Microsoft imetoa mfumo thabiti wa Agent Skills kwa ajili ya Python mnamo Julai 15. Inawawezesha watengenezaji kuingiza uwezo (capabilities) pale tu wakati wakala (agent) unaendeshwa na LLM unapoihitaji kweli. Kwa kubadilisha "system prompt" moja inayozidi kukua kwa ajili ya kupakia ujuzi (skills) kulingana na mahitaji, mbinu hii inapunguza ukubwa wa prompt, inapunguza gharama za token na kuweka mantiki ya wakala wazi zaidi.

Kwa nini prompt hukua na kwa nini ni muhimu

Wakala wa LLM wanategemea "system prompt" inayokusanya sera, miongozo ya kazi (runbooks) na nyenzo za marejeleo ambazo modeli inapaswa kuziona katika kila hatua. Ongeza tu idadi ndogo ya hati za sera na prompt hiyo itavimba hadi kufikia maelfu ya token. Prompt kubwa huongeza gharama za ufuatiliaji (inference costs)—kila token ambayo modeli inachakata inatozwa—na hupunguza nguvu ya maelekezo, na kufanya matokeo ya wakala yawe yasiyo wazi. Katika uchujaji wa matukio (incident triage) au ukaguzi wa uzingatiaji (compliance checking), prompt isiyo wazi inaweza kubadilisha msaidizi mwenye manufaa kuwa chanzo cha taarifa zisizo sahihi.

Mtindo wa Agent Skills: ufichuzi wa hatua kwa hatua (progressive disclosure)

Mfumo mpya huu unabadilisha prompt kubwa ya pamoja (monolithic prompt) na mchakato wa hatua nne:

  1. Tangaza ujuzi (Advertise the skill) – ingizo jepesi la metadata linaloiambia tabaka la uelekezaji (routing layer) jina la ujuzi huo.
  2. Pakia maelekezo (Load instructions) – maelezo mafupi ambayo wakala anayasoma ili kuamua ikiwa ujuzi huo unaendana na ombi.
  3. Soma nyenzo (Read resources) – faili za sera au marejeleo zisizo za lazima ambazo huchukuliwa baada tu ya wakala kuchagua ujuzi huo.
  4. Endesha skripti (Run scripts) – utekelezaji wa kodi unaofanya kitendo hicho, ukiwa na udhibiti wa idhini ya wazi.

Ni faili fupi ya SKILL.md pekee inayopatikana kwenye prompt kuu. Nyaraka na skripti zote kubwa zaidi zinapatikana kwenye kifurushi cha ujuzi cha faili ambacho mfumo wa utendaji (runtime) hukichukua kulingana na mahitaji. Mpangilio wa diziti unabaki kuwa rahisi:

  • SKILL.md – maelezo mafupi yanayoweza kusomwa na binadamu.
  • references/ – faili za sera au mwongozo.
  • scripts/ – kodi inayoweza kutekelezwa.

Kwa sababu wakala haoni maudhui kamili ya references/ au scripts/ mpaka pale atakapoamua kuwa ujuzi huo unafaa, prompt kuu inabaki kuwa nyepesi bila kujali ni ujuzi wangapi unayosajili.

Kinga za usalama zilizojengwa ndani ya mfumo

Mfumo huu unachukulia kuwa kupakia ujuzi kunaweza kuwa na hatari na unalazimisha sheria ambazo watengenezaji lazima wazifuate:

  • Utangazaji wa jina la ujuzi – wa kiotomatiki, unatumika kwa ajili ya uelekezaji tu.
  • Upakiaji wa maelekezo – wa kiotomatiki kwa orodha zilizochujwa; maelekezo ambayo hayajakaguliwa yanaweza kubadilisha tabia bila kukusudia.
  • Usomaji wa sera – wa kiotomatiki wakati data si nyeti; weka nyenzo nyeti nyuma ya udhibiti wa ziada wa ufikiaji.
  • Utekelezaji wa skripti – kila wakati unahitaji idhini ya wazi. Skripti inamtoa wakala kutoka kwenye "pendekezo" hadi kwenye "kitendo", hivyo ukaguzi wa binadamu au wa sera lazima uingilie kati.
  • Simu za mifumo ya nje – lazima zipite kupitia zana tofauti zenye ruhusa ndogo; ujuzi wenyewe si chombo cha uidhinishaji.

Sheria hizi zinawashawishi watengenezaji kuanza na mchakato wa kusoma tu (read-only workflows)—kama vile uchujaji wa matukio, utafutaji wa sera, na maswali ya hali ya juu—kabla ya kujaribu vitendo vya kuandika kama vile kusasisha kanzidata au kusambaza kodi.

Usafi wa kiutendaji: uwekaji kumbukumbu (logging) na toleo (versioning)

Wakati ujuzi unapofanya kazi, mfumo unahimiza (na mifumo mingi inalazimisha) uwekaji kumbukumbu wa:

  • Ombi la awali na ID ya ujuzi ulioteuliwa.
  • Toleo la kifurushi cha ujuzi kilichotumika.
  • Ikiwa wakala alipakia maelezo tu au pia alichukua faili ya nyenzo.
  • Uamuzi wa idhini kwa ajili ya utekelezaji wa skripti.
  • Hoja zote za zana zilizotolewa na matokeo yaliyorejeshwa.

Ikiwa wakala atachagua ujuzi usio sahihi, badilisha kosa hilo kuwa kesi ya majaribio. Hiyo inatengeneza ukaguzi wa kurudi nyuma (regression check) kabla ya ujuzi huo kufikia uzalishaji.

Chukulia kila ujuzi kama tegemezi iliyowekewa toleo (versioned dependency) yenye mpaka wa wazi, si kama folda isiyo na mpangilio ya prompt. Kuweka matoleo kunakuwezesha kurudisha nyuma skripti yenye hitilafu bila kuvuruga sehemu nyingine ya msingi wa maarifa wa wakala.

Kuanza: orodha ya mambo ya kufanya (checklist)

  1. Chagua mchakato wa kusoma tu – k.m., "tafuta miongozo ya hivi karibuni ya matukio ya usalama".
  2. Fungasha maelekezo na skripti kando – weka SKILL.md iwe fupi; weka faili nzito za sera kwenye references/.
  3. Tengeneza katalogi – weka orodha ya ujuzi iliyoidhinishwa na lazimisha idhini kwa skripti yoyote.
  4. Weka mipaka ya sandbox – ainisha vizuizi vya CPU, kumbukumbu (memory) na mtandao kwa ajili ya utekelezaji wa skripti; weka kumbukumbu ya kila utendaji.
  5. Linganisha na mega-prompt ya zamani – linganisha matumizi ya token, ucheleweshaji (latency) na viwango vya mafanikio ili kuthibitisha akiba ya gharama.

Nini cha kufuatilia baadaye

Utoaji wa Microsoft kwa sasa ni utekelezaji thabiti wa Python.

Hitimisho

Agent Skills huwapa wasaidizi wanaoendeshwa na LLM njia ya kubaki nyepesi huku bado wakipata ufikiaji wa maktaba inayokua ya sera na skripti. Kwa kupakia maelezo pekee mwanzoni na kuvuta rasilimali nzito zinapohitajika, prompts zinabaki kuwa fupi, gharama za inference zinapungua, na mantiki ya wakala inabaki kuwa imejikita.