సిస్టమ్ ప్రాంప్ట్ల కంటే నైపుణ్యాలే మిన్న: ఒక Anki ట్యూటర్ను నిర్మించడం
AI నన్ను బద్ధుడిని చేస్తోంది.
రోబోలు అన్ని పనులు చేయాలని నేను కోరుకుంటున్నానని కాదు. ఒకసారి మీరు విసుగు పుట్టించే పనుల కోసం ఏజెంట్ను ఉపయోగించడం మొదలుపెడితే, మాన్యువల్ పద్ధతులు తప్పుగా అనిపిస్తాయి అని నా ఉద్దేశ్యం.
Spaced repetition కోసం నేను Ankiని ఉపయోగిస్తాను. అది బాగా పనిచేస్తుంది. కానీ నాకు ఒక సమస్య ఉంది. నేను తెలియకుండానే మోసం చేస్తున్నానని నాకు అర్థమవుతోంది. ఒక కష్టమైన కార్డ్ కనిపించినప్పుడు, తదుపరి కార్డ్కి వెళ్లడం కోసం "నాకు ఇది తెలుసు" అని నన్ను నేను సరిపెట్టుకుంటున్నాను. అది చదువుకోవడం కాదు, కేవలం ఊహించడం మాత్రమే.
నాకు ఒక స్టడీ బడ్డీ కావాలనిపించింది. నన్ను క్విజ్ చేసేవారు, నా సమాధానాన్ని అసలు సమాధానంతో పోల్చేవారు మరియు సరైన రేటింగ్ నిర్ణయించడంలో నాకు సహాయపడేవారు కావాలని కోరుకున్నాను.
ఒక భారీ సిస్టమ్ ప్రాంప్ట్తో దీనిని నిర్మించడానికి ప్రయత్నించాను. ఏజెంట్ ఎలా ట్యూటర్ చేయాలి, కార్డ్లను ఎలా రాయాలి మరియు Telegramలో ఎలా స్పందించాలి అనే విషయాలను నేను చెప్పాను.
అది విఫలమైంది. పెద్ద ప్రాంప్ట్లు చెత్త డ్రాయర్లలా (junk drawers) మారిపోతాయి. అవి పాడైపోతాయి, గందరగోళంగా మారుతాయి.
నేను నా విధానాన్ని మార్చుకున్నాను. Google Antigravity SDKని ఉపయోగించాను.
ఒకే పెద్ద ప్రాంప్ట్కు బదులుగా, నేను పొరలు (layers) కలిగిన ఒక ఏజెంట్ సిస్టమ్ను నిర్మించాను.
- Tools ఏజెంట్కు చేతులను ఇస్తాయి.
- Skills ఏజెంట్కు అలవాట్లను ఇస్తాయి.
- Policies పరిధులను నిర్ణయిస్తాయి.
- Hooks హామీలను అందిస్తాయి.
- Triggers ఈవెంట్లకు ప్రతిస్పందిస్తాయి.
Ankiకి కనెక్ట్ అవ్వడానికి నేను Python tools ఉపయోగించాను. ఇప్పుడు ఏజెంట్ డెక్లను (decks) జాబితా చేయగలదు, డ్యూ కార్డ్లను (due cards) పొందగలదు మరియు వాటిని రేట్ చేయగలదు.
కానీ టూల్స్ అంటే ప్రవర్తన కాదు. ప్రవర్తన కోసం, నేను skills ఉపయోగించాను.
Skill అనేది నిర్దిష్ట సూచనలను కలిగి ఉన్న ఒక చిన్న ఫైల్. నేను మూడు సృష్టించాను:
- review-buddy: స్టడీ సెషన్ను ఎలా నిర్వహించాలి.
- plain-cards: నాణ్యమైన ఫ్లాష్కార్డ్లను ఎలా రాయాలి.
- codebase-cards: కోడ్ను స్టడీ మెటీరియల్గా ఎలా మార్చాలి.
ఇది ప్రధాన సిస్టమ్ ప్రాంప్ట్ను చిన్నదిగా ఉంచుతుంది. గుర్తింపు (identity) ప్రాంప్ట్లో ఉంటుంది. పని వివరాలు (job details) skillsలో ఉంటాయి.
నేను భద్రతను కూడా జోడించాను. ప్రాంప్ట్ విఫలం కావచ్చు, కానీ పాలసీ (policy) కాదు. ప్రాక్టీస్ మోడ్లో కొన్ని చర్యలను నిరోధించడానికి నేను ఒక పాలసీని ఉపయోగించాను. ఒకవేళ ఏజెంట్ ఒక cram session సమయంలో నా షెడ్యూల్ను మార్చడానికి ప్రయత్నిస్తే, SDK దానిని రన్టైమ్ స్థాయిలో నిలిపివేస్తుంది.
దీని ఫలితం ఒక మల్టీ-సర్ఫేస్ ఏజెంట్. నేను అదే లాజిక్ను నా టెర్మినల్లో, Telegram వాయిస్ నోట్స్ ద్వారా మరియు నా కోడ్ మార్పులను గమనించే డెక్ బిల్డర్లో ఉపయోగిస్తాను.
మెరుగైన ప్రాంప్ట్లను తయారు చేయడానికి ప్రయత్నించడం ఆపండి. చిన్న ప్రాంప్ట్లు మరియు పదునైన skills తయారు చేయడం ప్రారంభించండి.
Source: https://dev.to/gde/skills-over-system-prompts-building-an-anki-tutor-with-the-antigravity-sdk-2o8f
Optional learning community: https://t.me/GyaanSetuAi