𝗖𝗵𝗼𝗿𝗲𝗼𝗴𝗿𝗮𝗽𝗵𝗲𝗱 𝗖𝗹𝗮𝘂𝗱𝗲 𝗗𝘆𝗻𝗮𝗺𝗶𝗰 𝗪𝗼𝗿𝗸𝗳𝗹𝗼𝘄𝘀
చాలా AI వర్క్ఫ్లోలు ఆర్కెస్ట్రేషన్ (orchestration) ఉపయోగిస్తాయి. ఒక సెంట్రల్ కంట్రోలర్ ప్రతి దశను నిర్ణయిస్తుంది. ఇది సాధనాన్ని ఎంచుకుంటుంది, పనిని నిర్వహిస్తుంది మరియు ఫలితాలను విలీనం చేస్తుంది. ఇది నియంత్రణను మరియు స్పష్టమైన మార్గాన్ని అందిస్తుంది.
నా ఆర్కిటెక్చర్ దానికి బదులుగా కోరియోగ్రఫీ (choreography)ని ఉపయోగిస్తుంది.
కోరియోగ్రాఫ్ చేయబడిన వర్క్ఫ్లోలో, ఏ ఒక్క కంట్రోలర్ కూడా అన్నింటినీ నియంత్రించదు. బదులుగా, ప్రతి ప్రవర్తన (behavior) ఈవెంట్లకు ప్రతిస్పందిస్తుంది. ప్రతి కాంపోనెంట్ కేవలం మూడు విషయాలను అర్థం చేసుకుంటే సరిపోతుంది:
- అది ధృవీకరించే కాంట్రాక్ట్ (contract).
- అది అనుసరించే ఈవెంట్ (event).
- అది పంపే ఈవెంట్ (event).
ఇది ఒక హైబ్రిడ్ మోడల్ను సృష్టిస్తుంది. మీరు హై-లెవల్ ఇంటెంట్ (intent) కోసం ఆర్కెస్ట్రేషన్ను, కానీ అమలు (execution) కోసం కోరియోగ్రఫీని ఉపయోగిస్తారు.
ఇక్కడ కొన్ని ముఖ్యమైన ప్యాటర్న్లు ఉన్నాయి:
Classify and Act సాంప్రదాయ ఫ్లోలు ఒక ఫంక్షన్ను పిలవడానికి రూటర్ (router)ను ఉపయోగిస్తాయి. కోరియోగ్రాఫ్ చేయబడిన ఫ్లోలు ఈవెంట్లను విడుదల చేస్తాయి. ఒక సందేశం క్లాసిఫై చేయబడిన ఇంటెంట్గా మారుతుంది. ఆ ఇంటెంట్ ఒక ప్రవర్తనను ప్రేరేపిస్తుంది. ప్రతి దశ ఒక కొత్త ఈవెంట్ను విడుదల చేస్తుంది. ఇది సిస్టమ్ను మోడ్యులర్గా మారుస్తుంది. ఫ్లోను దెబ్బతీయకుండా మీరు ఏ దశనైనా మార్చవచ్చు లేదా గమనించవచ్చు.
Fanout and Synthesize ఒక ఏజెంట్ పనులను విభజించడానికి బదులుగా, ఈవెంట్ సబ్స్క్రిప్షన్లను (event subscriptions) ఉపయోగించండి. ఒకే పేలోడ్ (payload) ఒకేసారి బహుళ స్వతంత్ర ప్రవర్తనలను ప్రేరేపించగలదు. ఒక ఏజెంట్ రకాలను (types) ధృవీకరించవచ్చు, మరొకటి స్కీమాలను (schemas) తనిఖీ చేయవచ్చు మరియు మూడవది బెంచ్మార్క్లను (benchmarks) నిర్వహించవచ్చు. సింథసిస్ అంటే కేవలం వచనాన్ని విలీనం చేయడం మాత్రమే కాదు. ఏ మార్గం విజయవంతమైందో కనుగొనడానికి చేసే సెమాంటిక్ రిడక్షన్ (semantic reduction) ఇది.
Adversarial Verification మొదటి సమాధానాన్ని నమ్మకండి. ఒక జనరేటర్ ఒక అభ్యర్థిని (candidate) ప్రచురిస్తుంది. వెరిఫైయర్లు ఆ అభ్యర్థిని విమర్శించడానికి/దాడి చేయడానికి సబ్స్క్రైబ్ అవుతారు. వారు కంపైలర్లు, సెక్యూరిటీ టెస్టర్లు లేదా దురుద్దేశపూరిత వినియోగదారులుగా వ్యవహరిస్తారు. వారు ఏదైనా లోపాన్ని కనుగొంటే, ఒక కౌంటర్ ఎగ్జాంపుల్ను (counterexample) విడుదల చేస్తారు. ఈ కౌంటర్ ఎగ్జాంపుల్ ఒక సెల్ఫ్-హీలింగ్ పైప్లైన్ను ప్రేరేపిస్తుంది.
Generate and Filter జనరేషన్ తక్కువ ఖర్చుతో కూడుకున్నది. అంగీకారం కఠినంగా ఉండాలి. సిస్టమ్ ఫాస్ట్, సేఫ్ లేదా మినిమల్ వెర్షన్ల వంటి బహుళ అభ్యర్థులను ఉత్పత్తి చేస్తుంది. యూనిట్ టెస్ట్లు మరియు సెక్యూరిటీ పాలసీల వంటి డిటర్మినిస్టిక్ గేట్లు (deterministic gates) వాటిని ఫిల్టర్ చేస్తాయి. విజేతలు మాత్రమే ముందుకు వెళ్తారు.
Tournament స్పష్టమైన ఉత్తమ సమాధానం లేనప్పుడు, ఒక టోర్నమెంట్ను నిర్వహించండి. పోటీపడే అభ్యర్థులను రూపొందించండి మరియు వాటిని ఒక రూబ్రిక్ (rubric) ఆధారంగా స్కోర్ చేయండి. CPU ఖర్చు, మెమరీ మరియు విజయ రేట్లను కొలవండి. ఇది అభిప్రాయాలను కొలమానాలుగా మారుస్తుంది.
Loop until Done చాలా సిస్టమ్లలో, ఒక లోపం (error) ఫ్లోను ముగిస్తుంది. ఈ మోడల్లో, లోపం అనేది కేవలం మరొక ఈవెంట్ మాత్రమే. సిస్టమ్ వివిధ హీలింగ్ దశలను ప్రయత్నించడానికి లోపం యొక్క సందర్భాన్ని (error context) ఉపయోగిస్తుంది. ఇది టైప్ కన్వర్షన్, ఆపై సెమాంటిక్ రిపేర్, ఆపై యూజర్ హెల్ప్ని ప్రయత్నిస్తుంది. ఇది గుడ్డిగా మళ్ళీ ప్రయత్నించడం (blind retry) కాదు. లూప్కు మెమరీ ఉండటం వల్ల ఇది ఇంటెంట్-ఆధారిత హీలింగ్ (intent-based healing).
కోరియోగ్రఫీ వ్యవస్థలను విస్తరించడం, పరీక్షించడం మరియు సరిదిద్దడం సులభతరం చేస్తుంది. మీరు ఇప్పటికే ఉన్న ఈవెంట్కు కేవలం సబ్స్క్రైబ్ అవ్వడం ద్వారా కొత్త వెరిఫైయర్ను లేదా కొత్త ఫిల్టర్ను జోడించవచ్చు. గ్రాఫ్ యథాతథంగా ఉంటుంది.
మూలం: https://dev.to/fullagenticstack/choreographed-claude-dynamic-workflows-3mgi
ఐచ్ఛిక అభ్యాస సమూహం: https://t.me/GyaanSetuAi