મલ્ટી-એજન્ટ વર્કફ્લો અત્યારે GitHub પર પ્રભુત્વ જમાવી રહ્યા છે. ડેવલપર્સ લાર્જ લેંગ્વેજ મોડલ્સને એકબીજા સાથે જોડી રહ્યા છે, દરેક એજન્ટને એક ચોક્કસ વિશેષતા સોંપી રહ્યા છે, અને એવા કાર્યો કરવા માટે તેમના આઉટપુટનું સંકલન કરી રહ્યા છે જે કોઈ એક મોડલ એકલા હાથે હેન્ડલ કરી શકતું નથી. તેના પરિણામો પ્રભાવશાળી હોઈ શકે છે. એક એજન્ટ સંશોધન કરે છે, બીજો ડ્રાફ્ટ તૈયાર કરે છે, ત્રીજો તથ્યો તપાસે છે, અને ચોથો અંતિમ આઉટપુટને ફોર્મેટ કરે છે. પરંતુ આ તમામ સંકલન પાછળ એક નાજુક નિર્ભરતા છુપાયેલી છે. જો સૌથી પહેલું પગલું, એટલે કે માનવ ઇનપુટને મશીન-રીડેબલ સૂચનાઓમાં રૂપાંતરિત કરવું, ધીમું અથવા અચોક્કસ હોય, તો આખી સાંકળ તૂટી પડે છે. ડાઉનસ્ટ્રીમ એજન્ટ ભૂલોને સુધારી શકતો નથી; તે માત્ર તેને આગળ ફેલાવી શકે છે.
આ બોટલનેક (અવરોધ) એ જગ્યા છે જ્યાં Iflytek/domux કામ આવે છે. તે ખાસ એક જ ઉચ્ચ-જોખમ ધરાવતા કાર્ય માટે બનાવવામાં આવેલ ઓપન-સોર્સ મોડલ છે: ઝડપી કમાન્ડ સમજણ. નિબંધો લખવા અથવા લાંબી વાતચીત કરવાને બદલે, domux કુદરતી ભાષાને પાર્સ કરે છે અને સ્ટ્રક્ચર્ડ ડેટા એક્સપોર્ટ કરે છે જેને અન્ય એજન્ટો તરત જ ઉપયોગમાં લઈ શકે છે. સ્માર્ટ હોમ હબથી લઈને ઇન્ડસ્ટ્રિયલ કંટ્રોલ પેનલ સુધીની કોઈપણ સિસ્ટમ જેને રીઅલ-ટાઇમ સ્ટ્રક્ચર્ડ ઇનપુટની જરૂર હોય, તે તેનો ઉપયોગ પરસેપ્શન લેયર તરીકે કરી શકે છે.
સાંકળની સૌથી નબળી કડી
ધારો કે જ્યારે કોઈ વપરાશકર્તા “make it brighter in here” (અહીં થોડો પ્રકાશ વધારો) જેવો સાદો કમાન્ડ આપે છે ત્યારે શું થાય છે. મલ્ટી-એજન્ટ સેટઅપમાં, તે કથન લાઇટિંગ કંટ્રોલર, એનર્જી મોનિટર અને સિક્યુરિટી લોગરમાંથી પસાર થવું પડી શકે છે. જો પ્રારંભિક પાર્સર “user wants more light” (વપરાશકર્તાને વધુ પ્રકાશ જોઈએ છે) જેવું અસ્પષ્ટ વાક્ય રિટર્ન કરે છે, તો દરેક પછીના એજન્ટે તેનો અર્થ ફરીથી સમજવો પડે છે. કેટલાક ચોક્કસ પેરામીટર્સની રાહ જોતા અટકી શકે છે. અન્ય રૂમ અથવા બ્રાઇટનેસ લેવલનો અંદાજ લગાવી શકે છે અને ભૂલ કરી શકે છે. આખરે વર્કફ્લો અટકી જાય છે.
લેટન્સી (વિલંબ) આ સમસ્યાને વધુ વણဆમાવે છે. જો એન્ટ્રી પોઈન્ટ પર પાર્સિંગમાં થોડા સેકન્ડના સોના ભાગનો વિલંબ ઉમેરવામાં આવે, તો જ્યારે માહિતી ત્રીજા એજન્ટ સુધી પહોંચે છે, ત્યારે સિસ્ટમ પહેલેથી જ બગડેલી લાગે છે. રીઅલ-ટાઇમ વાતાવરણ ધીમી શરૂઆતને ક્ષમા કરતું નથી. ડેવલપર્સ શોધી રહ્યા છે કે ઓર્કેસ્ટ્રેશન ફ્રેમવર્ક આર્કિટેક્ચર ડાયાગ્રામમાં સુંદર લાગે છે પરંતુ જ્યારે અસ્પષ્ટ અથવા ધીમા ઇનપુટ્સ આપવામાં આવે છે ત્યારે તે નિષ્ફળ જાય છે. તમારે એક સમર્પિત લેયરની જરૂર છે જે બાકીના વર્કફ્લો વિશે વિચારવાનું શરૂ કરે તે પહેલાં જ કમાન્ડ્સને પ્રમાણિત કરે.
Domux ને તે લેયર તરીકે ડિઝાઇન કરવામાં આવ્યું છે. તે અસ્તવ્યસ્ત માનવ ભાષા સ્વીકારે છે અને તેને ક્લીન સ્કીમામાં રૂપાંતરિત કરે છે જેને ડાઉનસ્ટ્રીમ એજન્ટો ગ્રાઉન્ડ ટ્રુથ તરીકે ગણી શકે છે.
ઝડપ, માળખું અને ચોકસાઈ
આ પ્રોજેક્ટ ત્રણ લાક્ષણિકતાઓનો પ્રચાર કરે છે જે સીધી રીતે પ્રોડક્શન બિહેવિયરને અસર કરે છે.
પ્રથમ, તે 150 મિલિસેકન્ડથી ઓછા સમયમાં પ્રતિસાદ આપે છે. આ થ્રેશોલ્ડ મહત્વનો છે. ઇન્ટરેક્ટિવ સેટિંગ્સમાં, પા ભાગ સેકન્ડથી ઓછો પ્રતિસાદ તત્કાલ લાગે છે, જ્યારે એક સેકન્ડની નજીક પહોંચતો કોઈપણ પ્રતિસાદ વપરાશકર્તાઓને સાધન છોડવા માટે પ્રેરે છે. ઇનપુટ વોઇસ દ્વારા આવે કે ચેટ ઇન્ટરફેસ દ્વારા, domux પાઇપલાઇનને સતત ચાલુ રાખે છે.
બીજું, તે ઇનપુટ્સને સખત સાત-ફિલ્ડ સ્કીમામાં મેપ કરે છે. ડાઉનસ્ટ્રીમ સિસ્ટમ્સ માટે ડિકોડ કરવા માટે કોઈ ફ્રી-ફોર્મ ટેક્સ્ટ હોતું નથી. દરેક કમાન્ડ અનુમાનિત કોલમ્સમાં ગોઠવવામાં આવે છે.
ત્રીજું, તે 100 ટકા ફોર્મેટ કમ્પ્લાયન્સની સાથે 98.37 ટકા ચોકસાઈનો દાવો કરે છે. ચોકસાઈનો અર્થ છે કે મોડલ સામાન્ય રીતે વપરાશકર્તાને યોગ્ય રીતે સમજે છે. ફોર્મેટ કમ્પ્લાયન્સનો અર્થ છે કે આઉટપુટ દર વખતે માળખાગત રીતે માન્ય હોય છે. એવું પાર્સર જે 99 ટકા ચોક્કસ છે પરંતુ ક્યારેક કોઈ ફિલ્ડ છોડી દે છે અથવા નવું ફિલ્ડ બનાવી દે છે, તે ઓટોમેટેડ સાંકળમાં જોખમરૂપ છે. એક ખોટી રીતે બનાવેલી રો (row) કન્ઝ્યુમર એજન્ટને ક્રેશ કરી શકે છે.
આઉટપુટ ખરેખર કેવું દેખાય છે તે અહીં છે. જ્યારે મોડલ કમાન્ડ પ્રોસેસ કરે છે, ત્યારે તે પાઇપ-ડેલિમિટેડ રેકોર્ડ રિટર્ન કરે છે:
action|device|attribute|value|unit|room|floorturnOn|light|brightness|80|percent|living room|ground floor
આ ફોર્મેટ ઇરાદાપૂર્વક રાખવામાં આવ્યું છે. પાઇપ-ડેલિમિટેડ ટેક્સ્ટને કોઈપણ પ્રોગ્રામિંગ લેંગ્વેજમાં ભારે ડિપેન્ડન્સી વગર પાર્સ કરવું અત્યંત સરળ છે. તે JSON બ્લોટ અને નેસ્ટેડ સિરિયલાઈઝેશનના લેટન્સીથી બચે છે. લાઇટિંગ એજન્ટ એક્શન અને ડિવાઇસ કોલમ વાંચી શકે છે અને તરત જ કાર્ય કરી શકે છે. લોગિંગ એજન્ટ અન્ય ઇન્ફરન્સ પાસ ચલાવ્યા વિના રૂમ અને ફ્લોર મેળવી શકે છે. આ માળખું ડિઝાઇન દ્વારા જ અસ્પષ્ટતા દૂર કરે છે.
અસ્તવ્યસ્ત માનવ ઈરાદાનું સંચાલન
સાચા લોકો API ડોક્યુમેન્ટેશનની જેમ બોલતા નથી. તેઓ “make it brighter” અથવા “warm this place up” જેવી વાતો કહે છે. એક નાજુક પાર્સર આમાં નિષ્ફળ જશે. Domux ઈરાદાને એડજસ્ટમેન્ટ એક્શન સાથે મેપ કરીને અને ડાઉનસ્ટ્રીમ સિસ્ટમ્સને ચોક્કસ મૂલ્ય નક્કી કરવા દે કરીને અસ્પષ્ટતાને સંભાળે છે. જો કોઈ “make it brighter” કહે છે, તો મોડલ એક્શનને બ્રાઇટનેસ વધારવા તરીકે ઓળખે છે. ચોક્કસ સંખ્યાત્મક સ્તર વર્તમાન રીડિંગ્સ, દિવસના સમય અથવા...