एजेंट हार्नेस है, मॉडल नहीं
हर AI सिस्टम के दो भाग होते हैं: मॉडल और हार्नेस।
मॉडल कच्ची तर्कशक्ति (raw reasoning) प्रदान करता है। हार्नेस वह कोड है जो इसे रैप (wrap) करता है।
Claude Code, GitHub Copilot, और ChatGPT मॉडल नहीं हैं। वे हार्नेस हैं। वे वे टूल्स, मेमोरी और लूप प्रदान करते हैं जो एक मॉडल को एक उपयोगी उत्पाद में बदल देते हैं।
इस फॉर्मूले का उपयोग करें: Agent = Model × Harness
मॉडल एक सामग्री है। हार्नेस एक व्यंजन है।
अधिकांश इंजीनियरिंग कार्य हार्नेस में होता है। आप मॉडल को ट्रेन नहीं करते हैं। आप मॉडल को रैप करते हैं। आप तय करते हैं कि वह किन टूल्स का उपयोग करता है, वह त्रुटियों (errors) को कैसे संभालता है, और वह संदर्भ (context) को कैसे याद रखता है।
अभी, OpenAI और Anthropic जैसी कंपनियाँ दोनों भाग बनाती हैं। वे इंजन और कार दोनों बनाती हैं। यह बदलेगा।
भविष्य मॉडल-अज्ञेय (model-agnostic) हार्नेस का है।
एक कोडिंग हार्नेस को रिपॉजिटरी और टेस्ट लूप्स तक पहुँच की आवश्यकता होती है। एक लीगल हार्नेस को साइटेशन की सटीकता की आवश्यकता होती है। एक फाइनेंस हार्नेस को ऑडिट ट्रेल की आवश्यकता होती है। मॉडल वही रहता है, लेकिन काम के आधार पर हार्नेस बदल जाता है।
हार्नेस इंजीनियरिंग वर्तमान सॉफ्टवेयर इंजीनियरिंग के अधिकांश हिस्से को समाहित कर लेगी।
काम 'डिटरमिनिस्टिक लॉजिक' (deterministic logic) लिखने से हटकर ऐसे सिस्टम बनाने की ओर स्थानांतरित हो जाएगा जो मानवीय वर्कफ़्लो को ऑटोमेट करते हैं।
इसका मतलब यह नहीं है कि AI सभी कोड की जगह ले लेगा।
- भुगतान और लेजर जैसी मुख्य व्यावसायिक प्रक्रियाओं को डिटरमिनिस्टिक (deterministic) रहना चाहिए। आप नहीं चाहेंगे कि कोई मॉडल आपकी अकाउंटिंग का अंदाज़ा लगाए।
- ट्राइएज (triage) और वर्कफ़्लो प्रबंधन जैसे मानव-संचालित कार्य एजेंटों के पास चले जाएंगे।
डेवलपर्स के लिए काम बदल रहा है।
ML विशेषज्ञ मॉडल पक्ष पर ध्यान केंद्रित करेंगे। डेवलपर्स हार्नेस पक्ष पर ध्यान केंद्रित करेंगे।
हार्नेस वह जगह है जहाँ आप सुरक्षा, लागत और विश्वसनीयता तय करते हैं। एक खराब हार्नेस के साथ एक बेहतर मॉडल केवल विफल होने का एक तेज़ तरीका है।
मॉडल अपने आप में सुधार करता है। आपकी सफलता इस बात पर निर्भर करती है कि आप हार्नेस कैसे बनाते हैं।
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi