మెరుగైన ఏజెంట్ పనితీరును సాధించాలనుకునే చాలా AI బృందాలు ఒకే మార్గాలను ఎంచుకుంటాయి: పెద్ద కాంటెక్స్ట్ విండోలు, మరిన్ని పత్రాలు, తెలివైన ప్రాంప్ట్లు. ఆ ఆలోచనే పూర్తిగా తప్పని ఈ వ్యాసం వాదిస్తుంది. లోటు మరింత సమాచారం కాదు. నియంత్రణే లోటు. ప్రదర్శనలో మాత్రమే పనిచేసే ఏజెంట్కు, ప్రొడక్షన్లో పనిచేసే ఏజెంట్కు మధ్య తేడాను చక్కగా రూపొందించిన నియంత్రణ పొరే నిర్ణయిస్తుంది.
AI ఏజెంట్కు పెద్ద మెమరీ, మరిన్ని పత్రాలు లేదా పొడవైన కాంటెక్స్ట్ విండో ఇవ్వడం వల్ల అది తెలివైనదిగా మారదు. నెమ్మదిగా, ఖరీదైనదిగా మాత్రమే మారుతుంది. అన్నింటినీ ఒకేసారి తీసుకునే బదులు, తనకు ఏది, ఎప్పుడు అవసరమో ఎంచుకోవడం ఏజెంట్కు నేర్పడం వల్లే నిజమైన మెరుగుదల వస్తుంది.
విశ్వసనీయత మోడల్ నుంచి కాదు, పునరావృత చక్రం నుంచి వస్తుంది. ప్రదర్శనలో ఆకట్టుకునే ఏజెంట్కు, ప్రొడక్షన్లో నిలకడగా పనిచేసే ఏజెంట్కు మధ్య తేడా AI నాణ్యత కాదు. వ్యవస్థ తన పనిని తానే తనిఖీ చేసుకుంటుందా అనేదే. ప్రతి దశలో ప్రణాళిక వేసి, చర్య తీసుకుని, పరిశీలించి, ధృవీకరించే ఏజెంట్లు పూర్తి నమ్మకంతో తప్పులు చేయకుండా, తమ తప్పులను తామే గుర్తిస్తాయి.
నేటి చాలా AI ఏజెంట్లు అదనపు దశలున్న సంభాషణబాట్లే. తాము సరైన దిశలో ఉన్నామా, ఎప్పుడు ఆపాలి, ఎప్పుడు మరో విధానాన్ని ప్రయత్నించాలి అనేది తెలుసుకునే యంత్రాంగం వాటికి ఉండదు. స్పష్టమైన విజయ ప్రమాణాలు, నిర్మిత స్థితి, ధ్రువీకరణ తనిఖీలతో కూడిన సరైన నియంత్రణ పొరను జోడించడమే ఏజెంట్ ఆకారపు వస్తువును నిజంగా నమ్మదగినదిగా మారుస్తుంది.
నిన్న మధ్యాహ్న భోజనానికి మీరు ఏం తిన్నారు?
“నిన్న + మధ్యాహ్న భోజనం” దొరికే వరకు మీ జీవితంలోని ప్రతి జ్ఞాపకాన్నీ బహుశా మీరు మళ్లీ గుర్తుచేసుకోలేదు. ఆ భావనలు ఉన్న అనుభవ భాగానికి నేరుగా వెళ్లారు. ఏజెంట్లను నిర్మించడానికి ఇది ఉపయోగకరమైన మానసిక నమూనా:
భారీ కాంటెక్స్ట్ విండో మెమరీ కాదు.
తెప్పించిన పత్రాల గుట్ట అవగాహన కాదు.
పొడవైన చెయిన్-ఆఫ్-థాట్ విశ్వసనీయత కాదు.
అవన్నీ ముడి పదార్థాలు మాత్రమే. అయితే ఏజెంట్ను నిజమైన ఏజెంట్లా అనిపించేలా చేసేది, మీ మెదడు మీ జీవిత చరిత్ర మొత్తాన్నీ బలవంతంగా శోధించకుండా చేసేది ఒక్కటే: నియంత్రణ.
ఇటీవలి సర్వే—భారీ భాషా మోడళ్ల కోసం ఏజెంటిక్ రీజనింగ్—నిర్మాణ సమయంలో మనలో చాలామందికి అనిపిస్తున్న మార్పును చక్కగా సంక్షిప్తీకరించి, దానికి పేరు పెట్టింది: మోడల్ లోపల రీజనింగ్ చేయడం నుంచి పరస్పర చర్య ద్వారా రీజనింగ్ చేయడం వైపు మార్పు. ఈ వ్యాసం ఆ పరిశోధనా పత్రం సారాంశం కాదు. ఆ మార్పును ఆచరణాత్మక వ్యవస్థ రూపకల్పనగా వివరించే ప్రయత్నం ఇది:
ఏజెంట్లను సాధనాలు కలిగిన సంభాషణబాట్లుగా నిర్మిస్తే, సంభాషణబాట్ వైఫల్యాలే కొనసాగుతాయి. తప్పులు మాత్రం మరింత ఖరీదైనవిగా ఉంటాయి.
కొంతకాలం పాటు “మోడల్ను మరింత తెలివైనదిగా చేయడానికి” మన సాధారణ విధానం ఇదే: మెరుగైన ప్రాంప్ట్లు, చెయిన్-ఆఫ్-థాట్, స్వీయ స్థిరత్వం / నమూనా సేకరణ ఆధారిత మెరుగుదలలు, అవసరమైతే కొంత శోధన.
“ఆలోచన → చర్య → పరిశీలన” సహజంగా అనిపించేలా చేసినందున ReAct ఒక కీలక మలుపుగా నిలిచింది. కానీ అంతర్లీన పరిమితిని గమనించండి: ఇందులో చాలా భాగం ఇప్పటికీ “మరిన్ని టోకెన్లతో వన్-షాట్ అనుమానం”గానే ముగుస్తుంది. సర్వే వివరణ మరింత పదునైనది: ఏజెంటిక్ రీజనింగ్ పరీక్ష సమయంలో పరస్పర చర్యను విస్తరించడాన్ని ప్రధానంగా చూస్తుంది. అంటే మోడల్, మెమరీ, పరిసరాలు అన్నీ పునరావృత చక్రంలో ఉండేలా అనుమాన ప్రక్రియను మార్చడం.
ప్రదర్శనల్లో ఆకట్టుకున్నా, వాస్తవ కార్యప్రవాహాల్లో సులభంగా విఫలమయ్యే ఏజెంట్లను మీరు నిర్మించి ఉంటే లేదా ఉపయోగించి ఉంటే, ఇది మీ కోసమే.
నేను తరచుగా చూసిన (నేనూ తప్పకుండా కొన్ని రూపాలను నిర్మించిన) నమూనాను వివరిస్తాను:
మంచి సంభాషణ మోడల్ను తీసుకోండి.
కొన్ని సాధనాలను జోడించండి (శోధన, DB ప్రశ్న, అవసరమైతే కోడ్ అమలు).
RAGను జోడించండి.
“మీరు స్వయంప్రతిపత్తి గల ఏజెంట్” అనే సిస్టమ్ ప్రాంప్ట్ను జోడించండి.
అది ఆగే వరకు లేదా సమయ పరిమితి ముగిసే వరకు అన్నింటినీ ఒక పునరావృత చక్రంలో చుట్టండి.
అభినందనలు, మీ దగ్గర ఇప్పుడు ఏజెంట్ ఆకారపు వస్తువు ఉంది. కానీ అది ఊహించదగిన విధాలుగా విఫలమవుతుంది:
సందర్భపు ఉబ్బరం: ప్రతి పరిశీలన జోడించబడుతుంది. ప్రాంప్ట్లు పురావస్తు పొరల్లా పేరుకుపోతాయి.
సాధనాల తడబాటు: “తప్పు సాధనాన్ని పూర్తి నమ్మకంతో వాడటం” సాధారణ వైఫల్యంగా మారుతుంది.
ఆపే షరతులు లేకపోవడం: కొనసాగాలి కాబట్టి కాదు, కొనసాగగలదు కాబట్టి కొనసాగుతూనే ఉంటుంది.
గ్రౌండింగ్ క్రమశిక్షణ లేకపోవడం: మీరు బలవంతంగా గుర్తింపజేయకపోతే, అది తన తప్పును గుర్తించదు.
మెమరీ = సంభాషణ చరిత్ర: ఇది ప్రాథమికంగా లాగ్లు రాసి, దాన్నే నేర్చుకోవడం అని పిలవడం.
అందుకే “ఏజెంట్లు” ప్రదర్శనల్లో అద్భుతంగా, ప్రొడక్షన్లో అస్తవ్యస్తంగా అనిపిస్తాయి. ఏజెంటిక్ వ్యవస్థలను ప్రొడక్షన్లో అమలు చేసిన మా అనుభవం కూడా ఇదే చెబుతోంది: మోడల్ను కాకుండా వ్యవస్థను మూల్యాంకనం చేయడం మొదలుపెట్టాక, “మోడల్ సరిగ్గా సమాధానమిచ్చిందా” అనే ప్రశ్నతో పాటు మార్గనిర్దేశం, సాధనాల పరిశుభ్రత, సందర్భ కుదింపు, మూల్యాంకన రూపకల్పన కూడా వైఫల్య విధానాల్లో చేరతాయి.
అప్పుడు ప్రశ్న ఇలా మారుతుంది: ఉద్దేశపూర్వక ఏజెంట్ అంటే ఏమిటి?
దీన్ని మరింత స్పష్టంగా చెప్పడానికి, చాలామంది ఊహించగల సరళమైన కార్యప్రవాహం ఇదిగో: “వచ్చే మంగళవారం లండన్ నుంచి న్యూయార్క్కు నాకు విమాన టికెట్ బుక్ చేయండి. సాయంత్రం 6 గంటలలోపు చేరాలి. ఖర్చు £900లోపు ఉండాలి. నడవా పక్కన సీటు కావాలి.”
సాధారణంగా కనిపించే “ఏజెంట్ ఆకారపు” అమలు ఇలా ఉంటుంది:
ఇంకా అవసరం లేకపోయినా, విమానయాన సంస్థ / ప్రయాణ విధానాలకు సంబంధించిన అనేక పత్రాలను వెంటనే తెప్పిస్తుంది.
శోధన సాధనాన్ని పిలిచి, ఫలితాల సుదీర్ఘ జాబితాను ప్రాంప్ట్లో అతికించి, “ఒకదాన్ని ఎంచుకుంటుంది.”
పరిమితులను (చేరుకునే సమయం / సామాను / సీటు / విధానం) ధృవీకరించకుండానే తొందరగా బుక్ చేస్తుంది.
విఫలమైతే, కాస్త భిన్నంగా మళ్లీ ప్రయత్నిస్తుంది. కానీ ఏం మారిందో, ఏం నేర్చుకుందో దానికి స్పష్టత ఉండదు.
మోడల్ రీజనింగ్ చేయలేకపోవడం వైఫల్యం కాదు. వ్యవస్థ కార్యప్రవాహాన్ని నియంత్రించకపోవడమే వైఫల్యం.
మరింత ఏజెంటిక్ రూపం, పనిని స్పష్టమైన స్థితి మరియు తనిఖీలతో కూడిన పరస్పర ప్రక్రియగా పరిగణిస్తుంది:
ప్రణాళిక: పరిమితులను మళ్లీ చెప్పి, లేని సమాచారాన్ని జాబితా చేయండి (ఉదా., “ఏ విమానాశ్రయం కావాలి?” / “ఒకసారి విమానం మారడం సరేనా?”).
చర్య: నిర్మిత ప్రశ్నతో (తేదీ పరిధి, చేరుకునే సమయ పరిమితి, బడ్జెట్) విమాన శోధనను పిలవండి.
పరిశీలన: అతికించిన భారీ సమాచారం గుట్టలా కాకుండా, ఫలితాలను సంక్షిప్త స్థితి ఆబ్జెక్ట్లో (ధర/చేరుకునే సమయం/మధ్య విరామాలతో ఉత్తమ 5 ఎంపికలు) భద్రపరచండి.
నవీకరణ: పరిమితులు నెరవేరకపోతే ప్రశ్నను మెరుగుపరచండి (ఉదా., “సాయంత్రం 6 గంటలలోపు చేరాలనే పరిమితి మరీ కఠినంగా ఉంది. సమయ పరిధిని పెంచాలా, బడ్జెట్ను పెంచాలా?”).
ధృవీకరణ: ధ్రువీకరణ సాధనాలను అమలు చేయండి (“చేరిక < 18:00,” “ధర ≤ £900,” “విధానానికి అనుగుణం,” “సీటు ఎంపిక అందుబాటులో ఉంది”).
ఆపు: బుకింగ్ API నిర్ధారణను ఇచ్చి, అన్ని ధ్రువీకరణలు ఆమోదం పొందిన తర్వాత మాత్రమే.
జరిగిన మార్పు సూక్ష్మమైనదే, కానీ నిర్ణయాత్మకమైనది. సమాచారాన్ని తిరిగి పొందడం షరతులతో జరుగుతుంది (యాంత్రిక ప్రతిచర్య కాదు), సందర్భం నిర్వహించబడుతుంది (స్థితి నిర్మితంగా ఉంటుంది, పోగుపడదు), ధృవీకరణ పునరావృత చక్రంలోనే ఉంటుంది (వినియోగదారుకు వదిలేయరు). “విమాన టికెట్ బుకింగ్” స్థానంలో “కొనుగోలు ఆర్డర్ సృష్టించడం,” “తిరిగి చెల్లింపు జారీ చేయడం,” “ప్రొడక్షన్ కాన్ఫిగరేషన్ మార్చడం,” లేదా “PRను విడుదల చేయడం” పెట్టినా విషయం ఒకటే: ఏజెంట్ చర్య తీసుకోగలిగిన తర్వాత, ప్రాంప్ట్ కంటే పునరావృత చక్రమే ముఖ్యం.
పైన పేర్కొన్న సర్వే ఏజెంటిక్ రీజనింగ్ను మూడు స్థాయిలుగా విభజించింది: పునాది స్థాయి (ప్రణాళిక/సాధనాల వినియోగం/శోధన), స్వీయ పరిణామ స్థాయి (ఫీడ్బ్యాక్ + మెమరీ), సమష్టి స్థాయి (బహుళ ఏజెంట్ సమన్వయం).
కానీ లోతైన భావన ఏమిటంటే: రీజనింగ్ కేవలం నమ్మదగిన చెయిన్-ఆఫ్-థాట్ను రూపొందించడానికే పరిమితం కాకుండా, ప్రణాళిక, నిర్ణయాలు, ధృవీకరణను క్రమబద్ధీకరించే ప్రధాన సూత్రంగా మారుతుంది. మీ నిర్మాణంలో వచ్చే మార్పులతో దీన్ని అనుసంధానించే వరకు ఇది నైరూప్యంగా అనిపిస్తుంది. గుర్తుంచుకోవాల్సిన మూడు ప్రధాన అంశాలు ఉన్నాయి:
మంచి ఏజెంట్ సమాచారాన్ని తిరిగి పొందడాన్ని “ఎప్పుడూ చేయాల్సిన పని”గా పరిగణించకూడదు. అది ఒక నిర్ణయం, యాంత్రిక ప్రతిచర్య కాదు.
ఆచరణాత్మకంగా ఉపయోగపడే సూచన ఇదిగో:
మీ వ్యవస్థ ప్రతి మలుపులోనూ సమాచారాన్ని తెప్పిస్తుంటే, మీరు సమాచార పునరుద్ధరణను నిర్మించలేదు. సందర్భపు పన్నును నిర్మించారు.
వాస్తవ పనిలో ఇది ఎప్పటికప్పుడు కనిపిస్తుంది. ప్రొడక్షన్ ఘటనలో లోపనిర్ధారణ చేస్తున్నప్పుడు, అన్ని లాగ్లనూ సందర్భంలో పోయరు. మీ ప్రస్తుత పరికల్పన ఆధారంగా తర్వాత ఏ కొలమానాలు/లాగ్లు తెప్పించాలో నిర్ణయిస్తారు. అదే “ఏజెంటిక్ సమాచార పునరుద్ధరణ.” మరింత నిర్దిష్టమైన నమూనా ఇదిగో:
సమాచారాన్ని తిరిగి పొందాల్సిన అవసరం ఉందో లేదో నిర్ణయించండి.
అవును అయితే: ప్రశ్నను రూపొందించి, తెప్పించి, పైపైన చదివి, అవసరమైనది సంగ్రహించండి.
ఆధారాలు పరస్పరం విరుద్ధంగా ఉంటే: మళ్లీ తెప్పించండి.
ఆ తర్వాత మాత్రమే సమగ్రంగా రూపొందించండి.
“ఏజెంటిక్ RAG” సంప్రదాయ RAGకు భిన్నంగా మారేది కూడా ఇక్కడే: సమాచారాన్ని తిరిగి పొందడం సాధారణ పైప్లైన్ దశగా కాకుండా, ఉద్దేశపూర్వక రీజనింగ్ దశగా మారుతుంది.
“ఒక మోడల్ను” మూల్యాంకనం చేయడం మానేసి, “ఒక వ్యవస్థను” మూల్యాంకనం చేయడం మొదలుపెట్టిన క్షణం నుంచే స్థితిని గమనించడం, జాడను నమోదు చేయడం ముఖ్యమవుతాయి.
ఏజెంట్ కార్యప్రవాహాల పరిశీలనీయత విషయంలో పరిశ్రమ ఇప్పుడు మరింత స్పష్టతను సాధించింది. ఉదాహరణకు, OpenAI యొక్క Agents SDKలో అంతర్నిర్మిత జాడ నమోదు, అలాగే ఏజెంట్ అమలులను (రూపొందింపులు, సాధనాల కాల్లు, అప్పగింతలు, రక్షణ నియమాలు, అనుకూల ఈవెంట్లు) నమోదు చేసే Traces డ్యాష్బోర్డ్ ఉంటాయి. దాంతో ఏం జరిగిందో దశలవారీగా లోపనిర్ధారణ చేసి తనిఖీ చేయవచ్చు.
అది “ఉంటే బాగుంటుంది” అనే సౌకర్యం కాదు. లోపనిర్ధారణ చేయగల వ్యవస్థకు, పైపైన మాత్రమే అంచనా వేయగల వ్యవస్థకు మధ్య తేడా అదే.
నా అభిప్రాయంలో, ఈ సర్వేలో ఆచరణకు అత్యంత ఉపయోగపడే అంశం ఫీడ్బ్యాక్ గురించి అది సూటిగా చెప్పిన తీరు. ఇది ఫీడ్బ్యాక్ను మూడు విధాలుగా విభజిస్తుంది: ప్రతిబింబాత్మక ఫీడ్బ్యాక్ (రూపొందించు → విమర్శించు → సవరించు), పరామితుల అనుసరణ (సూక్ష్మ సర్దుబాటు / RL ద్వారా నేర్చుకోవడం), ధ్రువీకరణ సాధనం ఆధారిత ఫీడ్బ్యాక్ (అది ఆమోదించే వరకు మళ్లీ ప్రయత్నించడం).
చాలా బృందాలు ధ్రువీకరణ సాధనం ఆధారిత ఫీడ్బ్యాక్తో మొదలుపెట్టాలి. ఎందుకంటే అది ఆసక్తికరంగా అనిపించకపోయినా ప్రభావవంతంగా ఉంటుంది. యూనిట్ పరీక్షలు చేసే, స్కీమాను తనిఖీ చేసే, వ్యాపార నియమాలు / పరిమితులను (“పైస్థాయికి పంపకుండా X కంటే ఎక్కువ తిరిగి చెల్లింపులు వద్దు”) అమలు చేసే లేదా వాస్తవికతను నిర్ధారించే (“ఉల్లేఖనలు తప్పనిసరి”) ఏదైనా ధ్రువీకరణ సాధనాన్ని మీరు రాయగలిగితే, అనిశ్చిత మోడల్ అవుట్పుట్ను నిజంగా నమ్మదగినదిగా మార్చవచ్చు.
ఇక్కడి “తెలియనివని కూడా తెలియని” మార్పుల్లో ఒకటి సరళమైనది: ఏజెంట్ ప్రపంచంలో విశ్వసనీయత తరచుగా మోడల్ కంటే పునరావృత చక్రం నుంచే ఎక్కువగా వస్తుంది.
శిక్షణ లేకుండానే ప్రవర్తనను విశ్వసనీయంగా మెరుగుపరిచే అతి చిన్న పునరావృత క్రమశిక్షణ ఇదే:
దశలవారీగా పనిచేయండి: ప్రణాళిక → చర్య → పరిశీలన → నవీకరణ.
ప్రతి చర్య తర్వాత, పరిశీలనను 1–3 అంశాల్లో సంక్షిప్తంగా రాయండి.
విజయ ప్రమాణాలు నెరవేరినప్పుడు లేదా బడ్జెట్ పరిమితి చేరినప్పుడు ఆపండి. అప్పటివరకు తెలిసిన ఉత్తమ ఫలితంతో పాటు మిగిలిన అనిశ్చితులను ఇవ్వండి.
ఇది మోడల్ను అతిగా వివరించేలా చేయడం గురించి కాదు. వ్యవస్థను సులభంగా అర్థం చేసుకునేలా చేసి, ప్రతి దశలో “వాస్తవ పరిస్థితితో అనుసంధానాన్ని” తప్పనిసరి చేయడం గురించే ఇది. ఇంజినీర్లకు బాగా పరిచయంగా అనిపించే ఉదాహరణ CI తరహా సంవృత-చక్ర గ్రౌండింగ్:
ప్రణాళిక: మార్పుల జాబితాను ప్రతిపాదించండి.
చర్య: పరీక్షలు / లింట్ను అమలు చేయండి.
పరిశీలన: వైఫల్యాలను విశ్లేషించండి.
నవీకరణ: సవరణ చేసి మళ్లీ ప్రయత్నించండి.
అనుకోకుండా రూపొందిన ఏజెంట్ నమూనాలను బయటపెట్టే కొన్ని ప్రశ్నలు:
“ఏమి తిరిగి పొందాలో నా ఏజెంట్ ఎంచుకుంటుందా, లేక నేనే ప్రతిసారీ అన్నీ తెప్పిస్తున్నానా?”
తిరిగి పొందడం ప్రతిసారీ జరిగితే, ఆలస్యం, ఖర్చు, సందర్భం పలుచబడటం, చెత్త ఇన్పుట్తో చెత్త అవుట్పుట్ వచ్చే అధిక ప్రమాదం రూపంలో మూల్యం చెల్లించాల్సి వస్తుంది.
“తాను తప్పు చేస్తున్నట్లు నా ఏజెంట్ గుర్తించగలదా?”
మీ ఏజెంట్కు లభించే ఏకైక ఫీడ్బ్యాక్ సంకేతం “వినియోగదారుకు చిరాకు వస్తుంది” అనేదే అయితే, మానవ వేదనతో RL చేస్తున్నట్లే. వాస్తవ పరిస్థితిని దానికి గుర్తుచేయడానికి ధ్రువీకరణ సాధనం ఆధారిత పునఃప్రయత్న చక్రమే అత్యంత స్పష్టమైన మార్గం.
“మెమరీలో రాయవచ్చా, కాలక్రమంలో అది మెరుగవుతుందా?”
మీ “మెమరీ” కేవలం సంభాషణ చరిత్రను జోడిస్తూ ఉంటే, మీరు చేసేది ప్రాథమికంగా లాగ్లు రాయడమే. సర్వేలో మెమరీని వివరించిన తీరు ముఖ్యమైనది: మెమరీ కేవలం సంభాషణ లిఖితం కాదు. ఏజెంట్లు కాలక్రమంలో మెరుగుపరిచే, నిరంతరం విస్తరించే సందర్భంగా అది మారుతుంది.
ఏం జరిగిందో లాగ్లు చెబుతాయి. తదుపరిసారి ఏం చేయాలో మెమరీ చెబుతుంది. సంభాషణ చరిత్ర ఒక లిఖిత ప్రతిలాంటిది. ముందుకు తీసుకెళ్లదగినది ఏమిటో నిర్ణయించే, నిరంతరం పరిణామం చెందే విధానమే మెమరీ.
పని రకం, సాధనం, వైఫల్య విధానం అనే కీతో, ఏది పనిచేసింది మరియు దేనిని నివారించాలి అనే విలువతో ఏర్పాటు చేసిన చిన్న “నేర్చుకున్న పాఠాల” పట్టిక మంచి ఆచరణాత్మక ఆరంభం. పరిపూర్ణ జ్ఞాన గ్రాఫ్ను నిర్మించడం ఇక్కడి ఉద్దేశం కాదు. ప్రయోజనాలు పెరుగుతూ పోయే ప్రవర్తనను సృష్టించడమే ఉద్దేశం: మెమరీ + ఫీడ్బ్యాక్, ఏజెంట్లను “స్థితిలేని సహాయకుల” నుంచి కాలక్రమంలో మెరుగయ్యే వ్యవస్థలుగా మారుస్తాయి.
సమస్యపై మరిన్ని ఏజెంట్లను ప్రయోగించాలనే ఆకర్షణ ఉంటుంది. కానీ దీనివల్ల తరచుగా సమన్వయ భారం అనేక రెట్లు పెరుగుతుంది. మంచి “కనీస ఆచరణీయ బృందం” నమూనా:
సమన్వయకర్త: పనిని విభజించి + అప్పగిస్తుంది.
అమలుదారు: సాధనాల కాల్లు / మార్పులు చేస్తుంది.
విమర్శకుడు/మూల్యాంకనకర్త: ఖచ్చితత్వం/ప్రమాదాన్ని తనిఖీ చేస్తుంది.
మెమరీ సంరక్షకుడు: పాఠాలను రాసి/ఎంపిక చేసి నిర్వహిస్తుంది.
ప్రతి ఏజెంట్ బాధ్యత ఏమిటో వివరించలేకపోతే, మీకు ఇంకా బహుళ ఏజెంట్లు అవసరం లేకపోవచ్చు.
ఈ దృక్కోణ మార్పును మనం నిజంగా అంగీకరిస్తే, అన్నింటినీ ప్రాంప్ట్లలో కుక్కడం, వైఫల్యాలను తుది అవుట్పుట్లుగా పరిగణించడం, ఏజెంట్లను సంభాషణబాట్లలా మూల్యాంకనం చేయడం ఆపుతాం. ఏజెంట్లను అవి నిజంగా ఉన్న రూపంలోనే పరిగణించడం మొదలుపెడతాం: భాష నియంత్రణ వేదికగా ఉండే సాఫ్ట్వేర్ వ్యవస్థలు. వాటి విశ్వసనీయత పునరావృత చక్రం నుంచి వస్తుంది.
మరో మోడల్ను జోడించే ముందు, మరో మూల్యాంకన చక్రాన్ని జోడించండి. అన్నింటినీ తెప్పించే ముందు, ఆ ప్రక్రియను షరతులతో కూడినదిగా చేయండి. పది ధ్రువీకరణ సాధనాలను విడుదల చేసే ముందు ఒకదాన్ని విడుదల చేయండి. మెమరీని డేటాబేస్లా కాకుండా, విధానపరమైన నిర్ణయాలుగా పరిగణించండి. బహుళ ఏజెంట్ వ్యవస్థకు మారేటప్పుడు, ఇరవై ఏజెంట్లతో కాకుండా రెండింటితో మొదలుపెట్టండి. ఇవి నియమాలు కావు. ప్రొడక్షన్లో నిలదొక్కుకున్న నమూనాలు.