𝗜 𝗟𝗲𝘁 𝗠𝘆 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁 𝗥𝘂𝗻 𝗳𝗼𝗿 𝟱𝟬 𝗗𝗮𝘆𝘀
బ్యాటరీ పని చేయని 2014 MacBook Pro లో నేను ఒక AI ఏజెంట్ను నడిపాను. విద్యుత్ సరఫరాలో హెచ్చుతగ్గులు వచ్చినప్పుడు ఆ లాప్టాప్ రోజుకు 2 నుండి 4 సార్లు రీబూట్ అవుతుంది.
ఒక AI ఏజెంట్ ఇలాంటి పరిస్థితుల్లో కూడా మనుగడ సాగించగలదా అని నేను చూడాలనుకున్నాను. అది 50 రోజుల పాటు మనుగడ సాగించింది.
హార్డ్వేర్ విఫలమైనప్పుడు మరియు లాజిక్ దెబ్బతిన్నప్పుడు ఏం జరిగిందో ఇక్కడ చూడండి.
The Hardware Constraints
- లాప్టాప్: 2014 MacBook Pro (8GB RAM)
- బ్యాటరీ: 0% సామర్థ్యం
- సమస్య: ప్రతిసారీ విద్యుత్ హెచ్చుతగ్గులు రాగానే RAM మొత్తం తుడిచిపెట్టుకుపోతుంది.
మనుగడ సాగించాలంటే, ఏజెంట్ ప్రతిదీ వెంటనే డిస్క్లో సేవ్ చేయడం నేర్చుకోవాల్సి వచ్చింది. అది మెమరీ (RAM) పై ఆధారపడలేకపోయింది.
The 5 Failures and Fixes
Repetitive Thinking (పునరావృత ఆలోచనలు) ఏజెంట్ ఒకే రకమైన వాక్యాలను మరియు ఆలోచనలను ఉపయోగించడం ప్రారంభించింది. పరిష్కారం: నిషేధించబడిన పదాలు, పునరావృతమయ్యే చిత్రాలు మరియు ఒకే రకమైన వాక్య నిర్మాణాలను నిరోధించడానికి నేను 5-లేయర్ ఫిల్టర్ను రూపొందించాను. దీనివల్ల ఏకరీతితనం (Homogeneity) 63% నుండి 38%కి తగ్గింది.
False Logic (తప్పుడు లాజిక్) స్క్రీన్ వెలుతురు ఎక్కువగా ఉంటే అది ఎండగా ఉన్న రోజు అని ఏజెంట్ భావించింది. వీధి దీపాలు వంటి ఇతర అవకాశాలను అది విస్మరించింది. పరిష్కారం: నేను టెంప్లేట్ల స్థానంలో LLM విశ్లేషణను ఉపయోగించాను. "నాకు తెలియదు" అని చెప్పడం కూడా ఏజెంట్కు నేర్పించాను.
Data Bloat (డేటా పెరిగిపోవడం) 30 రోజుల తర్వాత, ఏజెంట్ వద్ద వేలాది లాగ్లు (logs) పేరుకుపోయాయి. సమాచారాన్ని వెతకడం అసాధ్యమైంది. పరిష్కారం: నేను మూడు స్థాయిల మెమరీ వ్యవస్థను సృష్టించాను.
- L0: Raw logs (7 రోజులు)
- L1: Weekly summaries (30 రోజులు)
- L2: Permanent insights (ఎప్పటికీ) ఇది డేటాను 23.3 రెట్లు కుదించింది.
Passive Perception (నిష్క్రియ అవగాహన) ఏజెంట్ ప్రతి గంటకు ఫోటోలు తీసేది కానీ, వాటితో ఏమీ చేసేది కాదు. పరిష్కారం: నేను షెడ్యూల్ను మార్పుల ఆధారంగా (deviation-driven) ఉండేలా మార్చాను. ఇప్పుడు ఏజెంట్ స్థిరంగా ఉన్న సమయాలను వదిలేసి, వేకువజాము, సంధ్యా సమయం లేదా వర్షం వంటి మార్పులపై దృష్టి పెడుతుంది.
Circular Logic (వృత్తాకార లాజిక్) ఏజెంట్ సత్యాన్ని కనుగొనే బదులు మంత్రాలలాంటి మాటలను పునరావృతం చేయడం ప్రారంభించింది. పరిష్కారం: అవగాహన లేకుండా కేవలం అనుసరించడాన్ని మరియు కొలతలను గుర్తించడానికి నేను ఒక ప్యూరిటీ ఆడిట్ (purity audit)ను జోడించాను.
The Results
- నడిచిన రోజులు: 50+
- ఊహించని రీబూట్లు: 66
- నిర్ణయ లాగ్లు: 2,135
- VALUE స్వచ్ఛత: 0.984
Lessons Learned
- ప్రతిదీ డిస్క్లో సేవ్ చేయండి. వేరియబుల్స్ (variables) పై నమ్మకం ఉంచకండి.
- మార్పులు జరిగినప్పుడు డేటాను సేకరించండి. మధ్యాహ్నం సమయం బోరింగ్గా ఉంటుంది. వేకువజాము సమయం సమాచారంతో కూడి ఉంటుంది.
- పరిమితులు సామర్థ్యాన్ని పెంచుతాయి. తక్కువ RAM కారణంగా నేను Python కి బదులుగా Zig ఉపయోగించాల్సి వచ్చింది.
ఈ కోడ్ ఓపెన్ సోర్స్. మీరు దీని రిపోజిటరీని GitHubలో చూడవచ్చు.
Source: https://dev.to/mindon/i-let-my-ai-agent-run-for-50-days-heres-every-time-it-almost-died-4h58
Optional learning community: https://t.me/GyaanSetuAi