English for Anthropic Computer Use

Комп’ютерна здатність Anthropic дозволяє Claude взаємодіяти з комп’ютерним інтерфейсом безпосередньо - робити знімки екрану, клацати, вводити і прокручувати, щоб завершити завдання автономно. Для того, щоб точно повідомити про цю технологію англійською мовою, потрібна лексика, що охоплює архітектуру агента ШІ, інженерію безпеки і взаємодію людини з комп’ютером. Цей підручник призначено для досвідчених розробників і дослідників, яким потрібно обговорювати, документувати і презентувати системи використання комп’ ютера з точністю і нюансами.

Ключовий словник

** Інструмент використання комп’ ютера ** — специфічний інструмент, який надає Claude змогу спостерігати за екраном комп’ ютера і взаємодіяти з ним, визначений у API як інструмент з назвою computer. “Ми зареєстрували інструмент використання комп’ ютера у запиті API, що дозволяє Claude робити знімок екрана і виконувати дії на віртуальній стільниці.”

** Спостереження за знімком екрана ** — дія, за допомогою якої Claude отримує захоплене зображення поточного стану екрана як візуальний вхід, що надає змогу Claude розуміти і обґрунтовувати інтерфейс користувача. “Після кожної дії агент виконує спостереження знімка екрана, щоб перевірити, що дія мала очікуваний ефект перед продовженням.”

** Тип дії ** — один з методів дискретної взаємодії, доступних у інструменті використання комп’ ютера, наприклад, клацання, введення тексту, прокрутка, натискання клавіатурних скорочень або створення знімка екрана. “Ланці агента використовували чотири типи дій послідовно: знімок, ліве_ клацання, введення і клавіша — для заповнення і надсилання форми.”

** Спостереження- дія- цикл ** — ітеративний цикл, у якому агент спостерігає за поточним станом (за допомогою знімка вікна), приймає рішення щодо дії, виконує її і спостерігає за результатом. “Перетвір спостереження-дії є фундаментальною архітектурою агента використання комп’ютера - він відображає, як людина взаємодіє з незнайомою програмою.”

** Заземлення ** — процес поєднання абстрактних інструкцій щодо виконання завдання з певними, конкретними елементами, які можна побачити на екрані, наприклад, ідентифікація кнопки за її міткою або розташуванням. “Заземлення є однією з найскладніших проблем у комп’ ютерному користуванні — агент повинен відобразити намір високого рівня, наприклад, « надіслати форму », на точні координати пікселів кнопки надіслати.”

** Людина-в-піклу ** — проектування системи, де людина повинна переглядати, схвалювати або втручатися в дії агента, особливо для високоризичних або незворотних операцій. “Для дій, що включають фінансові операції або видалення даних, наша система вимагає схвалення людини в циклі перед тим, як агент продовжить.”

** Введення запитів ** — атака, під час якої шкідливий вміст на екрані (наприклад, прихований текст на веб- сторінці) намагається перехопити інструкції агента. “Введення підказки є значною загрозою безпеки при використанні комп’ ютера — веб- сторінка може показувати прихований текст, який наказує агенту виконувати небажані дії.”

** Бета- функція ** — функціональність, яка випущена для раннього доступу і тестування, але ще не вважається готовою до виробництва, часто піддається змінам і несуть додаткові ризики. “Використання комп’ ютера наразі є бета-версією — Anthropic не рекомендує використовувати його у виробничих середовищах з доступом до конфіденційних даних або облікових записів.”

Опис поведінки агента

Використовуйте ці фрази під час документування або пояснення того, як працює агент використання комп’ ютера.

• «Агент починає кожне завдання, роблячи знімок екрану, щоб встановити поточний стан стільниці.»
• Після клацання на елемент цілі, агент чекає 500 мілісекунд і робить підтверджуючий знімок екрану перед продовженням
• Якщо очікуваний елемент інтерфейсу не видимий на знімку, агент входить в цикл відновлення — він прокручує, чекає або повторює спроби перед ескаляцією до стану невдачі
• Агент використовує координатний клік для елементів, які не можуть бути ідентифіковані доступним текстом або ARIA-меткою
• «Коли агент зустрічає несподіване діалогове вікно або помилку, він паузує і видає структуроване спостереження для обробки шаром оркестрації»

Мова і мова

Використання комп’ютера несе унікальні ризики безпеки. Використовуйте точну мову, коли обговорюєте їх.

• «Ми обмежуємо простір дії агента, запускаючи його в віртуальній машині з пісочницею без доступу до виробничого середовища»
• «Будь-яка дія, яка змінює постійний стан — запис файлів, подача форм або виклик API — вимагає явного підтвердження перед виконанням»
• “Ми записуємо кожен знімок екрану і дії, вчинені агентом для аудиту. Це дозволяє нам реконструювати точно, що агент зробив і коли»
• «Щоб зменшити ризик швидкого введення, ми перевіряємо, що цілі дій агента відповідають оригінальній специфікації завдання»
• «Ми застосовуємо принцип найменших привілеїв: сеанс агента має доступ тільки до конкретних програм і даних, необхідних для виконання завдання»

Використовується для обробки бета-зображень

• “Комп’ютерне використання в публічній бета-версії. Зміни інтерфейсу в Claude’s API можуть вплинути на поведінку агента без попередження»
• «Ми рекомендуємо розглядати використання комп’ютера як експериментальну інфраструктуру — не залежати від неї для функцій, спрямованих на клієнтів, без резервних механізмів»
• «Затримка в петлі спостереження-дії вище, ніж прямі виклики API через захоплення знімка екрану і передачі надлишків»
• «Політика використання Anthropic застосовується до використання комп’ютера — агент не повинен бути інструктований обійти контроль безпеки або отримати доступ до систем без дозволу»

Професійні поради

1. ** Визначте, що дія є незворотньою. ** Перед кожною дією, яку не можна скасувати (вилучення файла, надання платежу), вбудовуйте крок підтвердження людиною або режим моделювання.
2. ** Журналювати кожну дію. ** Агентів використання комп’ ютера може поводитися неочікувано. Повний журнал дій є обов’ язковим для зневадження і відповідності.
3. Спроектовано для елегантного провалу Агентам доведеться стикатися з невідомими їм інтерфейсами. Визначте явні стани помилок і шляхи ескалації, а не дозволяйте агенту вгадувати.
4. ** Розрізняти успіх завдання і завершення дії. ** Агент може натиснути кнопку « Надіслати », але завдання не буде успішно виконано. Перевіряйте результати, а не лише дії.

Практичні вправи

1. Пояснити цикл спостереження-дія менеджеру продукту, який не має досвіду роботи з штучним інтелектом. Напишіть 4- 5 речень простою англійською, уникаючи технічного жаргону, де це можливо.
2. Інженер з безпеки запитав, як ви зменшуєте ризик введення виклику в агенті використання комп’ютера. Напишіть 4- 5 речень, що описують ваш підхід до зменшення ризиків.
3. Ви представляєте комп’ютерне доведення концепції до керівництва. Напишіть 4- 5 речень, у яких ви поясните, що може робити ця технологія, її поточні обмеження як бета- функції, а також умови, за яких ви рекомендуєте її використання у виробничих цілях.

Національний склад населення: Перепис населення та проживання

Початковий фокус English for Anthropic Computer Use був на основній термінології - описуючи спостереження знімків екрану, визначаючи дії в нашому робочому потоці і формулюючи проблеми безпеки. Однак, значна частина професійного розвитку в будь-якій галузі, особливо в інженерії програмного забезпечення, обертається навколо комунікації, і саме тут тонкощі англійської мови стають справді критичним. Як не рідною мовою, це легко потрапити в шаблони, які є технічно коректними, але не вистачає контекстуальної свідомості, необхідної для ефективного співробітництва в команді. Це не про граматичну досконалість; це про передачу ваших ідей чітко і з повагою, розуміння відгуків і значний внесок у дискусії.

Поширеним сценарієм є отримання коментаря перегляду коду. Не достатньо просто визнати те, що було сказано. Фраза має величезне значення. Замість відповіді « Добре », яку можна інтерпретувати як пасивне прийняття або відхилення, розгляньте щось на зразок: « Дякую за вказівку на цю потенційну проблему з перевіркою даних. Я не розглядав цей крайній випадок — дозвольте мені дослідити і додати перевірку на значення за межами очікуваного діапазону. Можеш роз’яснити, чому це так важливо? Зрозуміти основну логіку допоможе мені впевнитися, що я звертаюся до кореня проблеми. “Це демонструє залученість, бажання вчитися і активний підхід до поліпшення. Аналогічно, в обговореннях Slack про бета-функції, уникайте надто прямих тверджень на кшталт «Це не працює». Замість цього, оформляйте його як «Я стикаюся з несподіваною поведінкою при виконанні [дії]. Чи могли б ви поділитися своїми думками щодо того, чи є це функціональністю, яку було призначено, чи помилкою?» Додаток « несподіваної поведінки » відразу ж сигналізує про необхідність пояснення і уникає негайних припущень.

Крім того, мова, використана у описах запитів на завантаження, потребує точності. Нечіткий опис, наприклад, « Виправлено ваду », не надає контексту для переглядачів. Замість цього, прагніть до ясності: « Впроваджено надійну обробку помилок, щоб запобігти аваріям, коли ви зустрінетесь з некоректним введенням користувача. Включає журналювання певного повідомлення про помилку і резервний механізм для елегантного оброблення неочікуваних ситуацій. » Це демонструє ретельність і надає змогу рецензентам швидко оцінити вплив змін. Пам’ ятайте, що навіть здавалося б незначні вибірки фраз можуть значно вплинути на те, як ваша робота буде сприйматися і прийматися іншими.

Ось приклад використання pytest для ілюстрації концепцій тестування:

import pytest

def test_add_positive_numbers():
    assert add(2, 3) == 5

Цей простий тестовий випадок демонструє важливість чітких конвенцій іменування (наприклад, test_add_positive_numbers ) і коротких описів в рамках самого тесту, що відображає рівень деталізації, очікуваної при документуванні змін коду або повідомленні про проблеми. Це про комунікацію намірів - що ви тестуєте і * чому * важливо тестувати в цей конкретний спосіб.