ಏಜೆಂಟಿಕ್ ಇಂಜಿನಿಯರಿಂಗ್ನ ಉದಯ: ಪ್ರಾಂಪ್ಟ್ ಸಾಲ (Prompt Debt)
ಸಾಮಾನ್ಯ ಇಂಗ್ಲಿಷ್ನಲ್ಲಿ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಬರೆಯುವುದು ಮಂತ್ರಜಾಲದಂತೆ ಭಾಸವಾಗುತ್ತದೆ. ನೀವು ಏನನ್ನು ಬಯಸುತ್ತೀರೋ ಅದನ್ನು ಟೈಪ್ ಮಾಡಿದರೆ ಸಾಕು, ಒಂದು ಪ್ರೊಟೊಟೈಪ್ (prototype) ಸಿದ್ಧವಾಗುತ್ತದೆ. ಆದರೆ ದೀರ್ಘಕಾಲದ ವ್ಯವಸ್ಥೆಗಳಿಗೆ (long-term systems), ಈ ಮಂತ್ರಜಾಲವು ಒಂದು ಬಲೆಯಲ್ಲಿ ಪರಿಣಮಿಸುತ್ತದೆ.
ನೀವು ಬಹುಶಃ ಪ್ರಾಂಪ್ಟ್ ಸಾಲವನ್ನು (prompt debt) ಸಂಗ್ರಹಿಸುತ್ತಿರಬಹುದು.
ನಿಖರವಾದ ಇಂಜಿನಿಯರಿಂಗ್ ಬಳಸುವ ಬದಲು, ಒಂದು ಮಾಡೆಲ್ ಅನ್ನು ನಿಯಂತ್ರಿಸಲು ನೀವು ನೈಸರ್ಗಿಕ ಭಾಷೆಯನ್ನು (natural language) ಬಳಸಿದಾಗ ಪ್ರಾಂಪ್ಟ್ ಸಾಲ ಉಂಟಾಗುತ್ತದೆ. ಇದು ಮೂರು ದೊಡ್ಡ ಸಮಸ್ಯೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ:
- ಇಟರೇಶನ್ (Iteration) ನಿಧಾನವಾಗುತ್ತದೆ. ಒಂದು ತಪ್ಪನ್ನು ಸರಿಪಡಿಸಲು ನೀವು ಹೆಚ್ಚಿನ ಪಠ್ಯವನ್ನು ಸೇರಿಸುತ್ತೀರಿ, ಆದರೆ ಆ ಪಠ್ಯವು ಇನ್ನೊಂದನ್ನು ಹಾಳುಮಾಡುತ್ತದೆ. ಶೀಘ್ರದಲ್ಲೇ, ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ ಪುನರಾವರ್ತಿತ ಸೂಚನೆಗಳ ಗೊಂದಲವಾಗುತ್ತದೆ.
- ನಿಮ್ಮ ತಂಡವು ನಿಯಂತ್ರಣವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ. ದೊಡ್ಡ ಅಕ್ಷರಗಳ ಎಚ್ಚರಿಕೆಗಳು (all-caps warnings) ಮತ್ತು ಎಡ್ಜ್ ಕೇಸ್ಗಳಿಂದ (edge cases) ತುಂಬಿದ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಸಹೋದ್ಯೋಗಿಗಳು ಓದಲು ಅಥವಾ ನಿರ್ವಹಿಸಲು ಅಸಾಧ್ಯವಾಗುತ್ತದೆ.
- ನೀವು ಒಂದು ಮಾಡೆಲ್ಗೆ ಸೀಮಿತರಾಗುತ್ತೀರಿ. ಒಂದು ಮಾಡೆಲ್ಗಾಗಿ ಹೊಂದಿಸಲಾದ (tuned) ಪ್ರಾಂಪ್ಟ್ ಹೆಚ್ಚಾಗಿ ಹೊಸ ಮತ್ತು ಉತ್ತಮ ಆವೃತ್ತಿಯಲ್ಲಿ ವಿಫಲವಾಗುತ್ತದೆ. ತಮ್ಮ ವ್ಯವಸ್ಥೆಯು ಹಾಳಾಗಬಹುದು ಎಂಬ ಭಯದಿಂದ ತಂಡಗಳು ಹಳೆಯ, ದುಬಾರಿ ಮಾಡೆಲ್ಗಳಲ್ಲೇ ಸಿಲುಕಿಕೊಳ್ಳುತ್ತವೆ.
ಇದು ನೀವು 'ವೇಟ್ಸ್' (weights) ಜೊತೆ ಹೋರಾಡುತ್ತಿರುವುದರಿಂದ ಸಂಭವಿಸುತ್ತದೆ. ಮಾಡೆಲ್ ನಿಮ್ಮ ಸೂಚನೆಗೆ ವಿರೋಧ ವ್ಯಕ್ತಪಡಿಸಿದಾಗ, ನೀವು ಅದನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತೀರಿ. ಪ್ರತಿಯೊಂದು ಪುನರಾವರ್ತಿತ ಅಥವಾ ಒತ್ತಿಹೇಳಿದ ಸೂಚನೆಯು ಒಂದು 'ಸ್ಕಾರ್ ಟಿಶ್ಯೂ' (scar tissue) ಇದ್ದಂತೆ. ಮಾಡೆಲ್ನ ತರಬೇತಿಯು ನಿಮ್ಮ ಉದ್ದೇಶಕ್ಕೆ ಎಲ್ಲಿ ವಿರೋಧ ವ್ಯಕ್ತಪಡಿಸುತ್ತಿದೆ ಎಂಬುದನ್ನು ಇದು ತೋರಿಸುತ್ತದೆ.
ಇಂಜಿನಿಯರಿಂಗ್ಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯು ತುಂಬಾ ಅಸ್ಪಷ್ಟವಾಗಿದೆ. ಪದಬಳಕೆಯಲ್ಲಿನ ಸಣ್ಣ ಬದಲಾವಣೆಗಳು ಮಾಡೆಲ್ನ ನಡವಳಿಕೆಯನ್ನು ಬದಲಿಸಬಹುದು. ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿರುವ ಸಂಬಂಧವಿಲ್ಲದ ಸತ್ಯಾಂಶಗಳು ಸಹ ಮಾಡೆಲ್ ಪ್ರತಿಕ್ರಿಯಿಸುವ ರೀತಿಯನ್ನು ಬದಲಾಯಿಸಬಹುದು.
ಇದನ್ನು ನೀವು ಹೇಗೆ ಸರಿಪಡಿಸುವುದು?
ನೀವು ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಕೈಯಿಂದ ಬರೆಯುವುದನ್ನು ನಿಲ್ಲಿಸಬೇಕು ಮತ್ತು ಅಳತೆಗಳೊಂದಿಗೆ (measurements) ನಡವಳಿಕೆಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಲು ಪ್ರಾರಂಭಿಸಬೇಕು.
- ಪ್ರಾಂಪ್ಟ್ ಎಂಬುದು ಮಾಡೆಲ್ ಅನುಸರಿಸುತ್ತದೆ ಎಂದು ನೀವು ಆಶಿಸುವ ಒಂದು ಪ್ಯಾರಾಗ್ರಾಫ್ ಆಗಿದೆ.
- ಮೆಟ್ರಿಕ್ (metric) ಎಂಬುದು ಮಾಡೆಲ್ ಪೂರೈಸಲೇಬೇಕಾದ ಒಂದು ಒಪ್ಪಂದವಾಗಿದೆ.
ಇಂಜಿನಿಯರಿಂಗ್ನ ಭವಿಷ್ಯವು "ಪ್ರಾಂಪ್ಟಿಂಗ್" (prompting) ನಿಂದ "ಪ್ರೋಗ್ರಾಮಿಂಗ್" (programming) ಕಡೆಗೆ ಸಾಗುತ್ತಿದೆ. DSPy ಮತ್ತು GEPA ನಂತಹ ಪರಿಕರಗಳು (tools) ಗುರಿ ಮತ್ತು ಮೆಟ್ರಿಕ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತವೆ. ನಂತರ ಸಿಸ್ಟಮ್ ಆ ಗುರಿಯನ್ನು ತಲುಪಲು ಅತ್ಯುತ್ತಮ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಹುಡುಕುತ್ತದೆ.
ಇದು ಪ್ರಾಂಪ್ಟಿಂಗ್ ಅನ್ನು ಒಂದು 'ಕಂಪೈಲ್ಡ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್' (compiled artifact) ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಒಂದು ವೇಳೆ ಹೊಸ, ಅಗ್ಗದ ಮಾಡೆಲ್ ಬಂದರೂ ನೀವು ಗಾಬರಿಯಾಗುವ ಅಗತ್ಯವಿಲ್ಲ. ನೀವು ಕೇವಲ ಹೊಸ ಮಾಡೆಲ್ ವಿರುದ್ಧ ನಿಮ್ಮ ಮೆಟ್ರಿಕ್ಗಳನ್ನು ಚಲಾಯಿಸಿ ಮತ್ತು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಮರುರೂಪಿಸಬಹುದು (regenerate).
ಇಂಜಿನಿಯರ್ಗಳು ಅಸೆಂಬ್ಲಿ ಭಾಷೆಯಿಂದ ಕಂಪೈಲರ್ಗಳ ಕಡೆಗೆ ಬದಲಾದಂತೆ, AI ಇಂಜಿನಿಯರ್ಗಳು ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು (strings) ಕೈಯಿಂದ ಟ್ಯೂನ್ ಮಾಡುವುದರಿಂದ ಮೆಟ್ರಿಕ್ಗಳನ್ನು ಆಪ್ಟಿಮೈಸ್ (optimizing) ಮಾಡುವ ಕಡೆಗೆ ಬದಲಾಗಬೇಕು.
ಮಾಂತ್ರಿಕ ಪದಗಳಿಂದ ಮಾಡೆಲ್ ಅನ್ನು ಒಲಿಸಿಕೊಳ್ಳುವುದನ್ನು ನಿಲ್ಲಿಸಿ. ಅಳೆಯಬಹುದಾದ ವಿಶೇಷಣಗಳೊಂದಿಗೆ (measurable specifications) ನಿರ್ಮಿಸಲು ಪ್ರಾರಂಭಿಸಿ.
Optional learning community: https://t.me/GyaanSetuAi