ChatGPT થી AI Agents સુધી: એક એન્જિનિયર તરીકેના બે વર્ષ
બે વર્ષ પહેલાં, હું માત્ર પ્રશ્નો પૂછવા માટે AI નો ઉપયોગ કરતો હતો.
આજે, હું મલ્ટીપલ કોડિંગ એજન્ટ્સનું સંચાલન (orchestrate) કરું છું. હું MCP દ્વારા કંપનીના જ્ઞાનને જોડી રહ્યો છું. હું iOS એપ્સમાં લોકલ મોડલ્સ ચલાવું છું. હું એક મેમરી લેયર જાળવી રાખું છું જેથી એજન્ટ્સ સાથે મળીને કામ કરી શકે.
હું AI રિસર્ચર નથી. હું એક સામાન્ય એન્જિનિયર છું જેણે સતત પ્રયોગો કર્યા.
ચેટથી એજન્ટ્સ સુધીની મારી સફર અહીં છે.
સ્ટેજ ૧: વિશ્વસનીયતાનો અભાવ (The Reliability Gap) શરૂઆતમાં, AI જાદુ જેવું લાગતું હતું. પછી, તે અવિશ્વસનીય લાગવા માંડ્યું. મોડલ્સ ઘણીવાર ખૂબ જ આત્મવિશ્વાસ સાથે ખોટી માહિતી આપે છે. મેં એક કઠિન પાઠ શીખ્યો: એક વ્યાજબી લાગતો જવાબ એ વિશ્વસનીય પરિણામ નથી.
સ્ટેજ ૨: એક પાર્ટનર તરીકે AI Cursor જેવા ટૂલ્સ દ્વારા બધું બદલાઈ ગયું. AI એક અલગ ચેટ વિન્ડોમાંથી મારા કોડ એડિટરમાં આવી ગયું. ફીડબેક લૂપ અતિશય ટૂંકું બની ગયું: • એક વિચારનું વર્ણન કરો. • કોડ જનરેટ કરો. • રન કરો અને નિષ્ફળતાનું અવલોકન કરો. • સુધારા માટે પૂછો. • ફરીથી કરો.
આનાથી પ્રોટોટાઇપ બનાવવાનો ખર્ચ ઘટી ગયો. નાના વિચારો હવે સેટઅપ અથવા કોન્ફિગરેશન દરમિયાન મરી જતા નથી. તેઓ ખરેખર અંતિમ લક્ષ્ય સુધી પહોંચે છે.
મેં શીખ્યું કે કોન્ટેક્સ્ટ (Context) એ મુખ્ય બાબત છે શરૂઆતમાં, એજન્ટ્સ નિર્ણયો ભૂલી જતા અથવા આર્કિટેક્ચર બગાડી નાખતા. મેં "prompt engineering" પર ધ્યાન આપવાનું બંધ કર્યું અને "context engineering" શરૂ કરી. મેં મારા એજન્ટ્સ માટે કડક નિયમો લખવાનું શરૂ કર્યું: • હાલના આર્કિટેક્ચરનું પાલન કરો. • કોડ બદલતા પહેલા યોજના સમજાવો. • પૂછ્યા વગર ફાઇલો ડિલીટ કરશો નહીં.
અમે માત્ર સારા વાક્યો જ નથી લખી રહ્યા હતા. અમે એક સંભવિતતા આધારિત સિસ્ટમ (probabilistic system) માટે સ્થિર વાતાવરણ બનાવી રહ્યા હતા.
સ્ટેજ ૩: ચેટ વિન્ડોથી આગળ હું વેબ ચેટ્સથી APIs અને લોકલ મોડલ્સ તરફ આગળ વધ્યો. ડેસ્કટોપ પર મોડલ ચલાવવું સરળ છે. મોબાઈલ એપની અંદર મોડલ શિપ કરવું અઘરું છે. અચાનક, મારે વાસ્તવિક એન્જિનિયરિંગ સમસ્યાઓ ઉકેલવી પડી: • મોડલનું કદ અને મેમરી વપરાશ. • સ્ટાર્ટઅપ લેટન્સી (Startup latency). • ઓફલાઇન એક્ઝિક્યુશન અને ડિવાઇસ કમ્પેટીબિલિટી.
સ્ટેજ ૪: એજન્ટ-ડ્રિવન વર્કફ્લોઝ (Agent-Driven Workflows) ધ્યાન "આ ફંક્શન લખો" થી બદલાઈને "આ રિપોઝિટરી સમજો અને આ લક્ષ્ય પૂર્ણ કરો" પર સ્થિર થયું. મેં Model Context Protocol (MCP) નો ઉપયોગ કરવાનું પણ શરૂ કર્યું. મેં મારી કંપનીના નોલેજ પ્લેટફોર્મ માટે MCP ઇન્ટિગ્રેશન બનાવ્યું. એજન્ટ હવે કંપનીના દસ વર્ષના ડેટાને એક્સેસ કરી શકતો હતો. પડકાર મોડલ ઇન્ટેલિજન્સથી બદલાઈને સિસ્ટમ ડિઝાઇન પર આવી ગયો.
મારા સૌથી મોટા પાઠ: • કોડિંગ સરળ છે, પરંતુ એન્જિનિયરિંગ વધુ અઘરું છે. • AI અમલીકરણ સંભાળે છે, પરંતુ તમારે નિર્ણય લેવાની ક્ષમતા સંભાળવી પડશે. • તમારે લક્ષ્યો ચોકસાઈથી વ્યાખ્યાયિત કરવા જોઈએ અને ધારણાઓની ચકાસણી કરવી જોઈએ. • મલ્ટી-એજન્ટ કાર્ય માટે મેમરી લેયરની જરૂર હોય છે જેથી એજન્ટો ફરીથી શરૂ કર્યા વિના કાર્યો સોંપી શકે.
AI અમલીકરણને સસ્તું બનાવે છે. આનો અર્થ એ છે કે હવે પ્રયોગો કરવા મફત છે. સાચું કામ એ નક્કી કરવાનું છે કે કયા વિચારો ખરેખર બનાવવા લાયક છે.
વૈકલ્પિક લર્નિંગ કમ્યુનિટી: https://t.me/GyaanSetuAi