Οι γιατροί που έκαναν αυτή τη δουλειά από τον προπέρσινο αιώνα είχαν χειρότερο πρόβλημα, γιατί μετέφραζαν τους όρους σε ωραία ελληνικά, αλλά 50 χρόνια μετά οι κακοί ξένοι χρησιμοποιούσαν τον ελληνικό όρο για να εκφράσουν κάτι παρόμοιο, οπότε η μετάφραση η ελληνική πήγαινε περίπατο. Καλύτερα λοιπόν να κρατάς την ανατομία στα λατινικά!
Τεχνητή Νοημοσύνη (AI). Τι είναι, τι ξέρουμε, τι αλλάζει στη ζωή και στον πολιτισμό;
- Thread starter Sonus Naturalis
- Start date
Γιώργος Κυριακαράκος
Administration Team
- 17 June 2006
- 11,339
Όλοι μιλάνε τον τελευταίο χρόνο για ψηφιακούς βοηθούς και agents. Οκ, multi-agent προσέγγιση χρησιμοποιώ και εγώ φουλ στην καθημερινότητά μου, όμως άλλο αυτό και άλλο πραγματικός βοηθός.
Επειδή είμαι μπλεγμένος σε ένα σκασμό πράγματα πρέπει να ξέρω τι έχω να κάνω σήμερα / μέσα στην εβδομάδα / μέσα στο μήνα / κάποτε όποτε περισέψει χρόνος.
Παραδοσιακά το έκανα με χαρτί και μολύβι στην αντζέντα μου και μετά έφτιαξα απλά ένα πίνακα μέσα στο OneNote.
Αυτό που σκεφτόμουν ήταν πόσο θα με βόλευε να είχα ένα προσωπικό βοηθό όπως ήταν οι γραμματείς των διευθυντών στα 80s "επί της υποδοχής". Πολύ απλά να της έλεγα, α γράψε, πρέπει να κάνω αυτό μέχρι το τέλος της επόμενης εβδομάδας, αυτή να το σημείωνε και να μου το θύμιζε είτε από μόνη της είτε σε σχετικό ερώτημά μου.
Σημείωση δεν θέλω να μπω στο calendar και να αρχίσω να βάζω slots τι θα κάνω κάθε ώρα της μέρας, δεν μου πάει. Υπάρχει πχ το Reclaim.ai και το TimeHero που κάνουν κάτι τέτοιο, αλλά δεν το θέλω.
Επίσης στο calendar έχω μόνο τα meetings και θέλω να παραμείνει έτσι.
Η μόνη λύση που είχα σκεφτεί ήταν να δουλέψω σε google tasks και να ενεργοποιήσω την πρόσβαση του gemini σε όλη τη google, αλλά φοβάμαι να το κάνω αυτό για πολλούς λόγους.
Υπάρχουν ήδη διάφοροι Agents, πχ έχω βάλει αυτόν του ChatGPT να ελέγχει πότε θα βγουν κάποια εισιτήρια που θέλω να αγοράσω και να με ενημερώσει πότε θα γίνουν διαθέσιμα να πάω να τα αγοράσω.
Έμαθα πολύ πρόσφατα για το Clawdbot και ήταν το πρώτο που σκέφτηκα ότι θα μπορούσα να το στήσω να κάνει αυτόν τον προσωπικό βοηθό που ήθελα, χωρίς να του δώσω πρόσβαση πουθενά ουσιαστικά.
Σύνοψη της προσέγγισης:
Στόχος/Use case: Ένας “ψηφιακός γραμματέας” τύπου ’90s: γρήγορη καταγραφή/ενημέρωση εργασιών και απαντήσεις “τι εκκρεμεί/τι επείγει” σε φυσική γλώσσα, χωρίς να απαιτείται πρόσβαση σε Google/Email/Calendar.
Αρχιτεκτονική 3 επιπέδων:
Authoritative layer (πηγή αλήθειας): Τοπικό YAML ledger (ledger/tasks.yaml) + προαιρετικές σημειώσεις σε φάκελο notes.
Agent interface: Clawdbot ως agent runtime και “ορχηστρωτής” εργαλείων (read/write στο YAML).
Model layer: Τοπικό LLM μέσω LM Studio (OpenAI-compatible API) για χαμηλό κόστος και έλεγχο δεδομένων. Τρέχω το Qwen3-4B-Instruct-2507-GGUF.
Ασφάλεια/ελαχιστοποίηση ρίσκου: Δεν δόθηκε πρόσβαση σε κανένα account. Αντίθετα, κρατά τα δεδομένα εργασιών σε τοπικά αρχεία και η επιφάνεια εργαλείων περιορίστηκε (tools) ώστε το μοντέλο να κάνει μόνο file I/O.
Συνδεσιμότητα/UX: Επιλέχθηκε Telegram ως “κανάλι συνομιλίας” με pairing για πρόσβαση, και Web UI (dashboard) ως εναλλακτική κονσόλα.
Λειτουργική πειθαρχία: Με skill/AGENTS.md ορίστηκε ο βασικός κανόνας: για task queries πάντα read/update στο YAML και ποτέ “εξωτερικά auth” εκτός αν ζητηθεί ρητά.
Δεν πετάει σε απόδοση, αλλά είναι λειτουργικό και μετά από μερικά tweaks.
Ο υπολογιστής στο σπίτι μπαίνει σε sleep μετά από 10 λεπτά και δεν θέλω να τον έχω μόνιμα ανοικτό. Συνδέεται στο Internet μέσω wifi γιατί στην κοντινή πρίζα δικτύου έχω extender για το Mesh του σπιτιού.
Οπότε το επόμενο project που σκέφτομαι είναι να στήσω ένα Raspberry Pi να είναι πάντα ανοικτό, να συνδέεται στο wifi του σπιτιού και να ενώσω την ethernet του με την ethernet port του Laptop. Να στήσω μετά ένα bot που να μπορώ να στείλω πχ μέσω telegram μια εντολή να ξυπνήσει το laptop ώστε μετά να μπορώ να χρησιμοποιήσω τον βοηθό και εκτός σπιτιού.
Προφανώς αν βολέψει με βλέπω σε κάτι στυλ mac mini που να τρέχει το Clawdbot ανεξάρτητα και με καλύτερο LLM ώστε να μπορώ να φτιάξω και άλλα skills.
Το άλλο που είναι πιο εύκολο είναι να το στήσω για να δουλεύει με voice commands...βασικά transcribing θέλει μόνο.
Ένα τελευταίο, το project ως εδώ μου πήρε κάπου 2 γεμάτες ώρες. Όμως είχα τη βοήθεια του ChatGPT. Με τις γνώσεις που έχω και παραδοσιακά με αναζητήσεις στο δίκτυο θα ήταν ένα Project τουλάχιστον 20 ωρών ίσως και παραπάνω.
Επειδή είμαι μπλεγμένος σε ένα σκασμό πράγματα πρέπει να ξέρω τι έχω να κάνω σήμερα / μέσα στην εβδομάδα / μέσα στο μήνα / κάποτε όποτε περισέψει χρόνος.
Παραδοσιακά το έκανα με χαρτί και μολύβι στην αντζέντα μου και μετά έφτιαξα απλά ένα πίνακα μέσα στο OneNote.
Αυτό που σκεφτόμουν ήταν πόσο θα με βόλευε να είχα ένα προσωπικό βοηθό όπως ήταν οι γραμματείς των διευθυντών στα 80s "επί της υποδοχής". Πολύ απλά να της έλεγα, α γράψε, πρέπει να κάνω αυτό μέχρι το τέλος της επόμενης εβδομάδας, αυτή να το σημείωνε και να μου το θύμιζε είτε από μόνη της είτε σε σχετικό ερώτημά μου.
Σημείωση δεν θέλω να μπω στο calendar και να αρχίσω να βάζω slots τι θα κάνω κάθε ώρα της μέρας, δεν μου πάει. Υπάρχει πχ το Reclaim.ai και το TimeHero που κάνουν κάτι τέτοιο, αλλά δεν το θέλω.
Επίσης στο calendar έχω μόνο τα meetings και θέλω να παραμείνει έτσι.
Η μόνη λύση που είχα σκεφτεί ήταν να δουλέψω σε google tasks και να ενεργοποιήσω την πρόσβαση του gemini σε όλη τη google, αλλά φοβάμαι να το κάνω αυτό για πολλούς λόγους.
Υπάρχουν ήδη διάφοροι Agents, πχ έχω βάλει αυτόν του ChatGPT να ελέγχει πότε θα βγουν κάποια εισιτήρια που θέλω να αγοράσω και να με ενημερώσει πότε θα γίνουν διαθέσιμα να πάω να τα αγοράσω.
Έμαθα πολύ πρόσφατα για το Clawdbot και ήταν το πρώτο που σκέφτηκα ότι θα μπορούσα να το στήσω να κάνει αυτόν τον προσωπικό βοηθό που ήθελα, χωρίς να του δώσω πρόσβαση πουθενά ουσιαστικά.
Σύνοψη της προσέγγισης:
Στόχος/Use case: Ένας “ψηφιακός γραμματέας” τύπου ’90s: γρήγορη καταγραφή/ενημέρωση εργασιών και απαντήσεις “τι εκκρεμεί/τι επείγει” σε φυσική γλώσσα, χωρίς να απαιτείται πρόσβαση σε Google/Email/Calendar.
Αρχιτεκτονική 3 επιπέδων:
Authoritative layer (πηγή αλήθειας): Τοπικό YAML ledger (ledger/tasks.yaml) + προαιρετικές σημειώσεις σε φάκελο notes.
Agent interface: Clawdbot ως agent runtime και “ορχηστρωτής” εργαλείων (read/write στο YAML).
Model layer: Τοπικό LLM μέσω LM Studio (OpenAI-compatible API) για χαμηλό κόστος και έλεγχο δεδομένων. Τρέχω το Qwen3-4B-Instruct-2507-GGUF.
Ασφάλεια/ελαχιστοποίηση ρίσκου: Δεν δόθηκε πρόσβαση σε κανένα account. Αντίθετα, κρατά τα δεδομένα εργασιών σε τοπικά αρχεία και η επιφάνεια εργαλείων περιορίστηκε (tools) ώστε το μοντέλο να κάνει μόνο file I/O.
Συνδεσιμότητα/UX: Επιλέχθηκε Telegram ως “κανάλι συνομιλίας” με pairing για πρόσβαση, και Web UI (dashboard) ως εναλλακτική κονσόλα.
Λειτουργική πειθαρχία: Με skill/AGENTS.md ορίστηκε ο βασικός κανόνας: για task queries πάντα read/update στο YAML και ποτέ “εξωτερικά auth” εκτός αν ζητηθεί ρητά.
Δεν πετάει σε απόδοση, αλλά είναι λειτουργικό και μετά από μερικά tweaks.
Ο υπολογιστής στο σπίτι μπαίνει σε sleep μετά από 10 λεπτά και δεν θέλω να τον έχω μόνιμα ανοικτό. Συνδέεται στο Internet μέσω wifi γιατί στην κοντινή πρίζα δικτύου έχω extender για το Mesh του σπιτιού.
Οπότε το επόμενο project που σκέφτομαι είναι να στήσω ένα Raspberry Pi να είναι πάντα ανοικτό, να συνδέεται στο wifi του σπιτιού και να ενώσω την ethernet του με την ethernet port του Laptop. Να στήσω μετά ένα bot που να μπορώ να στείλω πχ μέσω telegram μια εντολή να ξυπνήσει το laptop ώστε μετά να μπορώ να χρησιμοποιήσω τον βοηθό και εκτός σπιτιού.
Προφανώς αν βολέψει με βλέπω σε κάτι στυλ mac mini που να τρέχει το Clawdbot ανεξάρτητα και με καλύτερο LLM ώστε να μπορώ να φτιάξω και άλλα skills.
Το άλλο που είναι πιο εύκολο είναι να το στήσω για να δουλεύει με voice commands...βασικά transcribing θέλει μόνο.
Ένα τελευταίο, το project ως εδώ μου πήρε κάπου 2 γεμάτες ώρες. Όμως είχα τη βοήθεια του ChatGPT. Με τις γνώσεις που έχω και παραδοσιακά με αναζητήσεις στο δίκτυο θα ήταν ένα Project τουλάχιστον 20 ωρών ίσως και παραπάνω.
Το δοκίμασα, δεν είναι καθόλου κακό για δωρεάν και με open weight μοντέλο.
Ωστόσο επειδή περισσότερο χρησιμοποιώ το laptop παρά το dekstop, κάθε λίγο να τρέχει μοντέλο με 100% usage στη GPU είναι καταστροφή.
Το ίδιο περίπου κάνω με το claude, έχει integration για το Google calendar, και το χειρίζομαι έτσι.
Συν το ότι παρουσίασαν το claude co work, χρησιμοποιεί τον agent του claude code, που κατά γενική ομολογία είναι ο καλύτερος που υπάρχει αυτή τη στιγμή.
Ωστόσο επειδή περισσότερο χρησιμοποιώ το laptop παρά το dekstop, κάθε λίγο να τρέχει μοντέλο με 100% usage στη GPU είναι καταστροφή.
Το ίδιο περίπου κάνω με το claude, έχει integration για το Google calendar, και το χειρίζομαι έτσι.
Συν το ότι παρουσίασαν το claude co work, χρησιμοποιεί τον agent του claude code, που κατά γενική ομολογία είναι ο καλύτερος που υπάρχει αυτή τη στιγμή.
Γιώργος Κυριακαράκος
Administration Team
- 17 June 2006
- 11,339
Εγώ ακόμη δεν νιώθω άνετα να δώσω σε LLM credentials για οποιονδήποτε σοβαρό λογαριασμό μου. Μόνο το co-pilot βλέπει όλα τα documents στο word / excel, αλλά θεωρητικά είναι business account και έχω περιορίσει πολλά. Στο chatgpt ούτε πρόσβαση σε google drive ή κάτι αντίστοιχο δεν έχω κάνει και στο gemini δεν έχω ενεργοποιήσει την πρόσβαση συνολικά σοτ λογαριασμό μου.
Αυτό που έφτιαξα με το Clawdbot δεν το χρησιμοποιώ συνεχώς...2-3 φορές τη μέρα οπότε δεν έχει θέμα το λαπτοπ. Με 64 GB ram δεν κολλάει που τρέχω μόνιμα ubuntu μέσω wsl, ενώ το LM Studio σε αναμονή πάλι κάτι ψιλά μόνο τρώει.
Αλλά η δύναμη του να διαμορφώσεις μόνος σου skills είναι απίστευτη.
Από την άλλη πιστεύω ότι πολλοί θα καταστραφούν, ειδικά με το Clawdbot.
......................................................................................................................................................................................................................................................
Εϊχα γράψει το παραπάνω από νωρίς, αλλά κάτι έτυχε και δεν πάτησα ποτέ το post.
Τώρα που ξανακάθισα διάβασα το παρακάτω που περιγράφει τις τελευταίες ώρες:
From Clawdbot to Moltbot: How a C&D, Crypto Scammers, and 10 Seconds of Chaos Took Down the Internet's Hottest AI Project
The 72-Hour Unraveling of Open Source's Fastest-Growing Star Three days ago, Clawdbot was...
dev.to
1. Η Άνοδος (The Meteoric Rise) Το Clawdbot, δημιουργία του Peter Steinberger, ήταν ένας "αυτόνομος" βοηθός AI που χρησιμοποιούσε το μοντέλο Claude της Anthropic. Σε αντίθεση με τα απλά chatbots, μπορούσε να εκτελεί ενέργειες (όπως πρόσβαση στο σύστημα αρχείων και το πρόγραμμα περιήγησης). Το έργο έγινε viral, συγκεντρώνοντας πάνω από 60.000 αστέρια στο GitHub σε ελάχιστες μέρες.
2. Το Νομικό Εμπόδιο (The Cease & Desist) Η εταιρεία Anthropic ζήτησε την αλλαγή του ονόματος "Clawdbot" λόγω ομοιότητας με το εμπορικό της σήμα "Claude". Ο δημιουργός αποφάσισε να μετονομάσει το έργο σε Moltbot (από το "molt", που σημαίνει την αλλαγή κελύφους που κάνουν οι αστακοί για να μεγαλώσουν).
3. Τα 10 Δευτερόλεπτα του Χάους Κατά τη διαδικασία μετονομασίας, ο Steinberger έκανε το λάθος να απελευθερώσει ταυτόχρονα το παλιό όνομα χρήστη στο GitHub και στο X (Twitter) για να κατοχυρώσει το νέο. Μέσα σε περίπου 10 δευτερόλεπτα, απατεώνες του χώρου των κρυπτονομισμάτων (crypto scammers) άρπαξαν τα παλιά accounts (@clawdbot).
4. Η Απάτη με τα Crypto Οι απατεώνες χρησιμοποίησαν τους κλεμμένους λογαριασμούς για να προωθήσουν ένα ψεύτικο κρυπτονόμισμα ($CLAWD). Λόγω του πανικού της αγοράς (FOMO), η αξία του έφτασε τα 16 εκατομμύρια δολάρια πριν ο Steinberger προλάβει να προειδοποιήσει την κοινότητα ότι πρόκειται για απάτη, με αποτέλεσμα την κατάρρευση του νομίσματος και την απώλεια χρημάτων για πολλούς χρήστες.
5. Κενά Ασφαλείας Παράλληλα με το χάος της μετονομασίας, ερευνητές ασφαλείας ανακάλυψαν σοβαρά τρωτά σημεία στο λογισμικό. Πολλοί χρήστες είχαν εκθέσει τις εγκαταστάσεις του bot στο διαδίκτυο χωρίς προστασία, επιτρέποντας σε τρίτους να αποκτήσουν πλήρη πρόσβαση στα συστήματά τους και στα κλειδιά API τους.
Γιώργος Κυριακαράκος
Administration Team
- 17 June 2006
- 11,339
Τα πράγματα τρέχουν τρελά και οι τελευταίες ημέρες όλες έχουν να κάνουν με τους πράκτορες, αλλά σε μεγάλα νούμερα και με αυτοματοποίηση των δράσεών τους.
Η Moonshot έβγαλε το Kimi K2.5 που είναι το ισχυρότερο, αυτή τη στιγμή, μοντέλο ανοιχτού κώδικα (open-source), το οποίο υπόσχεται να αλλάξει τον τρόπο που η τεχνητή νοημοσύνη αντιλαμβάνεται και εκτελεί σύνθετες εργασίες.
Τα κυριότερα σημεία περιλαμβάνουν:
Η Moonshot έβγαλε το Kimi K2.5 που είναι το ισχυρότερο, αυτή τη στιγμή, μοντέλο ανοιχτού κώδικα (open-source), το οποίο υπόσχεται να αλλάξει τον τρόπο που η τεχνητή νοημοσύνη αντιλαμβάνεται και εκτελεί σύνθετες εργασίες.
Τα κυριότερα σημεία περιλαμβάνουν:
- Εγγενής Πολυτροπικότητα (Native Multimodality): Το μοντέλο έχει εκπαιδευτεί σε περίπου 15 τρισεκατομμύρια tokens κειμένου και εικόνας ταυτόχρονα. Αυτό του επιτρέπει να «βλέπει» και να γράφει κώδικα απευθείας από οπτικά δεδομένα (π.χ. μετατροπή μιας εικόνας ή βίντεο σε λειτουργικό front-end κώδικα ή εντοπισμό σφαλμάτων μέσω εικόνας).
- Τεχνολογία "Agent Swarm": Ίσως η πιο σημαντική καινοτομία, το Kimi K2.5 μπορεί να δημιουργήσει και να συντονίσει αυτόματα έως και 100 υπο-πράκτορες (sub-agents) για την παράλληλη εκτέλεση εργασιών. Αυτό μειώνει δραματικά τον χρόνο ολοκλήρωσης πολύπλοκων projects (έως και 4,5 φορές γρηγορότερα). Αυτό είναι και το κλειδί που το κάνει πραγματικά καινοτόμο. Σκεφτείτε τι μπορεί να κάνει αυτό σε συνδυασμό με το clawdbot (ή Moltbot πια).
- Εφαρμογή για προγραμματισμό: Μέσω του εργαλείου Kimi Code, το μοντέλο ενσωματώνεται σε δημοφιλή περιβάλλοντα ανάπτυξης (IDEs) όπως το VS Code και το Cursor, λειτουργώντας ως καθημερινός συνεργάτης για developers και όχι απλώς ως ένα chatbot.
Γιώργος Κυριακαράκος
Administration Team
- 17 June 2006
- 11,339
Ίσως να φαίνεται μπερδεμένο στο τι διαφέρει το Clawdbot / Moldbot σε σχέση με τους πράκτορες όπως αυτούς της Anthropic που είπε ο Ανδρέας, ή αυτούς που έχω προσβάσιμους στο Co-pilot for bussiness (μερικοί φαίνονται παρακάτω για να δείτε μερικά παραδείγματα από αυτά που μπορείς να έχεις πρόσβαση).
Από τη μία πλευρά, λύσεις τύπου Moltbot λειτουργούν ως ένα agentic επίπεδο προσωπικού αυτοματισμού που «κατοικεί» μέσα στα κανάλια συνομιλίας. Η ιδέα είναι απλή και επιθετικά πρακτική: μιλάς σε ένα bot στο WhatsApp/Telegram/Signal/Slack και εκείνο εκτελεί εργασίες σαν να ήταν ένα λεπτό στρώμα λειτουργικού βοηθού πάνω από τις ψηφιακές σου ρουτίνες όπως τα email, ημερολόγιο, υπενθυμίσεις, αναζητήσεις, αρχεία, ακόμη και ενέργειες που απαιτούν διαδοχικά βήματα. Το κρίσιμο στοιχείο είναι ότι το κέντρο βάρους βρίσκεται στο “execution” και συχνά σε local-first λογική: ο agent «δένει» με τον δικό σου εξοπλισμό/λογαριασμούς/εργαλεία και εκτελεί σε πραγματικό χρόνο.
Παράδειγμα: γράφεις σε chat «Βρες μου τις 3 τελευταίες συναντήσεις με τον Τάδε, κατέβασε τα attachments, ετοίμασε μια περίληψη σε 8 bullets και ετοίμασε draft απάντησης με δύο επιλογές ύφους». Ένας agent τύπου Moltbot μπορεί να κινηθεί διαδοχικά και πρακτικά: να αναζητήσει, να συλλέξει, να οργανώσει, να συνθέσει, και να σου επιστρέψει κάτι που είναι έτοιμο για χρήση, συχνά μέσα στο ίδιο chat.
Από την άλλη πλευρά, οι agents που προσφέρουν οι μεγάλες πλατφόρμες (OpenAI, Anthropic, Microsoft, Google, κλπ και τα αντίστοιχα enterprise οικοσυστήματα) έχουν ως κοινό παρονομαστή ένα διαφορετικό «κέντρο βάρους»: ο agent ζει μέσα σε ένα εταιρικά οριοθετημένο περιβάλλον εργαλείων και δεδομένων, με σαφείς γραμμές διακυβέρνησης, ταυτοποίησης και συμμόρφωσης. Δεν είναι ότι δεν “κάνουν πράγματα”. Κάνουν, αλλά συνήθως πάνω σε πολύ καθορισμένες και οριοθετημένες ράγες: συνδέσεις (connectors), ρόλοι/δικαιώματα, πολιτικές πρόσβασης, audit trails, DLP κανόνες, και διαχειριστική εποπτεία. Το ζητούμενο εδώ είναι κλιμάκωση με έλεγχο, όχι «προσωπικός αυτοματισμός παντού».
Παράδειγμα: σε ένα εταιρικό περιβάλλον ζητάς «Φτιάξε ανάλυση από τα οικονομικά φύλλα του έργου, εντόπισε αποκλίσεις κόστους ανά χώρα, και ετοίμασε ένα σύντομο memo για τη διοίκηση». Ένας enterprise agent θα δουλέψει πολύ καλά, επειδή έχει πρόσβαση στα εγκεκριμένα αρχεία, μπορεί να ακολουθήσει πολιτικές ασφαλείας, να αφήσει ίχνη ελέγχου και να παραγάγει τεκμηριωμένο αποτέλεσμα που “στέκει” σε οργανωσιακό πλαίσιο. Δεν είναι τόσο “hackable” ή ευέλικτος σε αυθαίρετες επιφάνειες συνομιλίας, αλλά είναι προβλέψιμος, ελέγξιμος και συμβατός με εταιρικές απαιτήσεις.
Η ουσία συνοψίζεται σε μία φράση. Οι Moltbot-τύπου agents είναι “conversation-native executors”: μετατρέπουν το chat σε κονσόλα λειτουργιών και προσπαθούν να κλείσουν τον κύκλο από την πρόθεση στην πράξη, γρήγορα και με μεγάλη ευελιξία. Οι agents των μεγάλων πλατφορμών είναι “enterprise-bounded operators”: ενσωματώνονται στα επίσημα εργαλεία παραγωγικότητας/δεδομένων και βάζουν πρώτη προτεραιότητα την ασφάλεια, τη διακυβέρνηση και τη διαχειρισιμότητα.
Αυτό οδηγεί και σε διαφορετικούς κινδύνους και οφέλη. Οι “chat-colonizing” agents δίνουν τεράστια ταχύτητα και άνεση, αλλά ανοίγουν μεγαλύτερη επιφάνεια επίθεσης (π.χ. κοινωνική μηχανική, prompt injection μέσω μηνυμάτων, διαχείριση tokens/συνδέσεων σε πολλαπλά κανάλια). Οι “enterprise” agents μειώνουν δραστικά αυτούς τους κινδύνους μέσω πλαισίων πολιτικής και ελέγχου, αλλά συχνά είναι λιγότερο «αχαλίνωτοι» σε αδόμητα σενάρια προσωπικού αυτοματισμού.
Με απλά λόγια: ο πρώτος κόσμος κάνει το chat το νέο σου “operations desk”. Ο δεύτερος κόσμος κάνει τον agent κομμάτι του εταιρικού σου “control plane”. Και οι δύο προσεγγίσεις είναι χρήσιμες, απλώς υπηρετούν διαφορετικούς στόχους.
Από τη μία πλευρά, λύσεις τύπου Moltbot λειτουργούν ως ένα agentic επίπεδο προσωπικού αυτοματισμού που «κατοικεί» μέσα στα κανάλια συνομιλίας. Η ιδέα είναι απλή και επιθετικά πρακτική: μιλάς σε ένα bot στο WhatsApp/Telegram/Signal/Slack και εκείνο εκτελεί εργασίες σαν να ήταν ένα λεπτό στρώμα λειτουργικού βοηθού πάνω από τις ψηφιακές σου ρουτίνες όπως τα email, ημερολόγιο, υπενθυμίσεις, αναζητήσεις, αρχεία, ακόμη και ενέργειες που απαιτούν διαδοχικά βήματα. Το κρίσιμο στοιχείο είναι ότι το κέντρο βάρους βρίσκεται στο “execution” και συχνά σε local-first λογική: ο agent «δένει» με τον δικό σου εξοπλισμό/λογαριασμούς/εργαλεία και εκτελεί σε πραγματικό χρόνο.
Παράδειγμα: γράφεις σε chat «Βρες μου τις 3 τελευταίες συναντήσεις με τον Τάδε, κατέβασε τα attachments, ετοίμασε μια περίληψη σε 8 bullets και ετοίμασε draft απάντησης με δύο επιλογές ύφους». Ένας agent τύπου Moltbot μπορεί να κινηθεί διαδοχικά και πρακτικά: να αναζητήσει, να συλλέξει, να οργανώσει, να συνθέσει, και να σου επιστρέψει κάτι που είναι έτοιμο για χρήση, συχνά μέσα στο ίδιο chat.
Από την άλλη πλευρά, οι agents που προσφέρουν οι μεγάλες πλατφόρμες (OpenAI, Anthropic, Microsoft, Google, κλπ και τα αντίστοιχα enterprise οικοσυστήματα) έχουν ως κοινό παρονομαστή ένα διαφορετικό «κέντρο βάρους»: ο agent ζει μέσα σε ένα εταιρικά οριοθετημένο περιβάλλον εργαλείων και δεδομένων, με σαφείς γραμμές διακυβέρνησης, ταυτοποίησης και συμμόρφωσης. Δεν είναι ότι δεν “κάνουν πράγματα”. Κάνουν, αλλά συνήθως πάνω σε πολύ καθορισμένες και οριοθετημένες ράγες: συνδέσεις (connectors), ρόλοι/δικαιώματα, πολιτικές πρόσβασης, audit trails, DLP κανόνες, και διαχειριστική εποπτεία. Το ζητούμενο εδώ είναι κλιμάκωση με έλεγχο, όχι «προσωπικός αυτοματισμός παντού».
Παράδειγμα: σε ένα εταιρικό περιβάλλον ζητάς «Φτιάξε ανάλυση από τα οικονομικά φύλλα του έργου, εντόπισε αποκλίσεις κόστους ανά χώρα, και ετοίμασε ένα σύντομο memo για τη διοίκηση». Ένας enterprise agent θα δουλέψει πολύ καλά, επειδή έχει πρόσβαση στα εγκεκριμένα αρχεία, μπορεί να ακολουθήσει πολιτικές ασφαλείας, να αφήσει ίχνη ελέγχου και να παραγάγει τεκμηριωμένο αποτέλεσμα που “στέκει” σε οργανωσιακό πλαίσιο. Δεν είναι τόσο “hackable” ή ευέλικτος σε αυθαίρετες επιφάνειες συνομιλίας, αλλά είναι προβλέψιμος, ελέγξιμος και συμβατός με εταιρικές απαιτήσεις.
Η ουσία συνοψίζεται σε μία φράση. Οι Moltbot-τύπου agents είναι “conversation-native executors”: μετατρέπουν το chat σε κονσόλα λειτουργιών και προσπαθούν να κλείσουν τον κύκλο από την πρόθεση στην πράξη, γρήγορα και με μεγάλη ευελιξία. Οι agents των μεγάλων πλατφορμών είναι “enterprise-bounded operators”: ενσωματώνονται στα επίσημα εργαλεία παραγωγικότητας/δεδομένων και βάζουν πρώτη προτεραιότητα την ασφάλεια, τη διακυβέρνηση και τη διαχειρισιμότητα.
Αυτό οδηγεί και σε διαφορετικούς κινδύνους και οφέλη. Οι “chat-colonizing” agents δίνουν τεράστια ταχύτητα και άνεση, αλλά ανοίγουν μεγαλύτερη επιφάνεια επίθεσης (π.χ. κοινωνική μηχανική, prompt injection μέσω μηνυμάτων, διαχείριση tokens/συνδέσεων σε πολλαπλά κανάλια). Οι “enterprise” agents μειώνουν δραστικά αυτούς τους κινδύνους μέσω πλαισίων πολιτικής και ελέγχου, αλλά συχνά είναι λιγότερο «αχαλίνωτοι» σε αδόμητα σενάρια προσωπικού αυτοματισμού.
Με απλά λόγια: ο πρώτος κόσμος κάνει το chat το νέο σου “operations desk”. Ο δεύτερος κόσμος κάνει τον agent κομμάτι του εταιρικού σου “control plane”. Και οι δύο προσεγγίσεις είναι χρήσιμες, απλώς υπηρετούν διαφορετικούς στόχους.
Γιώργος Κυριακαράκος
Administration Team
- 17 June 2006
- 11,339
Κατάλαβες τουλάχιστον τις 2 βασικές κατηγορίες Agent που έχουμε διαθέσιμες σήμερα; Γιατί είναι ουσιαστικά συμπληρωματικές;
Το θέμα είναι ότι τι είναι χρήσιμο για τον καθένα είναι διαφορετικό. Εγώ χρειαζόμουν αυτό γιατί δουλεύω παράλληλα σε κατά ελάχιστο 8 διακριτά/διαφορετικά project σε κάθε στιγμή. Αυτή είναι η δική μου πραγματικότητα. Και να πω ότι είμαι πολύ χαρούμενος που εργάζομαι έτσι γιατί δεν βαριέμαι και έχω τη δυνατότητα να είμαι δημιουργικός ακόμη και ξεκινώντας μη πληρωμένο παράλληλο έργο πολλές φορές (γιατί τα υπόλοιπα πληρωμένα καλύπτουν τις ανάγκες διαβίωσής μου).
Σίγουρα θα μπορούσες να βρεις κάτι που θα χρειαζόσουν. Ένας γνωστός το έχει βάλει να του λέει ανέκδοτα όταν θέλει να ξεφύγει για λίγα λεπτά από τη δουλειά ή ότι άλλο μπορείς να σκεφτείς.
Θεωρώ ότι και στη δουλειά σου θα έχεις κάποια κομμάτια εργασίας που είναι λίγο αγγαρεία που ίσως τα δίνεις σε juniors να τα υλοποιήσουν. Ναι θα μπορούσες να τα υλοποιήσεις πιο γρήγορα με κάποιο ΑΙ εργαλείο, αλλά θα μπορούσες ειδικά αν είναι επαναληπτικές εργασίες σε διαφορετικό context να τις αυτοματοποιήσεις περισσότερο και να αξιοποιείς τη νύχτα που ξεκουράζεσαι περισσότερο. Όχι να κάνει τη δική σου δουλειά, αλλά δουλειά που θα έφτανε στο γραφείο σου το πρωί από κάποιον υφιστάμενο για να ξεκινήσεις τα δικά σου μετά.
Last edited:
Απλά σουρεάλ. Αυτό δεν υπάρχει.
Το θέμα με τους executors είναι το κατά πόσο σε διευκολύνουν πραγματικά, πίσω και πέρα από τον αρχικό εντυπωσιασμό. Το να μου πειράζει το calendar λ.χ. παρότι το έχω συνδέσει και στον εταιρικό λογαρισμό μου που έχει το enterprise gemini και στο claude, καταλήγω εν τέλει, έστω πως το χρησιμοποιήσω, να το κάνω μόνο καθ'οδόν από το gemini assistant του κινητού. Σε laptop/desktop, καταλήγουν οι περισσότερες διαδράσεις να παίρνουν παρόμοιο χρόνο.
Επίσης κατέληξα στο ότι θέλω όσα λιγότερα interfaces γίνεται, αν είναι δυνατόν ένα (δεν είναι) και να κάνω τη δουλειά μου.
Αυτή τη στιγμή, αναγκαστικά χρησιμοποιώ 2 και ενίοτε 3:
Gemini 3 pro για τα καθημερινά
Claude 4.5 Opus που δεν έχει αντίπαλο σε coding, έχω φτιάξει 2 web app, ~25 και ~130 χιλιάδες γραμμές κώδικα έκαστο και είναι το μόνο, μέσα από το claude code που καταλαβαίνει τι του γίνεται και υλοποιεί σοβαρά πράγματα από το 0.
GPT 5.2 T. από το Copilot για τα αρχεία της Microsoft
Γιαννης Σπυρου
AVClub Fanatic
ειναι φοβερο αυτο που συμβαινει οντως.... μακαρι να ειχα τις γνωσεις (και το λογο) να το δοκιμασω!
Γιαννης Σπυρου
AVClub Fanatic
μεχρι και "θρησκειες" προσπαθουν να φτιαξουν τα bots !!!
Θελουν ακομα και τον "προσωπικο" τους χωρο να συζητανε , χωρις τη δικια μας επιβλεψη...
Θελουν ακομα και τον "προσωπικο" τους χωρο να συζητανε , χωρις τη δικια μας επιβλεψη...