Konference FileMaker 2025 v Hamburku skončila - a byla v mnoha ohledech mimořádným milníkem. Nejen proto, že se letošní konference zaměřila na mnoho témat souvisejících s umělou inteligencí, výkonem a moderními pracovními postupy - ale také proto, že osobní výměna názorů a „rodinná atmosféra“ komunity FileMaker opět přišla ke slovu. Pro mě osobně to byl intenzivní, inspirativní a všestranně obohacující čas - už od prvního večera.
Systémy umělé inteligence
V této kategorii najdete články o Systémy umělé inteligence s velkými jazykovými modely (LLM) a jejich možným využitím v obchodním a kreativním odvětví. Témata zahrnují místní instalace umělé inteligence, Integrace do stávajících softwarových řešení, Případy použití v publikování nebo Automatizace procesů pomocí AI. Odborné články ukazují praktickým způsobem, jak LLM, jako např. GPT, Mistral nebo Mixtral Výhody, které nabízejí v každodenním životě, a technické principy potřebné k jejich efektivnímu používání. Ať už pro Tvorba textu, Řízení znalostí, Integrace systému ERP nebo Zákaznická podpora - Zde najdete postřehy, tipy a zkušenosti s profesionálním používáním jazykových modelů.
Integrace MLX do FileMaker 2025: Místní umělá inteligence jako nový standard
Zatímco MLX byl původně spuštěn jako experimentální rámec společností Apple Research, v posledních měsících došlo k tichému, ale významnému vývoji: S vydáním FileMaker 2025 společnost Claris pevně integrovala MLX do serveru jako nativní infrastrukturu AI pro Apple Silicon. To znamená, že každý, kdo pracuje s počítačem Mac a používá Apple Silicon, může nejen lokálně spouštět modely MLX, ale také je používat přímo v FileMaker - s nativními funkcemi, bez jakýchkoli mezivrstev.
MLX na Apple Silicon jako místní AI ve srovnání s Ollama & Co.
V době, kdy na titulních stránkách novin dominují centralizované služby AI, jako jsou ChatGPT, Claude nebo Gemini, roste u mnoha profesionálních uživatelů potřeba alternativy - lokální, samostatně ovladatelné infrastruktury AI. Zejména v případě kreativních procesů, citlivých dat nebo opakujících se pracovních postupů je lokální řešení často udržitelnější a bezpečnější variantou.
Každý, kdo pracuje s počítačem Mac - zejména s Apple Silicon (M1, M2, M3 nebo M4) - může nyní najít úžasně výkonné nástroje pro spouštění vlastních jazykových modelů přímo v zařízení. Jejich středobodem je nová, do značné míry neznámá komponenta: MLX, framework pro strojové učení vyvinutý společností Apple, který bude v příštích letech pravděpodobně hrát v ekosystému umělé inteligence společnosti stále větší roli.
RAG s Ollama a Qdrant jako univerzální vyhledávač vlastních dat
Ve stále nepřehlednějším světě informací je stále důležitější, aby bylo možné cíleně vyhledávat ve vlastních databázích - nikoli prostřednictvím klasického fulltextového vyhledávání, ale prostřednictvím sémanticky relevantních odpovědí. Právě zde vstupuje do hry princip databáze RAG - řešení pro vyhledávání s podporou umělé inteligence, které se skládá ze dvou ústředních komponent:
Ollama a Qdrant: Místní paměť pro vaši umělou inteligenci na Macu
Místní AI s pamětí - bez cloudu, bez předplatného, bez odklonů
V předchozí články Vysvětlil jsem, jak nakonfigurovat Ollama na Macu install. Pokud jste již tento krok dokončili, máte nyní k dispozici výkonný místní jazykový model - například Mistral, LLaMA3 nebo jiný kompatibilní model, který lze oslovit prostřednictvím rozhraní REST API.
Model však "ví" pouze to, co je v aktuální výzvě. Nepamatuje si předchozí konverzace. Chybí vzpomínka.
Místní umělá inteligence na Macu: Jak installiere jazykový model pomocí Ollama
Místní umělá inteligence na Macu je již dlouho praktická - zejména na počítačích Apple-Silicon (řada M). S Ollama získáte štíhlé běhové prostředí pro mnoho otevřených jazykových modelů (např. Llama 3.1/3.2, Mistral, Gemma, Qwen). Současná verze Ollama nyní obsahuje také uživatelsky přívětivou aplikaci, která umožňuje nastavit lokální jazykový model na počítači Mac pouhým kliknutím myši. V tomto článku najdete pragmatického průvodce od instalace až po první výzvu - s praktickými radami, kde se tradičně stávají chyby.