OpenOctopus ഉപയോക്താക്കൾക്ക് “realms” നിർമ്മിക്കാൻ അനുവദിക്കുന്ന ഒരു ഓപ്പൺ സോഴ്സ് AI അസിസ്റ്റന്റ് പുറത്തിറക്കി. ഇവ വളർത്തുമൃഗങ്ങൾ, സാമ്പത്തികം, ആരോഗ്യം, നിയമപരമായ കാര്യങ്ങൾ എന്നിങ്ങനെ വ്യത്യസ്തമായ അറിവ് ഇടങ്ങൾ (knowledge spaces) ആണ്. ഈ realms-ൽ ഏതൊരു വ്യക്തിയെയോ വളർത്തുമൃഗത്തെയോ ആസ്തികളെയോ സ്വയംഭരണാധികാരമുള്ള ഏജന്റുകളായി (autonomous agents) വിളിക്കാൻ (summon) സാധിക്കും. ഓരോ ഏജന്റും ഒരു പങ്കിട്ട നോളജ് ഗ്രാഫിലൂടെ (shared knowledge graph) ബന്ധിക്കപ്പെട്ടിരിക്കുമ്പോൾ തന്നെ, ഒരു ഗ്രൂപ്പ് ചാറ്റ് ശൈലിയിലുള്ള അനുഭവം ഈ സിസ്റ്റം നൽകുന്നു.

Why a new architecture?

മിക്ക കൺസ്യൂമർ അസിസ്റ്റന്റുകളും ഒരു സിംഗിൾ ചാറ്റ് വിൻഡോയ്ക്ക് പിന്നിൽ പ്രവർത്തിക്കുന്നവയാണ്, അവ എല്ലാ അഭ്യർത്ഥനകളെയും സാമാന്യമായ ചോദ്യങ്ങളായിട്ടാണ് കാണുന്നത്. OpenOctopus ഈ മാതൃക മാറ്റുന്നു. ഓരോ ജീവിത മേഖലയെയും (life domain) അതിന്റേതായ സ്പെഷ്യലൈസ്ഡ് ഏജന്റുകളുടെ ഒരു ടീമിനെ ഉൾക്കൊള്ളുന്ന സ്വയംഭരണാധികാരമുള്ള ഒരു മോഡ്യൂളായി അല്ലെങ്കിൽ 'realm' ആയി ഇത് പരിഗണിക്കുന്നു. പരസ്പരബന്ധമില്ലാത്ത ജോലികൾക്കിടയിൽ (ഉദാഹരണത്തിന്, ഒരു യാത്രയുടെ ബജറ്റ് തയ്യാറാക്കുമ്പോൾ തന്നെ വളർത്തുമൃഗങ്ങളുടെ പരിചരണം ക്രമീകരിക്കുക) ഒരു കോൺടെക്സ്റ്റ് നിലനിർത്താൻ കഴിയാത്ത 'one-size-fits-all' ബോട്ടുകളോടുള്ള അതൃപ്തിയിൽ നിന്നാണ് ഈ ആശയം ഉണ്ടായത്.

How “Summon” works

Summon എന്നറിയപ്പെടുന്ന ഇതിന്റെ പ്രധാന ഭാഗം, ഏതൊരു നിശ്ചിത വ്യക്തിയെയോ വളർത്തുമൃഗത്തെയോ അല്ലെങ്കിൽ ഒരു കാറിനെയോ പോലും AI അധിഷ്ഠിത പ്രതിനിധിയായി മാറ്റുന്നു. ഒരു ഉപയോക്താവ് അഞ്ച് ദിവസത്തെ ബിസിനസ്സ് യാത്ര രേഖപ്പെടുത്തുമ്പോൾ, വളർത്തുമൃഗങ്ങളുടെ കാര്യത്തിൽ (pet realm) മൃഗത്തിന് ആര് ഭക്ഷണം നൽകുമെന്ന് ചോദിക്കുന്ന ഒരു pet-care agent രൂപപ്പെടുന്നു; കുടുംബപരമായ കാര്യങ്ങളിൽ (family realm) സഹായിക്കാൻ കഴിയുന്ന ഒരു ബന്ധുവിനെ നിർദ്ദേശിക്കുന്നു; വാഹനത്തിന്റെ കാര്യത്തിൽ (vehicle realm) കാർ ചാർജ് ചെയ്യാൻ ഉടമയെ ഓർമ്മിപ്പിക്കുന്നു; സാമ്പത്തിക കാര്യങ്ങളിൽ (finance realm) യാത്രയുടെ ചിലവ് കണക്കാക്കുന്നു. ഈ ഏജന്റുകളെല്ലാം ഒരു പൊതുവായ നോളജ് ഗ്രാഫിൽ നിന്നാണ് വിവരങ്ങൾ എടുക്കുന്നതും നൽകുന്നതും, അതിനാൽ ഫിനാൻസ് ഏജന്റ് നൽകുന്ന ബജറ്റ് പരിധികളെക്കുറിച്ച് പെറ്റ് ഏജന്റിന് ഉടനടി അറിയാൻ സാധിക്കും.

Core components

  • Realm Matrix – റിസ്കുകൾ, തീർപ്പാക്കാനുള്ള ജോലികൾ, വിവിധ realms തമ്മിലുള്ള പരസ്പര ബന്ധങ്ങൾ എന്നിവ കാണിക്കുന്ന ഒരു ഡാഷ്‌ബോർഡ്.
  • Agent Teams – ഒരു അഭ്യർത്ഥനയിൽ സഹകരിക്കുന്നതിനായി “professional” ഏജന്റുകളുടെയും (സാധാരണ മേഖലകൾക്കായി മുൻകൂട്ടി നിർമ്മിച്ചവ) ഉപയോക്താവ് വിളിച്ചെടുക്കുന്ന ഏജന്റുകളുടെയും ഒരു മിശ്രിതം.
  • RealmHub – ഡെവലപ്പർമാർക്ക് നിയമോപദേശ ബോട്ടുകൾ അല്ലെങ്കിൽ വെറ്ററിനറി അസിസ്റ്റന്റ് പോലുള്ള മേഖല തിരിച്ചുള്ള ഏജന്റുകൾ പ്രസിദ്ധീകരിക്കാൻ കഴിയുന്ന ഒരു ആപ്പ് സ്റ്റോർ പോലുള്ള കാറ്റലോഗ്.
  • Local-first storage – വ്യക്തിഗത വിവരങ്ങൾ ക്ലൗഡിൽ നിന്ന് അകറ്റി നിർത്തുന്നതിനായി ഡാറ്റ ഉപയോക്താവിന്റെ ഉപകരണത്തിൽ തന്നെ SQLite (അല്ലെങ്കിൽ വലിയ സെറ്റപ്പുകൾക്കായി PostgreSQL) ഉപയോഗിച്ച് സൂക്ഷിക്കുന്നു.
  • Governance layer – ഓരോ നിർണ്ണായകമായ പ്രവർത്തനത്തിനും ഉപയോക്താവിന്റെ വ്യക്തമായ അനുമതി ആവശ്യമാണ്, കൂടാതെ ഇത് ഒരു മാറ്റം വരുത്താൻ കഴിയാത്ത ഓഡിറ്റ് ലോഗിൽ (immutable audit log) രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു.

Technical snapshot

Node.js-ഉം TypeScript-ഉം ഉപയോഗിച്ചാണ് ഇത് പ്രവർത്തിക്കുന്നത്, ഇത് ഡെവലപ്പർമാർക്ക് പരിചിതമായ ഒരു സ്റ്റാക്ക് ആണ്. SQLite ഭാരം കുറഞ്ഞ, ഉപകരണത്തിൽ തന്നെ പ്രവർത്തിക്കുന്ന ഒരു ഡാറ്റാബേസ് നൽകുന്നു; PostgreSQL സെർവർ അധിഷ്ഠിത സ്റ്റോറേജ് പിന്തുണയ്ക്കുന്നു. ഒരു കേന്ദ്രീകൃത “brain” പ്രോസസ്സ് വിവിധ realms തമ്മിൽ സന്ദേശങ്ങൾ കൈമാറുകയും, മൊത്തത്തിലുള്ള നോളജ് ഗ്രാഫ് നിലനിർത്തിക്കൊണ്ട് തന്നെ സ്പെഷ്യലൈസ്ഡ് ഏജന്റുകളെ നിയന്ത്രിക്കുകയും ചെയ്യുന്നു.

Who stands to gain?

പല സ്വതന്ത്രമായ ഉത്തരവാദിത്തങ്ങൾ ഒരേസമയം കൈകാര്യം ചെയ്യുന്ന പവർ യൂസർമാർക്ക് (ക്ലയന്റുകളെ നിയന്ത്രിക്കുന്ന ഫ്രീലാൻസർമാർ, വീട്ടുജോലികൾ ഏകോപിപ്പിക്കുന്ന മാതാപിതാക്കൾ, ഇൻവെന്ററിയും നിയമപരമായ കാര്യങ്ങളും ട്രാക്ക് ചെയ്യുന്ന ചെറുകിട ബിസിനസ്സ് ഉടമകൾ) അവരുടെ കൃത്യമായ വർക്ക്ഫ്ലോയ്ക്ക് അനുസൃതമായി ഏജന്റുകളെ ക്രമീകരിക്കാൻ കഴിയും. പ്ലാറ്റ്‌ഫോം ഓപ്പൺ സോഴ്സ് ആയതിനാൽ, സ്ഥാപനങ്ങൾക്ക് കോഡ് പരിശോധിക്കാനും, കസ്റ്റം realms ചേർക്കാനും, അല്ലെങ്കിൽ മുഴുവൻ സ്റ്റാക്കും സ്വന്തം ഫയർവാളിന് പിന്നിൽ ഹോസ്റ്റ് ചെയ്യാനും കഴിയും. കൺസ്യൂമർ ഗ്രേഡ് AI അസിസ്റ്റന്റുകളിൽ അപൂർവ്വമായ ഒരു സുതാര്യതയാണിത്.

Potential hurdles

ഈ വഴക്കമുള്ള രീതി (flexibility) പഠിച്ചെടുക്കാൻ പ്രയാസമുണ്ടാക്കിയേക്കാം. Realms സെറ്റ് ചെയ്യുന്നതും, ഏജന്റുകളെ കോൺഫിഗർ ചെയ്യുന്നതും, നോളജ് ഗ്രാഫ് നിലനിർത്തുന്നതും സാങ്കേതിക പരിജ്ഞാനമില്ലാത്ത ഉപയോക്താക്കളെ അമ്പരപ്പിച്ചേക്കാം. ലോക്കൽ-ഫസ്റ്റ് ഡിസൈൻ സ്വകാര്യത സംരക്ഷിക്കുന്നുണ്ടെങ്കിലും, ഡാറ്റ എത്രത്തോളം സുരക്ഷിതമാണ് എന്നത് ആ ഡാറ്റ ഇരിക്കുന്ന ഉപകരണത്തെ ആശ്രയിച്ചിരിക്കും; ഹാർഡ്‌വെയർ നഷ്ടപ്പെടുകയോ കേടുപാടുകൾ സംഭവിക്കുകയോ ചെയ്താൽ അസിസ്റ്റന്റ് മുഴുവനായും അപകടത്തിലായേക്കാം. അവസാനമായി, ഈ ഇക്കോസിസ്റ്റം കമ്മ്യൂണിറ്റി നൽകുന്ന ഏജന്റുകളെ ആശ്രയിച്ചിരിക്കുന്നു; ഉയർന്ന നിലവാരമുള്ള പ്ലഗിനുകൾ ഇല്ലെങ്കിൽ, മേഖല തിരിച്ചുള്ള വൈദഗ്ധ്യം എന്ന വാഗ്ദാനം പരാജയപ്പെട്ടേക്കാം.

What to watch

OpenOctopus അതിന്റെ പ്രാരംഭ ഘട്ടത്തിലാണ്. RealmHub മാർക്കറ്റ് പ്ലേസ് വിപുലീകരിക്കുക, കൂടുതൽ പ്രൊഫഷണൽ ഏജന്റുകളെ ചേർക്കുക, ദൈനംദിന അനുമതികൾ എളുപ്പമാക്കാൻ ഗവേണൻസ് UI മെച്ചപ്പെടുത്തുക എന്നിവയാണ് വരാനിരിക്കുന്ന പ്രധാന ലക്ഷ്യങ്ങൾ. ഇതിന്റെ വിജയം വെറും ഉപയോക്താക്കളുടെ എണ്ണത്തേക്കാൾ ഉപരിയായി, എത്രത്തോളം ആക്ടീവ് realms ഉണ്ട്, കമ്മ്യൂണിറ്റിയുടെ സംഭാവനകൾ എത്രത്തോളമുണ്ട് എന്നതിനെ ആശ്രയിച്ചിരിക്കും.

മൾട്ടി-ഏജന്റ് സിസ്റ്റങ്ങളിൽ താൽപ്പര്യമുള്ള ഡെവലപ്പർമാർക്ക് പ്രോജക്റ്റിന്റെ റെപ്പോസിറ്ററിയിൽ ഒരു റഫറൻസ് ഇംപ്ലിമെന്റേഷൻ കണ്ടെത്താം. കോഡ്ബേസ്, ഡോക്യുമെന്റേഷൻ, കമ്മ്യൂണിറ്റി ചാറ്റ് എന്നിവയെല്ലാം പരസ്യമായി ലഭ്യമാണ്, ഇത് AI അധിഷ്ഠിത പേഴ്സണൽ ഓർക്കസ്ട്രേഷനിൽ പരീക്ഷണങ്ങൾ നടത്തുന്നവർക്ക് അനുയോജ്യമായ ഒരു പ്ലേഗ്രൗണ്ട് ആണ്.

Takeaway: OpenOctopus വ്യക്തിഗത AI സഹായത്തെ ഒരു മോഡുലാർ, ഉപയോക്താവിന് നിയന്ത്രിക്കാവുന്ന ഏജന്റുകളുടെ ശൃംഖലയാക്കി മാറ്റുന്നു. ഇത് സജ്ജീകരണത്തിലെ സങ്കീർണ്ണതയ്ക്ക് പകരമായി അഭൂതപൂർവമായ സ്വകാര്യതയും കസ്റ്റമൈസബിലിറ്റിയും വാഗ്ദാനം ചെയ്യുന്നു. ദൈനംദിന ജീവിതത്തിൽ ഈ സിസ്റ്റം യഥാർത്ഥത്തിൽ ഉപയോഗപ്രദമാകണമെങ്കിൽ RealmHub-ൽ ആവശ്യത്തിന് വിശ്വസനീയമായ ഏജന്റുകൾ ലഭ്യമാകുന്നുണ്ടോ എന്നതിനെ ആശ്രയിച്ചിരിക്കും ഇതിന്റെ വിജയം.