AI ایجنٹس بکھری ہوئی آرکیٹیکچر کی وجہ سے ناکام ہو جاتے ہیں
AI ایجنٹس اکثر مضبوط نظر آتے ہیں لیکن حقیقت میں وہ نازک ہوتے ہیں۔
بارہ گھنٹے پہلے، میرا اسکل سسٹم (skill system) کچھ ایسا تھا:
- 34 اسکلز جو 3 مختلف ڈائریکٹریز میں بکھرے ہوئے تھے۔
- 28 اسکلز کے بارے میں دعویٰ کیا گیا کہ وہ حرکت کر سکتے ہیں، لیکن حقیقت میں صرف 2 ہی حرکت کر سکے۔
- دو مینجمنٹ سسٹم آپس میں رابطہ کرنے میں ناکام رہے۔
- ایک ٹول نے کسی کو معلوم ہوئے بغیر ایک اسکل میں کوڈ کی 100 لائنیں ڈیلیٹ کر دیں۔
زیادہ تر لوگ Large Language Model کی تعریف کرتے ہیں۔ وہ سمجھتے ہیں کہ ماڈل ہی اصل طاقت ہے۔ ماڈل تو صرف دماغ ہے۔ ایک کام کرنے والے ایجنٹ کو چار چیزوں کی ضرورت ہوتی ہے:
- میموری (Memory)
- اسکلز (Skills)
- ہکس (Hooks)
- ایکسٹینشنز (Extensions)
اگر ایک حصہ بھی ناکام ہو جائے تو ایجنٹ ناکام ہو جاتا ہے۔ میری غلطی کوئی بگ (bug) نہیں تھی۔ یہ بکھراؤ (fragmentation) تھا۔ میرے پاس ٹوٹے ہوئے راستے اور غائب لنکس تھے۔
AI ڈویلپمنٹ میں خطرہ یہ ہے کہ آپ بغیر کسی منصوبے کے فوری طور پر ٹولز کا استعمال شروع کر دیتے ہیں۔ وقت بچانے کے لیے آپ Firecrawl، Crawl4ai، اور مختلف MCP سرورز شامل کر لیتے ہیں۔ لیکن جب آپ کے پاس 115 تھرڈ پارٹی اسکلز ہو جاتے ہیں، تو تین چیزیں ہوتی ہیں:
- ناموں کا ٹکراؤ (Naming conflicts): ایک ہی نام کے دو اسکلز سسٹم کو کریش کر دیتے ہیں۔
- انوائرمنٹ کی آلودگی (Environment pollution): ایک اسکل دوسرے کے لیے انوائرمنٹ خراب کر دیتا ہے۔
- ٹوٹے ہوئے اپ ڈیٹس: ایک API اپ ڈیٹ خاموشی سے آپ کی چین (chain) کو توڑ دیتی ہے۔
یہ آرکیٹیکچرل انٹروپی (architectural entropy) ہے۔ جیسے جیسے سسٹم بڑھتے ہیں، انہیں ٹریک کرنا مشکل ہوتا جاتا ہے۔
کسی پروجیکٹ کو منظم کرنے سے پہلے اس کے مستحکم ہونے کا انتظار نہ کریں۔ یہ ایک جال ہے۔ میں نے اپنے سسٹم کو ٹھیک کرنے میں 12 گھنٹے صرف کیے:
- میں نے بکھری ہوئی ڈائریکٹریز کو دو صاف ستھرے راستوں میں ضم کر دیا۔
- میں نے حادثاتی طور پر ہونے والی ڈیلیشنز کو پکڑنے کے لیے ایک گیٹ (gate) شامل کیا۔
- میں نے سسٹم میں کسی بھی تبدیلی کے بعد تخلیق کار کو مطلع کرنے کے لیے ایک اصول بنایا۔
- میں نے پرانی اور غیر ضروری فائلیں ڈیلیٹ کر دیں۔
یہ کوئی نیا فیچر ڈویلپمنٹ نہیں تھا۔ یہ آرکیٹیکچر کی صفائی (architecture hygiene) تھی۔ صفائی ایک مرکب سرمایہ کاری (compound investment) ہے۔ یہ محض دیکھ بھال کا خرچہ نہیں ہے۔
اگر آپ AI ایجنٹس بناتے ہیں، تو اس اصول پر عمل کریں: پہلے دن ہی میموری اور اسکلز کے لیے اپنے اصول طے کر لیں۔
یہ سوالات شروع میں ہی پوچھ لیں:
- میموری کہاں جاتی ہے؟
- آپ ورژنز کو کیسے مینیج کرتے ہیں؟
- ناموں کے ٹکراؤ سے بچنے کے لیے اسکلز کہاں رہتے ہیں؟
- ایکسٹینشنز کے درمیان انحصار (dependencies) کون ریکارڈ کرتا ہے؟
- باقاعدہ آڈٹ کون کرتا ہے؟
ان جوابات سے فیصلہ ہوتا ہے کہ آپ کا ایجنٹ کتنا بڑا ہو سکتا ہے۔ AI کے لیے رکاوٹ پیرامیٹر کی تعداد نہیں ہے۔ بلکہ ایک بکھرا ہوا گھر ہے۔
Optional learning community: https://t.me/GyaanSetuAi