𝗬𝗼𝘂𝗿 𝗔𝗴𝗲𝗻𝘁 𝗗𝗲𝗺𝗼 𝗪𝗼𝗿𝗸𝘀. 𝗬𝗼𝘂𝗿 𝗔𝗴𝗲𝗻𝘁 𝗗𝗼𝗲𝘀𝗻'𝘁.
મોટાભાગના એજન્ટ આર્કિટેક્ચર્સ વાસ્તવિક કામમાં નિષ્ફળ જાય છે.
ડેમોમાં એક જ કાર્ય અને ઝડપી પ્રતિસાદ સાથે તે સારું લાગે છે. વાસ્તવિક કામમાં ઇન્શ્યોરન્સ ક્લેમ્સ, સેલ્સ સિક્વન્સ અથવા ડેટા રિકોન્સિલિએશન (data reconciliation) જેવા કાર્યો સામેલ હોય છે. આ કાર્યોમાં સમય અને ઘણા તબક્કાઓ લાગે છે.
સમસ્યા 'સ્ટેટલેસનેસ' (statelessness) ની છે. મોટાભાગના એજન્ટ્સ જ્યારે પણ ઇન્ટરેક્ટ કરે છે ત્યારે સંદર્ભ (context) ને શૂન્યથી ફરીથી બનાવે છે. તેઓ તર્કની સાંકળ (reasoning chain) અને કરેલી પ્રગતિ ગુમાવે છે. પરિણામે, તમારી પાસે એક નમ્ર AI હોય છે જે પરિસ્થિતિ જાણતો હોય તેવો ડોળ કરે છે.
Google Cloud ના નિષ્ણાતો Addy Osmani અને Shubham Saboo એ આને સુધારવા માટે પાંચ પેટર્ન શેર કરી છે. તેની વિગત નીચે મુજબ છે:
Checkpoint-and-Resume તમારા એજન્ટને સર્વરની જેમ ગણો. કામના દર થોડા યુનિટ પછી પ્રગતિ (progress) સેવ કરો. જો કોઈ એજન્ટ 1,000 માંથી 201માં કાર્યમાં નિષ્ફળ જાય, તો તે 201 થી ફરી શરૂ કરે. શૂન્યથી શરૂઆત ન કરો.
Delegated Approval માનવીય મંજૂરી માટે Slack અથવા ઇમેઇલનો ઉપયોગ કરવાનું બંધ કરો. આ સાધનો સંદર્ભ (context) તોડી નાખે છે. એજન્ટને તે જ સ્થિતિમાં અટકાવો (pause). સંપૂર્ણ સ્ટેટ (state) અકબંધ રાખો જેથી જ્યારે કોઈ માનવી પ્રતિસાદ આપે ત્યારે તે તરત જ ફરી શરૂ થઈ શકે. વિનંતીઓ અને ભૂલો માટે સ્ટ્રક્ચર્ડ ઇનબોક્સનો ઉપયોગ કરો.
Memory-Layered Context લોંગ-ટર્મ મેમરીને વર્કિંગ મેમરીથી અલગ કરો. લોંગ-ટર્મ મેમરી સેશન્સ દરમિયાન જ્ઞાન સંગ્રહિત કરે છે. વર્કિંગ મેમરી વર્તમાન કાર્ય સંભાળે છે. તમારે 'મેમરી ડ્રિફ્ટ' (memory drift) રોકવું જોઈએ, જ્યાં એજન્ટો એજ કેસીસ (edge cases) માંથી ખરાબ આદતો શીખી જાય છે. ખરાબ ડેટાને રોકવા માટે આઇડેન્ટિટી મેનેજમેન્ટ અને ગવર્નન્સ લેયરનો ઉપયોગ કરો.
Ambient Processing એવા એજન્ટ્સ બનાવો જે સપોર્ટ ટિકિટ્સ અથવા ડેટાબેઝ ફેરફારો જેવા ડેટા સ્ટ્રીમ્સ પર નજર રાખે. એજન્ટમાં નિયમો હાર્ડકોડ (hardcode) ન કરો. નિયમોને બાહ્ય ગવર્નન્સ લેયરમાં રાખો. આ રીતે, તમે એક જ જગ્યાએ નિયમો અપડેટ કરશો અને આખી ફ્લીટ (fleet) તેનું પાલન કરશે.
Fleet Orchestration સ્પેશિયાલિસ્ટ એજન્ટ્સને મેનેજ કરવા માટે કોઓર્ડિનેટર એજન્ટનો ઉપયોગ કરો. દરેક સ્પેશિયાલિસ્ટ પાસે તેના પોતાના સાધનો અને ઓળખ હોય છે. આ ડિસ્ટ્રિબ્યુટેડ સિસ્ટમ્સમાં વપરાતા વર્કર પેટર્નનું પાલન કરે છે. તમે આખી સિસ્ટમને તોડ્યા વિના એક સ્પેશિયાલિસ્ટને અપડેટ કરી શકો છો.
સૌથી મોટું જોખમ 'મેમરી ડ્રિફ્ટ' (memory drift) છે.
લોકો પ્રોમ્પ્ટ્સ પર ધ્યાન આપે છે પરંતુ એજન્ટનું વર્તન સમય જતાં કેવી રીતે બદલાય છે તેના પર ધ્યાન આપતા નથી. જો કોઈ એજન્ટ ખરાબ અથવા વિચિત્ર ઇન્ટરેક્શનમાંથી શીખે છે, તો તે તમે લખેલા કોડ મુજબ કામ કરવાનું બંધ કરી દે છે.
તમારે એજન્ટ્સ સાથે માઇક્રોસર્વિસિસ (microservices) ની જેમ વ્યવહાર કરવો જોઈએ. તેમને ઓળખ (identity), રજિસ્ટ્રી અને કડક પોલિસી અમલીકરણની જરૂર છે.
તમારી જાતને પૂછો: મારો એજન્ટ અટક્યા વિના કયું સૌથી લાંબું કાર્ય કરી શકવો જોઈએ? જો જવાબ કલાકો અથવા દિવસોમાં હોય, તો તમારે આ પેટર્નની જરૂર છે.
સ્ત્રોત: https://dev.to/archit_aggarwal_5310522d5/your-agent-demo-works-your-agent-doesnt-88l
વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi