ಏಜೆಂಟ್ ಎಂಬುದು ಹಾರ್ನೆಸ್ ಆಗಿದೆಯೇ ಹೊರತು ಮಾಡೆಲ್ ಅಲ್ಲ
ಪ್ರತಿಯೊಂದು AI ವ್ಯವಸ್ಥೆಯು ಎರಡು ಭಾಗಗಳನ್ನು ಹೊಂದಿದೆ: ಮಾಡೆಲ್ ಮತ್ತು ಹಾರ್ನೆಸ್.
ಮಾಡೆಲ್ ಕಚ್ಚಾ ತರ್ಕವನ್ನು (raw reasoning) ಒದಗಿಸುತ್ತದೆ. ಹಾರ್ನೆಸ್ ಎಂಬುದು ಅದನ್ನು ಸುತ್ತುವರಿಯುವ ಕೋಡ್ ಆಗಿದೆ.
Claude Code, GitHub Copilot, ಮತ್ತು ChatGPT ಮಾಡೆಲ್ಗಳಲ್ಲ. ಅವು ಹಾರ್ನೆಸ್ಗಳು. ಅವು ಮಾಡೆಲ್ ಅನ್ನು ಉಪಯುಕ್ತ ಉತ್ಪನ್ನವನ್ನಾಗಿ ಪರಿವರ್ತಿಸುವ ಪರಿಕರಗಳು (tools), ನೆನಪು (memory) ಮತ್ತು ಲೂಪ್ಗಳನ್ನು (loops) ಒದಗಿಸುತ್ತವೆ.
ಈ ಸೂತ್ರವನ್ನು ಬಳಸಿ: Agent = Model × Harness
ಮಾಡೆಲ್ ಒಂದು ಪದಾರ್ಥವಾದರೆ, ಹಾರ್ನೆಸ್ ಎಂಬುದು ಒಂದು ಸಿದ್ಧಪಡಿಸಿದ ಖಾದ್ಯ.
ಹೆಚ್ಚಿನ ಎಂಜಿನಿಯರಿಂಗ್ ಕೆಲಸಗಳು ಹಾರ್ನೆಸ್ನಲ್ಲಿ ನಡೆಯುತ್ತವೆ. ನೀವು ಮಾಡೆಲ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸುವುದಿಲ್ಲ (train). ನೀವು ಮಾಡೆಲ್ ಅನ್ನು ಸುತ್ತುವರಿಯುತ್ತೀರಿ (wrap). ಅದು ಯಾವ ಪರಿಕರಗಳನ್ನು ಬಳಸುತ್ತದೆ, ದೋಷಗಳನ್ನು (errors) ಹೇಗೆ ನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಸಂದರ್ಭವನ್ನು (context) ಹೇಗೆ ನೆನಪಿಟ್ಟುಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ನೀವೇ ನಿರ್ಧರಿಸುತ್ತೀರಿ.
ಪ್ರಸ್ತುತ, OpenAI ಮತ್ತು Anthropic ನಂತಹ ಕಂಪನಿಗಳು ಎರಡೂ ಭಾಗಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿವೆ. ಅವು ಇಂಜಿನ್ ಮತ್ತು ಕಾರು ಎರಡನ್ನೂ ತಯಾರಿಸುತ್ತಿವೆ. ಇದು ಬದಲಾಗಲಿದೆ.
ಭವಿಷ್ಯವು ಮಾಡೆಲ್-ಅಗ್ನಾಸ್ಟಿಕ್ (model-agnostic) ಹಾರ್ನೆಸ್ಗಳಿಗೆ ಸೇರಿದೆ.
ಕೋಡಿಂಗ್ ಹಾರ್ನೆಸ್ಗೆ ರೆಪೊಸಿಟರಿಗಳು (repositories) ಮತ್ತು ಟೆಸ್ಟ್ ಲೂಪ್ಗಳ ಪ್ರವೇಶ ಬೇಕು. ಕಾನೂನು ಹಾರ್ನೆಸ್ಗೆ ಉಲ್ಲೇಖಗಳ ನಿಖರತೆ (citation accuracy) ಬೇಕು. ಹಣಕಾಸು ಹಾರ್ನೆಸ್ಗೆ ಆಡಿಟ್ ಟ್ರೈಲ್ಗಳು (audit trails) ಬೇಕು. ಮಾಡೆಲ್ ಒಂದೇ ಆಗಿರುತ್ತದೆ, ಆದರೆ ಕೆಲಸಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಹಾರ್ನೆಸ್ ಬದಲಾಗುತ್ತದೆ.
ಹಾರ್ನೆಸ್ ಎಂಜಿನಿಯರಿಂಗ್ ಪ್ರಸ್ತುತ ಸಾಫ್ಟ್ವೇರ್ ಎಂಜಿನಿಯರಿಂಗ್ನ ಹೆಚ್ಚಿನ ಭಾಗವನ್ನು ಒಳಗೊಳ್ಳಲಿದೆ.
ಕೆಲಸವು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಲಾಜಿಕ್ (deterministic logic) ಬರೆಯುವುದರಿಂದ ಮಾನವ ಕೆಲಸದ ಹರಿವನ್ನು (human workflows) ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದರ ಕಡೆಗೆ ಬದಲಾಗುತ್ತಿದೆ.
ಇದರರ್ಥ AI ಎಲ್ಲಾ ಕೋಡ್ ಅನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ ಎಂದಲ್ಲ.
- ಪಾವತಿಗಳು ಮತ್ತು ಲೆಡ್ಜರ್ಗಳಂತಹ ಪ್ರಮುಖ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಆಗಿಯೇ ಇರಬೇಕು. ನಿಮ್ಮ ಅಕೌಂಟಿಂಗ್ ಅನ್ನು ಮಾಡೆಲ್ ಊಹಿಸಬೇಕೆಂದು ನೀವು ಬಯಸುವುದಿಲ್ಲ.
- ಟ್ರಿಯಾಜ್ (triage) ಮತ್ತು ವರ್ಕ್ಫ್ಲೋ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ನಂತಹ ಮಾನವ ಚಾಲಿತ ಕಾರ್ಯಗಳು ಏಜೆಂಟ್ಗಳಿಗೆ ವರ್ಗಾವಣೆಯಾಗುತ್ತವೆ.
ಡೆವಲಪರ್ಗಳ ಕೆಲಸ ಬದಲಾಗುತ್ತಿದೆ.