𝗪𝗵𝘆 𝗠𝗼𝘀𝘁 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝗔𝗿𝗲 𝗢𝘃𝗲𝗿𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗲𝗱

𝗪𝗵𝘆 𝗠𝗼𝘀𝘁 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝗔𝗿𝗲 𝗢𝘃𝗲𝗿𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗲𝗱

AI agents ਹਰ ਜਗ੍ਹਾ ਹਨ। ਤੁਸੀਂ agent swarms, autonomous teams, ਅਤੇ self-improving systems ਦੇਖਦੇ ਹੋ। ਹਰ ਹਫ਼ਤੇ, ਇੱਕ ਨਵਾਂ framework ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ AI ਨੂੰ ਬਣਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ।

AI workflows ਦਾ ਅਧਿਐਨ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੇਰਾ ਇੱਕ ਸਧਾਰਨ ਨਤੀਜਾ ਨਿਕਲਿਆ ਹੈ। ਜ਼ਿਆਦਾਤਰ AI agents ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ (overengineered) ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।

Agents ਬੇਕਾਰ ਨਹੀਂ ਹਨ। ਹਾਲਾਂਕਿ, ਬਹੁਤ ਸਾਰੇ ਬਿਲਡਰ (builders) ਸਮੱਸਿਆਵਾਂ ਨੂੰ agents ਨਾਲ ਹੱਲ ਕਰਦੇ ਹਨ ਜਦੋਂ ਕਿ ਉਹ ਕੁਝ ਸਧਾਰਨ ਵਰਤ ਸਕਦੇ ਸਨ।

ਉਦਯੋਗ ਨੂੰ ਗੁੰਝਲਦਾਰਤਾ ਪਸੰਦ ਹੈ

ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ PDF ਪੜ੍ਹਨ, ਡਾਟਾ ਕੱਢਣ ਅਤੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਇੱਕ ਸਿਸਟਮ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ। ਬਹੁਤ ਸਾਰੇ ਬਿਲਡਰ ਛੇ agents, ਕਈ prompts, ਅਤੇ state management ਦੇ ਨਾਲ ਇੱਕ ਗੁੰਝਲਦਾਰ architecture ਬਣਾਉਂਦੇ ਹਨ। ਇਸ ਨਾਲ ਬਹੁਤ ਸਾਰੀਆਂ ਮੁਸ਼ਕਲਾਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ।

ਉਹੀ ਸਮੱਸਿਆ ਅਕਸਰ ਇੱਕ ਸਧਾਰਨ ਲੜੀ (sequence) ਨਾਲ ਹੱਲ ਹੋ ਸਕਦੀ ਹੈ:

• PDF to Chunk
• Chunk to Embed
• Embed to Vector DB
• LLM to Response

ਕਦੇ-ਕਦੇ ਇੱਕ workflow ਹੀ ਕਾਫ਼ੀ ਹੁੰਦਾ ਹੈ। ਤੁਹਾਨੂੰ agents ਦੀ ਫੌਜ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।

Workflows ਜ਼ਿਆਦਾਤਰ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਨ

ਜ਼ਿਆਦਾਤਰ AI ਐਪਲੀਕੇਸ਼ਨਾਂ deterministic ਹੁੰਦੀਆਂ ਹਨ। ਉਹ ਇੱਕ ਨਿਸ਼ਚਿਤ ਲੜੀ ਦੀ ਪਾਲਣਾ ਕਰਦੀਆਂ ਹਨ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• Document Q&A
• Customer support
• Meeting summaries
• Blog generation
• Code review

ਇਹ workflows ਹਨ, autonomous systems ਨਹੀਂ। Workflows ਨੂੰ debug ਕਰਨਾ, scale ਕਰਨਾ, maintain ਕਰਨਾ ਅਤੇ ਸਮਝਾਉਣਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ।

Agents ਲੁਕਵੇਂ ਖਰਚੇ ਵਧਾਉਂਦੇ ਹਨ

ਹਰ ਨਵਾਂ agent ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ ਜੋੜਦਾ ਹੈ:

• ਵਧੇਰੇ prompts ਕਾਰਨ ਉੱਚੇ token costs
• ਵਾਧੂ ਕਦਮਾਂ ਕਾਰਨ ਵਧੇਰੇ latency
• Hallucinations ਦੀ ਵਧੇਰੇ ਸੰਭਾਵਨਾ
• Debugging ਕਰਨਾ ਮੁਸ਼ਕਲ
• ਬੁਨਿਆਦੀ ਢਾਂਚੇ (infrastructure) ਦੀ ਵਧੇਰੇ ਲੋੜ

ਇੱਕ ਸਧਾਰਨ ਐਪਲੀਕੇਸ਼ਨ ਇੱਕ ਵਿਸ਼ਾਲ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ ਹੈ।

Agents ਅਸਲ ਵਿੱਚ ਕਿੱਥੇ ਕਾਰਗਰ ਹੁੰਦੇ ਹਨ

ਮੈਂ agents ਦੇ ਵਿਰੁੱਧ ਨਹੀਂ ਹਾਂ। Agents ਉਦੋਂ ਲਾਭਦਾਇਕ ਹੁੰਦੇ ਹਨ ਜਦੋਂ:

• ਕੰਮ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਕਈ ਵੈੱਬਸਾਈਟਾਂ 'ਤੇ ਖੋਜ ਕਰਨਾ।
• ਖਾਸ logic ਦੇ ਅਧਾਰ 'ਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀ ਲੋੜ ਹੋਵੇ।
• ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ (human intervention) ਲੋੜੀਂਦੀ ਹੋਵੇ।
• Slack, GitHub, ਅਤੇ email ਵਰਗੇ ਕਈ ਟੂਲਜ਼ ਨੂੰ ਮਿਲ ਕੇ ਕੰਮ ਕਰਨਾ ਪਵੇ।

ਮੇਰਾ ਨਿਯਮ

ਬਿਲਡਰ ਅਕਸਰ ਸਿੱਧੇ ਗੁੰਝਲਦਾਰ frameworks ਵਿੱਚ ਕੁੱਦ ਪੈਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਸਵਾਲ ਪੁੱਛੋ: ਕੀ ਇੱਕ workflow ਇਸ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ?

ਜੇਕਰ ਜਵਾਬ 'ਹਾਂ' ਹੈ, ਤਾਂ ਉੱਥੋਂ ਸ਼ੁਰੂ ਕਰੋ। Agents ਉਦੋਂ ਹੀ ਜੋੜੋ ਜਦੋਂ ਗੁੰਝਲਦਾਰਤਾ ਦੀ ਲੋੜ ਹੋਵੇ।

ਇਸ ਸਿਧਾਂਤ ਦੀ ਪਾਲਣਾ ਕਰੋ:

• ਪਹਿਲਾਂ Workflow.
• ਦੂਜੇ ਨੰਬਰ 'ਤੇ Agent.
• ਆਖਰੀ ਵਿੱਚ Multi-agent.

ਗੁੰਝਲਦਾਰਤਾ ਕੋਈ ਨਵੀਨਤਾ (innovation) ਨਹੀਂ ਹੈ। ਗੁੰਝਲਦਾਰਤਾ ਇੱਕ ਖਰਚਾ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ (users) ਨੂੰ ਇਸ ਨਾਲ ਕੋਈ ਫਰਕ ਨਹੀਂ ਪੈਂਦਾ ਕਿ ਤੁਸੀਂ ਕਿੰਨੇ agents ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ। ਉਹਨਾਂ ਨੂੰ ਇਸ ਨਾਲ ਫਰਕ ਪੈਂਦਾ ਹੈ ਕਿ ਕੀ ਟੂਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਸਾਦਗੀ (simplicity) ਆਪਣੇ ਆਪ ਵਿੱਚ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ (feature) ਹੈ।

Source: https://dev.to/jaideepparashar/why-i-think-most-ai-agents-are-overengineered-249o