உங்கள் ஏஜென்ட் டெமோ வேலை செய்கிறது. உங்கள் ஏஜென்ட் வேலை செய்யவில்லை.
பெரும்பாலான ஏஜென்ட் கட்டமைப்புகள் (agent architectures) நிஜமான வேலைகளில் தோல்வியடைகின்றன.
ஒரு டெமோ என்பது ஒரு தனிப்பணி மற்றும் வேகமான பதிலுடன் நன்றாகத் தோன்றும். ஆனால் நிஜமான வேலைகளில் காப்பீட்டு கோரிக்கைகள் (insurance claims), விற்பனை வரிசைகள் (sales sequences) அல்லது தரவுத் திருத்தம் (data reconciliation) போன்ற விஷயங்கள் அடங்கும். இந்தத் பணிகள் அதிக நேரத்தையும் பல படிநிலைகளையும் எடுத்துக்கொள்ளும்.
பிரச்சனை 'statelessness' (நிலைத்தன்மையற்ற தன்மை) ஆகும். பெரும்பாலான ஏஜென்ட்கள் ஒவ்வொரு முறை தொடர்பு கொள்ளும் போதும், சூழலை (context) பூஜ்ஜியத்திலிருந்து மீண்டும் கட்டமைக்கின்றன. அவை தர்க்கச் சங்கிலியையும் (reasoning chain) இதுவரை செய்த முன்னேற்றத்தையும் இழந்துவிடுகின்றன. இதன் விளைவாக, சூழ்நிலையைத் தெரிந்து கொள்வது போல நடிக்கும் ஒரு மரியாதையான AI மட்டுமே உங்களுக்குக் கிடைக்கும்.
Google Cloud வல்லுநர்களான Addy Osmani மற்றும் Shubham Saboo இதைச் சரிசெய்ய ஐந்து முறைகளைப் (patterns) பகிர்ந்துள்ளனர். அதன் விவரம் இதோ:
Checkpoint-and-Resume உங்கள் ஏஜென்ட்டை ஒரு சர்வர் போலக் கருதுங்கள். ஒவ்வொரு சில வேலைப் பிரிவுகளுக்கும் பிறகு முன்னேற்றத்தைச் சேமிக்கவும். ஒரு ஏஜென்ட் 1,000 பணிகளில் 201-வது பணியில் தோல்வியடைந்தால், அது 201-லிருந்து மீண்டும் தொடங்கும். பூஜ்ஜியத்திலிருந்து தொடங்க வேண்டாம்.
Delegated Approval மனிதர்களின் ஒப்புதலுக்கு Slack அல்லது மின்னஞ்சலைப் பயன்படுத்துவதை நிறுத்துங்கள். இந்தத் கருவிகள் சூழலை (context) சிதைத்துவிடும். ஏஜென்ட்டை அந்த இடத்திலேயே நிறுத்தி வையுங்கள். ஒரு மனிதர் பதிலளிக்கும் போது அது உடனடியாகத் தொடங்குவதற்கு ஏதுவாக, முழு நிலையை (state) அப்படியே வைத்திருங்கள். கோரிக்கைகள் மற்றும் பிழைகளுக்காக ஒரு கட்டமைக்கப்பட்ட இன்பாக்ஸைப் (structured inbox) பயன்படுத்துங்கள்.
Memory-Layered Context நீண்டகால நினைவகத்தை (long-term memory) தற்காலிக நினைவகத்திலிருந்து (working memory) பிரிக்கவும். நீண்டகால நினைவகம் பல்வேறு அமர்வுகள் (sessions) முழுவதும் அறிவைச் சேமிக்கிறது. தற்காலிக நினைவகம் தற்போதைய பணியைக் கையாள்கிறது. ஏஜென்ட்கள் விசித்திரமான சூழல்களில் (edge cases) தவறான பழக்கங்களைக் கற்றுக்கொள்ளும் 'memory drift' என்பதைத் தவிர்க்க வேண்டும். தவறான தரவைத் தடுக்க அடையாள மேலாண்மை (identity management) மற்றும் ஒரு நிர்வாக அடுக்கைப் (governance layer) பயன்படுத்துங்கள்.
Ambient Processing சப்போர்ட் டிக்கெட்டுகள் அல்லது தரவுத்தள மாற்றங்கள் போன்ற தரவு ஓட்டங்களைக் (data streams) கண்காணிக்கும் ஏஜென்ட்களை உருவாக்குங்கள். விதிகளை ஏஜென்ட்டிற்குள் நேரடியாகக் குறியீடாக (hardcode) எழுதாதீர்கள். விதிகளை ஒரு வெளிப்புற நிர்வாக அடுக்கில் (external governance layer) வைக்கவும். இதன் மூலம், நீங்கள் ஒரே இடத்தில் விதிகளைப் புதுப்பித்தால், முழுத் தொகுதியும் (fleet) அவற்றைப் பின்பற்றும்.
Fleet Orchestration நிபுணர் ஏஜென்ட்களை (specialist agents) நிர்வகிக்க ஒரு ஒருங்கிணைப்பு ஏஜென்ட்டைப் (coordinator agent) பயன்படுத்துங்கள். ஒவ்வொரு நிபுணருக்கும் தனித்தனி கருவிகளும் அடையாளமும் இருக்கும். இது விநியோகிக்கப்பட்ட அமைப்புகளில் (distributed systems) பயன்படுத்தப்படும் 'worker pattern'-ஐப் பின்பற்றுகிறது. முழு அமைப்பையும் பாதிக்காமல் ஒரு நிபுணரை மட்டும் நீங்கள் புதுப்பிக்க முடியும்.
மிகப்பெரிய ஆபத்து 'memory drift' ஆகும்.
மக்கள் பிராம்ப்ட்களில் (prompts) கவனம் செலுத்துகிறார்கள், ஆனால் காலப்போக்கில் ஒரு ஏஜென்ட்டின் நடத்தை எவ்வாறு மாறுகிறது என்பதைப் புறக்கணிக்கிறார்கள். ஒரு ஏஜென்ட் தவறான அல்லது விசித்திரமான தொடர்புகளிலிருந்து கற்றுக்கொண்டால், நீங்கள் எழுதிய குறியீடு போல அது செயல்படுவதை நிறுத்திவிடும்.
நீங்கள் ஏஜென்ட்களை மைக்ரோசர்வீஸ்கள் (microservices) போலக் கருத வேண்டும். அவற்றுக்கு அடையாளம், ஒரு பதிவுத்தளம் (registry) மற்றும் கடுமையான கொள்கை அமலாக்கம் (policy enforcement) தேவை.
உங்களிடமே கேட்டுக்கொள்ளுங்கள்: எனது ஏஜென்ட் நிறுத்தாமல் செய்ய வேண்டிய மிக நீண்ட பணி எது? அதற்கான பதில் மணிநேரங்கள் அல்லது நாட்களாக இருந்தால், உங்களுக்கு இந்த முறைகள் தேவைப்படுகின்றன.
ஆதாரம்: https://dev.to/archit_aggarwal_5310522d5/your-agent-demo-works-your-agent-doesnt-88l
விருப்பத்தேர்வு கற்றல் சமூகம்: https://t.me/GyaanSetuAi