ਜ਼ਿਆਦਾਤਰ ਰਚਨਾਤਮਕ ਸਾਫਟਵੇਅਰ ਅਜੇ ਵੀ ਇਹ ਉਮੀਦ ਕਰਦੇ ਹਨ ਕਿ ਵਿਚਾਰ ਅਤੇ ਤਿਆਰ ਫਾਈਲ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਇਨਸਾਨ ਹੋਵੇ। ਤੁਸੀਂ AI ਨੂੰ ਵੀਡੀਓ ਐਡਿਟ ਬਾਰੇ ਦੱਸ ਸਕਦੇ ਹੋ, ਪਰ ਕਲਿੱਪਾਂ ਨੂੰ ਛੋਟਾ ਕਰਨ, ਲੇਅਰਾਂ ਨੂੰ ਐਡਜਸਟ ਕਰਨ ਅਤੇ ਫਰੇਮਾਂ ਨੂੰ ਐਕਸਪੋਰਟ ਕਰਨ ਦਾ ਅਸਲ ਕੰਮ ਆਮ ਤੌਰ 'ਤੇ ਤੁਹਾਡੇ ਉੱਤੇ ਹੀ ਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਖਾਲੀ ਅੰਤਰ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਮੀਡੀਆ ਐਡੀਟਿੰਗ ਕੋਈ ਇੱਕਲੌਤਾ ਪ੍ਰੋਂਪਟ-ਅੰਡ-ਰਿਸਪਾਂਸ ਕੰਮ ਨਹੀਂ ਹੈ। ਇਹ ਨਿਰਭਰ ਫੈਸਲਿਆਂ ਦੀ ਇੱਕ ਲੰਬੀ ਲੜੀ ਹੈ ਜਿੱਥੇ ਤੀਜਾ ਕਦਮ ਉਦੋਂ ਹੀ ਸਹੀ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਦੂਜਾ ਕਦਮ ਅਸਲ ਵਿੱਚ ਟਾਈਮਲਾਈਨ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੋਵੇ। ਹਾਲ ਹੀ ਵਿੱਚ ਸਾਂਝਾ ਕੀਤਾ ਗਿਆ ਇੱਕ ਪ੍ਰੋਜੈਕਟ Claude Code ਨੂੰ Gemini Interactions API ਦੁਆਰਾ ਚਲਾਏ ਜਾ ਰਹੇ ਇੱਕ stateful ਵੀਡੀਓ ਐਡੀਟਿੰਗ ਪਾਈਪਲਾਈਨ ਨਾਲ ਜੋੜ ਕੇ ਇਸ ਰੁਕਾਵਟ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ। ਨਤੀਜਾ ਇੱਕ ਕੰਮ ਕਰ ਰਿਹਾ ਪ੍ਰਦਰਸ਼ਨ ਹੈ ਕਿ ਕਿਵੇਂ ਇੱਕ AI ਏਜੰਟ ਨੂੰ ਸਿਰਫ਼ ਸੁਝਾਅ ਦੇਣ ਦੀ ਬਜਾਏ ਅਸਲ ਵਿੱਚ ਇੱਕ ਰਚਨਾਤਮਕ ਵਰਕਫਲੋ ਨੂੰ ਡਾਇਰੈਕਟ ਕਰਨ ਲਈ ਕਿਵੇਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਇੱਕ ਡਾਇਰੈਕਟਰ ਅਤੇ ਇੱਕ ਐਡੀਟਰ
ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਜਾਣਬੁੱਝ ਕੇ ਵੰਡਿਆ ਗਿਆ ਹੈ। Claude Code ਇੱਕ ਡਾਇਰੈਕਟਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਉੱਚ-ਪੱਧਰੀ ਯੋਜਨਾਬੰਦੀ, ਅਸਪਸ਼ਟ ਰਚਨਾਤਮਕ ਬ੍ਰੀਫਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਅਗਲੇ ਕੀ ਹੋਣ ਦੀ ਲੋੜ ਹੈ, ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਸੰਭਾਲਦਾ ਹੈ। ਇਹ “ਫਾਲਤੂ ਹਿੱਸਾ ਕੱਟੋ ਅਤੇ ਇੱਕ ਟਾਈਟਲ ਕਾਰਡ ਜੋੜੋ” ਵਰਗੀ ਬੇਨਤੀ ਨੂੰ ਵੱਖ-ਵੱਖ ਕੰਮਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ, ਫਿਰ ਅੱਗੇ ਵਧਣ ਤੋਂ ਪਹਿਲਾਂ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ ਕਿ ਹਰੇਕ ਕੰਮ ਸਫਲ ਹੋਇਆ ਹੈ ਜਾਂ ਨਹੀਂ।
Gemini Interactions API ਵਿਸ਼ੇਸ਼ ਐਡੀਟਿੰਗ ਲੌਜਿਕ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ। ਇੱਕ ਜਨਰਲਿਸਟ ਮਾਡਲ ਨੂੰ ਵੀਡੀਓ ਐਡੀਟਰ ਵਜੋਂ ਕੰਮ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਹ ਸੈੱਟਅੱਪ Google ਦੇ API ਨੂੰ ਇੱਕ ਹੱਥੀਂ ਕੰਮ ਕਰਨ ਵਾਲੇ ਓਪਰੇਟਰ ਵਜੋਂ ਵਰਤਦਾ ਹੈ ਜੋ ਕੱਟ ਲਗਾਉਂਦਾ ਹੈ, ਟਾਈਮਲਾਈਨ ਦੀ ਸਥਿਤੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਅਤੇ ਠੋਸ ਨਤੀਜਿਆਂ ਨਾਲ ਰਿਪੋਰਟ ਦਿੰਦਾ ਹੈ। ਸਿਸਟਮ ਦੋਵਾਂ ਕੰਮਾਂ ਨੂੰ ਇੱਕੋ ਮਾਡਲ ਵਿੱਚ ਨਹੀਂ ਮਿਲਾਉਂਦਾ। ਇਹ ਰੀਜ਼ਨਿੰਗ ਲੇਅਰ ਨੂੰ ਟੂਲ-ਯੂਜ਼ ਲੇਅਰ ਤੋਂ ਵੱਖ ਰੱਖਦਾ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹਰੇਕ ਹਿੱਸਾ ਉਸ ਕੰਮ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਉਹ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ।
ਇਹ ਵੰਡ ਇਸ ਗੱਲ ਦੀ ਨਕਲ ਕਰਦੀ ਹੈ ਕਿ ਅਸਲ ਪੋਸਟ-ਪ੍ਰੋਡਕਸ਼ਨ ਟੀਮਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਡਾਇਰੈਕਟਰ ਕਹਾਣੀ ਜਾਣਦਾ ਹੈ ਅਤੇ ਫੈਸਲਾ ਲੈਂਦਾ ਹੈ। ਐਡੀਟਰ ਸਾਫਟਵੇਅਰ ਜਾਣਦਾ ਹੈ ਅਤੇ ਪਿਕਸਲ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਏਜੰਟ ਇੱਕ ਹੀ ਕੰਟੈਕਸਟ ਵਿੰਡੋ ਦੇ ਅੰਦਰ ਦੋਵੇਂ ਕੰਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ ਸਿੰਟੈਕਸ ਵਿੱਚ ਗਲਤੀ ਕਰਦਾ ਹੈ ਜਾਂ ਭੁੱਲ ਜਾਂਦਾ ਹੈ ਕਿ ਕਿਹੜੀ ਕਲਿੱਪ ਕਿਸ ਟ੍ਰੈਕ 'ਤੇ ਹੈ। ਕੰਮ ਨੂੰ ਵੰਡਣ ਨਾਲ ਇਹ ਸਮੱਸਿਆ ਹੱਲ ਹੋ ਜਾਂਦੀ ਹੈ।
ਯਾਦਦਾਸ਼ਤ ਸਭ ਕੁਝ ਕਿਉਂ ਬਦਲ ਦਿੰਦੀ ਹੈ
ਵੀਡੀਓ ਐਡੀਟਿੰਗ ਸੁਭਾਵਿਕ ਤੌਰ 'ਤੇ stateful ਹੁੰਦੀ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਕਲਿੱਪ ਨੂੰ ਚਾਰ ਸਕਿੰਟ ਘਟਾਉਂਦੇ ਹੋ, ਤਾਂ ਹਰ ਅਗਲਾ ਟ੍ਰਾਂਜ਼ੀਸ਼ਨ, ਆਡੀਓ ਕਿਊ, ਅਤੇ ਸਬਟਾਈਟਲ ਦੀ ਜਗ੍ਹਾ ਮੇਲ ਖਾਣ ਲਈ ਬਦਲਣੀ ਚਾਹੀਦੀ ਹੈ। ਜ਼ਿਆਦਾਤਰ AI ਏਜੰਟ ਇੱਥੇ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਹਰੇਕ ਕਦਮ ਨੂੰ ਇੱਕ ਵੱਖਰੇ ਪ੍ਰਸ਼ਨ ਵਜੋਂ ਲੈਂਦੇ ਹਨ। ਉਹ ਇੱਕ ਜਵਾਬ ਵਿੱਚ ਕੱਟ ਦੀ ਸਿਫਾਰਸ਼ ਕਰ ਸਕਦੇ ਹਨ, ਫਿਰ ਅਗਲੇ ਵਿੱਚ ਇੱਕ ਵੱਖਰੀ ਟਾਈਮਲਾਈਨ ਦੀ ਕਲਪਨਾ ਕਰ ਸਕਦੇ ਹਨ, ਜਾਂ ਕਿਸੇ ਅਜਿਹੇ ਹਿੱਸੇ ਲਈ ਪ੍ਰਭਾਵ (effect) ਸੁਝਾ ਸਕਦੇ ਹਨ ਜੋ ਹੁਣ ਮੌਜੂਦ ਨਹੀਂ ਹੈ।
Gemini Interactions API ਇਹਨਾਂ ਕਾਰਜਾਂ ਦੌਰਾਨ ਸਥਿਤੀ (state) ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਏਜੰਟ ਦੇ ਕੰਮ ਕਰਨ ਵੇਲੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਅਸਲ ਸਥਿਤੀ ਨੂੰ ਟ੍ਰੈਕ ਕਰਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਿਸਟਮ ਜਾਣਦਾ ਹੈ ਕਿ ਕੀ ਐਕਸਪੋਰਟ ਫੇਲ ਹੋ ਗਿਆ ਹੈ, ਕੀ ਕੋਈ ਕਲਿੱਪ ਪਹਿਲਾਂ ਹੀ ਪ੍ਰੋਸੈਸ ਕੀਤੀ ਜਾ ਚੁੱਕੀ ਹੈ, ਜਾਂ ਕੀ ਕਲਰ ਗ੍ਰੇਡ ਲਗਾਇਆ ਗਿਆ ਹੈ। ਜਦੋਂ Claude ਅਗਲੀ ਹਦਾਇਤ ਜਾਰੀ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਅੰਦਾਜ਼ੇ ਦੇ ਆਧਾਰ 'ਤੇ ਨਹੀਂ, ਸਗੋਂ ਟਾਈਮਲਾਈਨ ਦੀ ਅਸਲ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦੇ ਅਨੁਸਾਰ ਕੰਮ ਕਰਦਾ ਹੈ।
ਉਹਨਾਂ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਜਿਸਨੇ AI ਨੂੰ ਭਰੋਸੇ ਨਾਲ ਇੱਕ "ਸਧਾਰਨ" ਪੰਜ-ਕਦਮਾਂ ਵਾਲਾ ਹੱਲ ਸੁਝਾਉਂਦੇ ਦੇਖਿਆ ਹੈ ਜੋ ਪਿਛਲੇ ਚਾਰ ਕਦਮਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦਾ ਹੈ, ਲਗਾਤਾਰ ਸਥਿਤੀ (persistent state) ਦਾ ਮਹੱਤਵ ਸਪਸ਼ਟ ਹੈ। ਯਾ
ਇਹ ਪ੍ਰੋਜੈਕਟ AI ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਇੱਕ ਵਿਆਪਕ ਡਿਜ਼ਾਈਨ ਪੈਟਰਨ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦਾ ਹੈ: ਇੱਕ ਹੀ ਮਾਡਲ ਤੋਂ ਸਭ ਕੁਝ ਕਰਵਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਬੰਦ ਕਰੋ। Claude Code ਅਸਪਸ਼ਟ ਨਿਰਦੇਸ਼ਾਂ ਰਾਹੀਂ ਤਰਕ ਕਰਨ, ਬ੍ਰਾਂਚਿੰਗ ਲੌਜਿਕ (branching logic) ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਅਤੇ ਲੰਬੇ ਸੈਸ਼ਨ ਦੌਰਾਨ ਗੱਲਬਾਤ ਦੇ ਸੰਦਰਭ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਮਾਹਰ ਹੈ। Gemini Interactions API, ਖਾਸ ਕਰਕੇ ਰਿਚ ਮੀਡੀਆ (rich media) ਅਤੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਨਾਲ ਇਸਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਡੂੰਘੀਆਂ ਮਲਟੀਮੋਡਲ ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਸਟੇਟਫੁੱਲ (stateful) ਕਾਰਜਪ੍ਰਣਾਲੀ ਲਿਆਉਂਦੀ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜ ਕੇ, ਤੁਸੀਂ ਹਰੇਕ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਬਚ ਸਕਦੇ ਹੋ।
ਇੱਕ ਤਰਕਸ਼ੀਲ ਮਾਡਲ (reasoning model) ਜਿਸਨੇ ਕਦੇ ਵੀ ਨਾਨ-ਲਿਨੀਅਰ ਐਡੀਟਰ ਨੂੰ ਨਹੀਂ ਛੂਹਿਆ, ਉਹ ਫਿਰ ਵੀ ਇੱਕ ਵਧੀਆ ਕੱਟ (cut) ਦਾ ਨਿਰਦੇਸ਼ ਦੇ ਸਕਦਾ ਹੈ ਜੇਕਰ ਉਸ ਕੋਲ ਇੱਕ ਅਜਿਹੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੇਅਰ ਤੱਕ ਪਹੁੰਚ ਹੋਵੇ ਜੋ ਕੋਡੈਕਸ (codecs), ਕੀਫਰੇਮਜ਼ (keyframes) ਅਤੇ ਟ੍ਰੈਕ ਹਾਇਰਾਰਕੀਜ਼ (track hierarchies) ਨੂੰ ਸਮਝਦੀ ਹੋਵੇ। ਇਸਦੇ ਉਲਟ, ਇੱਕ ਮੀਡੀਆ-ਸਮਝਦਾਰ API ਨੂੰ ਅਮੂਰਤ ਰਚਨਾਤਮਕ ਨੋਟਸ ਨੂੰ ਪੜ੍ਹਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਜੇਕਰ ਇੱਕ ਪਲਾਨਰ ਮਾਡਲ ਪਹਿਲਾਂ ਹੀ ਉਹਨਾਂ ਨੂੰ ਠੋਸ ਕਦਮਾਂ ਵਿੱਚ ਬਦਲ ਚੁੱਕਾ ਹੋਵੇ। ਇੱਕ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦੂਜੇ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਦੂਰ ਕਰਦੀਆਂ ਹਨ।
ਇਹ ਸਿਰਫ਼ ਸਿਧਾਂਤਕ ਨਹੀਂ ਹੈ। ਇਹ ਸੈੱਟਅੱਪ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਵੱਖ-ਵੱਖ AI ਮਾਡਲ ਕੰਮ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ, ਰਚਨਾਤਮਕ ਵੀਡੀਓ ਐਡੀਟਿੰਗ, ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਜਿਸ ਨੂੰ ਸਿੰਗਲ-ਮਾਡਲ ਏਜੰਟ ਅਕਸਰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ। ਏਜੈਂਟਿਕ ਸਿਸਟਮ (agentic systems) ਬਣਾਉਣ ਵਾਲੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਇਸ ਸਬਕ ਨੂੰ ਅਣਦੇਖਾ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਆਪਣੇ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਲੇਅਰ (orchestration layer) ਨੂੰ ਆਪਣਾ ਮਾਹਰ ਬਣਨ ਲਈ ਕਹਿਣਾ ਬੰਦ ਕਰੋ, ਅਤੇ ਆਪਣੇ ਮਾਹਰ ਨੂੰ ਆਪਣਾ ਰਣਨੀਤੀਕਾਰ ਬਣਨ ਲਈ ਕਹਿਣਾ ਬੰਦ ਕਰੋ।
ਨਿਰਮਾਤਾਵਾਂ ਨੂੰ ਕੀ ਸਿੱਖਣਾ ਚਾਹੀਦਾ ਹੈ
ਇਸ ਪੈਟਰਨ ਨੂੰ ਲਾਭਦਾਇਕ ਲੱਭਣ ਲਈ ਤੁਹਾਨੂੰ ਵੀਡੀਓ ਸਟੂਡੀਓ ਚਲਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਕੋਈ ਵੀ ਖੇਤਰ ਜਿਸ ਵਿੱਚ ਬਦਲਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਹੁ-ਪੜਾਅ ਵਾਲੇ ਕੰਮ, CAD ਵਰਕਫਲੋ, ਆਡੀਓ ਇੰਜੀਨੀਅਰਿੰਗ, ਡਾਟਾ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਜਾਂ ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਉਹੀ ਢਾਂਚਾ ਅਪਣਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਮਾਡਲ ਇੱਕ ਸਥਿਰ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਵਿਸ਼ੇਸ਼ API ਜਾਂ ਟੂਲ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਸੌਫਟਵੇਅਰ ਦੇ ਅੰਦਰ ਸਟੇਟਫੁੱਲ ਕਾਰਜਾਂ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।
ਡਿਵੈਲਪਰ ਦਾ ਕੰਮ ਵਿਸ਼ਾਲ ਪ੍ਰੋਂਪਟ ਲਿਖਣ ਤੋਂ, ਜੋ ਇਸ ਉਮੀਦ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੇ ਹਨ ਕਿ ਮਾਡਲ ਸਭ ਕੁਝ ਯਾਦ ਰੱਖੇਗਾ, ਤੋਂ ਬਦਲ ਕੇ ਤਰਕ (reasoning) ਅਤੇ ਕਾਰਜਪ੍ਰਣਾਲੀ (execution) ਵਿਚਕਾਰ ਸਾਫ਼ ਹੈਂਡਆਫ (handoffs) ਡਿਜ਼ਾਈਨ ਕਰਨ ਵੱਲ ਤਬਦੀਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਸਟੇਟ ਮੈਨੇਜਮੈਂਟ (State management) ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਜਾਂਦੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਡਾ ਏਜੰਟ ਇਹ ਨਹੀਂ ਦੇਖ ਸਕਦਾ ਕਿ ਉਸਦੀ ਆਖਰੀ ਕਾਰਵਾਈ ਤੋਂ ਬਾਅਦ ਕੀ ਬਦਲਿਆ ਹੈ, ਤਾਂ ਉਹ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਦੁਬਾਰਾ ਕਾਰਵਾਈ ਨਹੀਂ ਕਰ ਸਕਦਾ।
ਤੁਸੀਂ ਇਸਤੇਗਰਾਸ਼ਨ (integration) ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ API ਇੰਟਰੈਕਸ਼ਨਾਂ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਣਤਰ ਸ਼ਾਮਲ ਹੈ, ਇਸਦਾ ਪੂਰਾ ਵੇਰਵਾ dev.to 'ਤੇ ਵਿਸਤ੍ਰਿਤ ਪੋਸਟ ਵਿੱਚ ਪੜ੍ਹ ਸਕਦੇ ਹੋ।
ਅਸਲ ਸਿੱਖਿਆ
AI ਨਾਲ ਗੁੰਝਲਦਾਰ ਰਚਨਾਤਮਕ ਕੰਮ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਿਸੇ ਅਜਿਹੇ ਇੱਕ, ਸੰਪੂਰਨ ਮਾਡਲ ਦੀ ਉਡੀਕ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਜੋ ਇੱਕੋ ਸਮੇਂ ਯੋਜਨਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਯਾਦ ਰੱਖ ਸਕਦਾ ਹੈ, ਅਤੇ ਸਭ ਕੁਝ ਕਾਰਜਸ਼ੀਲ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਏਜੰਟ ਨੂੰ ਅਜਿਹੀ ਯਾਦਦਾਸ਼ਤ ਦੇਣ ਦੀ ਲੋੜ ਹੈ ਜੋ ਕਦਮਾਂ ਦੇ ਵਿਚਕਾਰ ਬਣੀ ਰਹੇ ਅਤੇ ਇੱਕ ਅਜਿਹਾ ਮਾਹਰ ਜਿਸ ਨੂੰ ਉਹ ਅਸਲ ਵਿੱਚ ਕੰਮ ਸੌਂਪ (delegate) ਸਕੇ। ਸੋਚਣ ਵਾਲੇ ਨੂੰ ਸੋਚਣ ਦਿਓ। ਐਡੀਟਰ ਨੂੰ ਐਡਿਟ ਕਰਨ ਦਿਓ।