𝗪𝗵𝘆 𝗠𝗼𝘀𝘁 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝗔𝗿𝗲 𝗢𝘃𝗲𝗿𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗲𝗱
AI ஏஜென்ட்கள் எங்கும் நிறைந்திருக்கின்றன.
ஏஜென்ட் கூட்டங்கள் (agent swarms), தன்னாட்சி குழுக்கள் (autonomous teams) மற்றும் திட்டமிடல் ஏஜென்ட்கள் (planning agents) ஆகியவற்றைக் காண்கிறீர்கள். ஒவ்வொரு வாரமும் புதிய கட்டமைப்புகள் (frameworks) தோன்றுகின்றன. AI பணிப்பாய்வுகளை (workflows) ஆய்வு செய்த பிறகு, நான் ஒரு முடிவுக்கு வந்தேன்.
பெரும்பாலான AI ஏஜென்ட்கள் அளவுக்கு அதிகமாக வடிவமைக்கப்படுகின்றன (overengineered).
ஏஜென்ட்கள் பயனற்றவை அல்ல. எளிய பணிப்பாய்வுகள் (workflows) மூலம் சரிசெய்யக்கூடிய சிக்கல்களை உருவாக்குநர்கள் பெரும்பாலும் ஏஜென்ட்களைக் கொண்டு தீர்க்க முயல்கிறார்கள்.
இந்தத் துறை சிக்கலானவற்றையே விரும்புகிறது
PDF-களைப் படித்து கேள்விகளுக்குப் பதிலளிக்கும் ஒரு அமைப்பை நீங்கள் உருவாக்க விரும்புகிறீர்கள் என்று கற்பனை செய்து பாருங்கள்.
சில உருவாக்குநர்கள் பிரம்மாண்டமான கட்டமைப்புகளை (architectures) உருவாக்குகிறார்கள். அவர்கள் ஆறு ஏஜென்ட்கள், சிக்கலான நிலை மேலாண்மை (state management) மற்றும் நினைவக ஒத்திசைவு (memory synchronization) ஆகியவற்றைப் பயன்படுத்துகிறார்கள். இது பல தலைவலிகளை ஏற்படுத்துகிறது.
பெரும்பாலும் அதே சிக்கலை ஒரு எளிய வரிசைமுறை மூலம் தீர்க்க முடியும்: • PDF • Chunk • Embed • Vector DB • LLM • Response
ஒரு பணிப்பாய்வு (workflow) போதுமானது. உங்களுக்கு ஒரு ஏஜென்ட் படை தேவையில்லை.
பணிப்பாய்வுகள் பெரும்பாலான சிக்கல்களைத் தீர்க்கின்றன
பெரும்பாலான AI பயன்பாடுகள் தீர்மானிக்கப்பட்டவை (deterministic). அவை ஒரு குறிப்பிட்ட வரிசையைப் பின்பற்றுகின்றன.
உதாரணங்கள்: • Document Q&A • Customer support • Meeting summaries • Blog generation • Code review
இவை பணிப்பாய்வுகள் (workflows), தன்னாட்சி அமைப்புகள் (autonomous systems) அல்ல. பணிப்பாய்வுகளைத் பிழைதிருத்தம் (debug) செய்யவும், விரிவாக்கவும் (scale) மற்றும் பராமரிக்கவும் (maintain) எளிது. சிக்கல்தன்மை என்பது தேவைப்படும்போது மட்டுமே வர வேண்டும்.
ஏஜென்ட்கள் மறைமுகச் செலவுகளை ஏற்படுத்துகின்றன
ஒவ்வொரு கூடுதல் ஏஜென்ட்டும் பின்வருவனவற்றைச் சேர்க்கிறது: • அதிக டோக்கன் செலவுகள் (Higher token costs) • அதிக தாமதம் (More latency) • மாயத்தோற்றங்கள் (hallucinations) ஏற்பட அதிக வாய்ப்புகள் • கடினமான பிழைதிருத்தம் (Harder debugging) • சிக்கலான உள்கட்டமைப்பு (Complex infrastructure)
ஒரு எளிய பயன்பாடு விரைவாக ஒரு பிரம்மாண்டமான பொறியியல் திட்டமாக மாறிவிடுகிறது.
ஏஜென்ட்கள் உண்மையில் எங்கே சிறப்பாகச் செயல்படுகின்றன
நான் ஏஜென்ட்களுக்கு எதிரானவன் அல்ல. ஏஜென்ட்கள் பின்வரும் சூழல்களில் சிறப்பாகச் செயல்படும்: • பல இணையதளங்களை ஆராய்வது போன்ற நீண்ட நேரம் எடுக்கும் பணிகள். • தர்க்கத்தின் (logic) அடிப்படையில் முடிவுகள் தேவைப்படும்போது. • Email, GitHub மற்றும் Slack போன்ற பல கருவிகள் ஒன்றிணைந்து செயல்பட வேண்டியிருக்கும் போது. • மனிதத் தலையீடு (human intervention) ஒரு பகுதியாக இருக்கும்போது.
எனது விதி
உருவாக்குநர்கள் பெரும்பாலும் CrewAI அல்லது LangGraph போன்ற கட்டமைப்புகளுக்கு உடனடியாகத் தாவுகிறார்கள். அதைச் செய்வதற்கு முன், ஒரு கேள்வியைக் கேளுங்கள்: ஒரு பணிப்பாய்வு (workflow) இதைத் தீர்க்க முடியுமா?
பதில் 'ஆம்' என்றால், அங்கிருந்து தொடங்குங்கள். சிக்கல்தன்மை தேவைப்படும்போது மட்டுமே ஏஜென்ட்களைப் பயன்படுத்துங்கள். விளம்பரத்திற்காக (hype) அவற்றைப் பயன்படுத்தாதீர்கள்.
நான் இந்தத் தத்துவத்தைப் பின்பற்றுகிறேன்:
- முதலில் பணிப்பாய்வு (Workflow first).
- இரண்டாவதாக ஏஜென்ட் (Agent second).
- இறுதியாகப் பல ஏஜென்ட்கள் (Multi-agent last).
சிக்கல்தன்மை என்பது புதுமை (innovation) அல்ல. சிக்கல்தன்மை என்பது செலவு. நீங்கள் எத்தனை ஏஜென்ட்களைப் பயன்படுத்துகிறீர்கள் என்பது பயனர்களைப் பொருட்படுத்தாது. உங்கள் கருவி சரியாகச் செயல்படுகிறதா என்பதே அவர்களுக்கு முக்கியம்.
எளிமையே சிறந்த அம்சம்.
Source: https://dev.to/jaideepparashar/why-i-think-most-ai-agents-are-overengineered-249o
விருப்பத்தேர்வு கற்றல் சமூகம்: https://t.me/GyaanSetuAi