, et organiseerida viipad, mallid ja väljundid. Näiteks kombineeri lokaalset järeldamist struktureeritud töövoogudega, et parandada korratavust ja juhtimist ilma privaatsust ohverdamata.
