ایجنٹ کی بہتر کارکردگی کے خواہاں بیشتر اے آئی ماہرین انہی طریقوں کا سہارا لیتے ہیں: بڑی سیاق ونڈوز، زیادہ دستاویزات اور زیادہ ذہین پرومپٹس. اس مضمون کا مؤقف ہے کہ یہ جبلت ہی سراسر غلط ہے. غائب جزو مزید معلومات نہیں ہے. وہ کنٹرول ہے. اچھی طرح تیار کردہ کنٹرول تہہ ہی نمائش میں کام کرنے والے ایجنٹ اور حقیقی پیداوار میں کام کرنے والے ایجنٹ کے درمیان فرق پیدا کرتی ہے.
اے آئی ایجنٹ کو بڑی یادداشت، زیادہ دستاویزات یا طویل سیاق ونڈو دینے سے وہ زیادہ ذہین نہیں بنتا، صرف سست اور مہنگا ہو جاتا ہے. حقیقی فائدہ ایجنٹ کو یہ سکھانے سے ملتا ہے کہ ہر چیز ایک ساتھ استعمال کرنے کے بجائے انتخاب کرے کہ اسے کب کس چیز کی ضرورت ہے.
قابلِ اعتماد ہونا ماڈل سے نہیں، چکر سے آتا ہے. نمائش میں متاثر کرنے والے اور حقیقی پیداوار میں مستحکم رہنے والے ایجنٹ کا فرق اے آئی کے معیار میں نہیں، بلکہ اس بات میں ہے کہ نظام اپنا کام خود جانچتا ہے یا نہیں. ہر مرحلے پر منصوبہ بنانے، عمل کرنے، مشاہدہ کرنے اور تصدیق کرنے والے ایجنٹس پورے اعتماد سے غلطی کرنے کے بجائے اپنی غلطیاں خود پکڑ لیتے ہیں.
آج کے بیشتر اے آئی ایجنٹس بنیادی طور پر اضافی مراحل والے گفتگوئی روبوٹ ہیں؛ ان کے پاس یہ جاننے کا کوئی طریقہ نہیں کہ وہ درست راستے پر ہیں، کب رکنا ہے یا کب مختلف طریقہ آزمانا ہے. مناسب کنٹرول تہہ، یعنی واضح کامیابی کی شرائط، ساخت یافتہ حالت اور توثیقی جانچ، ہی ایجنٹ نما شے کو کسی واقعی قابلِ اعتماد چیز میں بدلتی ہے.
آپ نے کل دوپہر کے کھانے میں کیا کھایا تھا؟
شاید آپ نے ”کل + دوپہر کا کھانا“ ملنے تک اپنی ہر یاد دوبارہ نہیں دہرائی. آپ سیدھے اپنے تجربے کے اس حصے تک پہنچے جہاں یہ تصورات محفوظ ہیں. ایجنٹس بنانے کے لیے یہ ایک مفید ذہنی نمونہ ہے:
ایک بہت بڑی سیاق ونڈو یادداشت نہیں ہوتی.
بازیافت شدہ دستاویزات کا ڈھیر سمجھ بوجھ نہیں ہوتا.
طویل چین-آف-تھاٹ قابلِ اعتماد ہونے کی ضمانت نہیں.
یہ سب اجزا ہیں. مگر جو چیز ایک ایجنٹ کو واقعی ایجنٹ بناتی ہے، وہی آپ کے دماغ کو پوری زندگی کی تاریخ زبردستی کھنگالنے سے روکتی ہے: کنٹرول.
ایک حالیہ جائزے، بڑے لسانی ماڈلز کے لیے ایجنٹی ریزننگ، نے اس تبدیلی کو عمدگی سے بیان اور نام دیا جسے ہم میں سے بہت سے لوگ نظام بناتے ہوئے محسوس کر رہے ہیں: ماڈل کے اندر ریزننگ سے باہمی عمل کے ذریعے ریزننگ تک. یہ تحریر اس مقالے کا خلاصہ نہیں ہے. یہ اس تبدیلی کو عملی نظامی خاکے میں ڈھالنے کی کوشش ہے:
اگر آپ ایجنٹس کو اوزاروں والے گفتگوئی روبوٹ کی طرح بنائیں گے تو روبوٹ جیسی ناکامیاں ملتی رہیں گی، بس غلطیاں زیادہ مہنگی ہوں گی.
کچھ عرصے تک ”ماڈل کو زیادہ ذہین بنانے“ کا ہمارا پہلے سے طے شدہ طریقہ یہی تھا: بہتر پرومپٹس، چین-آف-تھاٹ، خود مطابقت یا نمونہ گیری پر مبنی بہتریاں، اور شاید کچھ تلاش.
ReAct ایک فیصلہ کن موڑ تھا، کیونکہ اس نے ”خیال ← عمل ← مشاہدہ“ کو فطری بنا دیا. مگر پوشیدہ پابندی دیکھیے: اس کا بڑا حصہ اب بھی ”ون-شاٹ استنباط، مگر زیادہ ٹوکنز کے ساتھ“ بن جاتا ہے. جائزے کا تصور زیادہ واضح ہے: ایجنٹی ریزننگ آزمائشی وقت کے باہمی عمل کو وسعت دیتی ہے اور استنباط کو ایسا تکراری عمل بناتی ہے جس میں ماڈل، یادداشت اور ماحول سب چکر میں رہتے ہیں.
اگر آپ نے ایسے ایجنٹس بنائے یا استعمال کیے ہیں جو نمائش میں متاثر کن مگر حقیقی عملی بہاؤ میں نازک لگتے ہیں تو یہ آپ کے لیے ہے.
میں ایک ایسا طریقہ بیان کرتا ہوں جو میں نے اکثر دیکھا ہے، اور یقیناً خود بھی اس کی کئی صورتیں بنائی ہیں:
ایک اچھا گفتگوئی ماڈل لیں
چند اوزار شامل کریں، جیسے تلاش، DB استفسار یا ممکنہ طور پر رمز چلانا
RAG شامل کریں
”آپ ایک خود مختار ایجنٹ ہیں“ والا نظامی پرومپٹ شامل کریں
یہ سب ایک مسلسل چکر میں لپیٹ دیں، یہاں تک کہ وہ رک جائے یا وقت ختم ہو جائے
مبارک ہو، آپ کے پاس ایجنٹ نما شے ہے. مگر یہ عموماً پیش گوئی کے قابل طریقوں سے ناکام ہوتی ہے:
سیاق کا پھولنا: ہر مشاہدہ شامل ہوتا جاتا ہے؛ پرومپٹس آثارِ قدیمہ کی تہیں بن جاتے ہیں.
اوزاروں میں بھٹکنا: ”غلط اوزار مگر پورے اعتماد سے“ پہلے سے طے شدہ ناکامی بن جاتی ہے.
اختتام کی کوئی شرط نہیں: وہ چلتا رہتا ہے کیونکہ چل سکتا ہے، نہ کہ اس لیے کہ چلنا چاہیے.
گراؤنڈنگ کا نظم نہیں: جب تک آپ اسے مجبور نہ کریں، وہ اپنی غلطی نہیں پہچانتا.
میموری = گفتگو کی تاریخ: یعنی بنیادی طور پر نوشتہ جات لکھنا اور اسے سیکھنا کہنا.
اسی لیے ”ایجنٹس“ اکثر نمائش میں جادوئی اور حقیقی پیداوار میں بے ترتیب لگتے ہیں. ایجنٹی نظاموں کو حقیقی پیداوار میں لانے کا ہمارا تجربہ بھی یہی بتاتا ہے: جب آپ ماڈل کے بجائے نظام کا جائزہ لیتے ہیں تو ناکامیوں میں راستہ تلاش کرنا، اوزاروں کا نظم، سیاق کی تراش خراش اور جانچ کا خاکہ بھی شامل ہوتے ہیں، نہ کہ صرف یہ کہ ”کیا ماڈل نے درست جواب دیا؟“.
لہٰذا سوال یہ بنتا ہے: بامقصد ایجنٹ کیا ہے؟
اسے کم تجریدی بنانے کے لیے ایک سادہ عملی بہاؤ دیکھیے جسے زیادہ تر لوگ سمجھ سکتے ہیں: ”اگلے منگل کو لندن سے نیویارک کی میری پرواز بک کریں. شام 6 بجے سے پہلے پہنچنا ہے. قیمت £900 سے کم ہو. راہداری والی نشست ہو.“
ایک عام ”ایجنٹ نما“ نفاذ کچھ یوں ہوتا ہے:
فوراً فضائی کمپنی یا سفری پالیسی کی بہت سی دستاویزات بازیافت کرتا ہے، خواہ ابھی کسی کی ضرورت نہ ہو.
تلاش کا اوزار استعمال کرتا ہے، نتائج کی طویل فہرست پرومپٹ میں چسپاں کرتا ہے، پھر ”ایک منتخب کر لیتا ہے“.
شرائط، جیسے آمد کا وقت، سامان، نشست یا پالیسی، کی تصدیق کیے بغیر جلد بازی میں بکنگ کر دیتا ہے.
ناکامی پر وہ قدرے مختلف انداز میں دوبارہ کوشش کرتا ہے، مگر اسے واضح علم نہیں ہوتا کہ کیا بدلا یا اس نے کیا سیکھا.
ناکامی کی وجہ یہ نہیں کہ ماڈل ریزننگ نہیں کر سکتا، بلکہ یہ ہے کہ نظام عملی بہاؤ کو قابو نہیں کرتا.
زیادہ ایجنٹی صورت کام کو واضح حالت اور جانچ کے ساتھ ایک باہمی عمل سمجھتی ہے:
منصوبہ: شرائط دوبارہ بیان کریں اور گم معلومات درج کریں، مثلاً ”کون سا ہوائی اڈہ پسند ہے؟“ یا ”کیا ایک قیام قابلِ قبول ہے؟“.
عمل: منظم استفسار کے ساتھ پرواز تلاش کریں، جس میں تاریخ کی حد، آمد کی شرط اور بجٹ شامل ہوں.
مشاہدہ: نتائج کو چسپاں شدہ بہت بڑے متن کے بجائے ایک مختصر حالتی شے میں محفوظ کریں، جیسے قیمت، آمد اور قیام سمیت 5 بہترین امیدوار.
تازہ کاری: شرائط پوری نہ ہوں تو استفسار نکھاریں، مثلاً ”شام 6 بجے سے پہلے آمد بہت سخت شرط ہے؛ وقت کی حد بڑھائیں یا بجٹ؟“.
تصدیق: توثیق کار چلائیں: ”آمد < 18:00“، ”قیمت ≤ £900“، ”پالیسی کے مطابق“ اور ”نشست کا انتخاب دستیاب“.
اختتام: صرف اس وقت جب بکنگ API تصدیق لوٹائے اور تمام توثیق کار کامیاب ہوں.
تبدیلی باریک مگر فیصلہ کن ہے. بازیافت مشروط ہے، خودکار ردعمل نہیں؛ سیاق منظم ہے، یعنی حالت ساخت یافتہ ہے، جمع شدہ نہیں؛ اور تصدیق چکر میں شامل ہے، صارف پر نہیں چھوڑی گئی. ”پرواز بک کرنے“ کی جگہ ”خریداری کا حکم بنانا“، ”رقم واپس کرنا“، ”پیداواری تشکیل بدلنا“ یا ”PR جاری کرنا“ رکھ دیں تو بات وہی رہتی ہے: جب ایجنٹ عمل کر سکتا ہو تو پرومپٹ سے زیادہ چکر اہم ہوتا ہے.
مذکورہ جائزہ ایجنٹی ریزننگ کو تین سطحوں میں منظم کرتا ہے: بنیادی، یعنی منصوبہ بندی، اوزاروں کا استعمال اور تلاش؛ خود ارتقائی، یعنی تاثرات اور یادداشت؛ اور اجتماعی، یعنی متعدد ایجنٹس میں ہم آہنگی.
مگر گہرا تصور یہ ہے کہ ریزننگ محض قابلِ قبول چین-آف-تھاٹ بنانے کے بجائے منصوبہ بندی، فیصلہ سازی اور تصدیق کا تنظیمی اصول بن جاتی ہے. یہ تب تک تجریدی لگتا ہے جب تک آپ اسے اپنے نظامی خاکے کی تبدیلیوں سے نہ جوڑیں. تین بنیادی باتیں یاد رکھیں:
اچھے ایجنٹ کو بازیافت کو ”ہمیشہ کرنے والا کام“ نہیں سمجھنا چاہیے. بازیافت ایک فیصلہ ہے، خودکار ردعمل نہیں.
ایک عملی اصول یہ ہے:
اگر آپ کا نظام ہر باری میں بازیافت کرتا ہے تو آپ نے بازیافت نہیں بلکہ سیاقی محصول بنایا ہے.
حقیقی کام میں یہ صورت بار بار سامنے آتی ہے. پیداواری واقعے کی خرابی دور کرتے وقت آپ تمام نوشتہ جات سیاق میں نہیں ڈالتے؛ موجودہ مفروضے کی بنیاد پر طے کرتے ہیں کہ اگلی بار کون سی پیمائشیں یا نوشتہ جات منگوانے ہیں. یہی ”ایجنٹی بازیافت“ ہے. ایک زیادہ واضح طریقہ یہ ہے:
طے کریں کہ بازیافت درکار ہے یا نہیں
اگر ہاں: استفسار تیار کریں، معلومات لائیں، سرسری جائزہ لیں اور اخذ کریں
اگر شواہد متصادم ہوں: دوبارہ معلومات لائیں
صرف اس کے بعد نتیجہ مرتب کریں
یہیں ”ایجنٹی RAG“ روایتی RAG سے مختلف ہونے لگتا ہے: بازیافت پہلے سے طے شدہ عملی مرحلہ نہیں بلکہ ریزننگ کا سوچا سمجھا قدم بن جاتی ہے.
جیسے ہی آپ ”ایک ماڈل“ کے بجائے ”ایک نظام“ کا جائزہ لینا شروع کرتے ہیں، حالت پر نظر رکھنا اور سراغ لگانا اہم ہو جاتا ہے.
صنعت اب ایجنٹ کے عملی بہاؤ کی مشاہدہ پذیری کے بارے میں زیادہ واضح ہو گئی ہے. مثلاً OpenAI کا ایجنٹس SDK اندرونی سراغ رسانی اور ٹریسز ڈیش بورڈ کے ساتھ آتا ہے، جو ایجنٹ کی کارروائیاں ریکارڈ کرتا ہے، بشمول تخلیق، اوزاروں کی طلب، ذمہ داری کی منتقلی، حفاظتی حدود اور حسبِ ضرورت واقعات، تاکہ آپ مرحلہ وار جانچ اور حساب کر سکیں کہ کیا ہوا تھا.
یہ کوئی ”ہو تو اچھا ہے“ والی سہولت نہیں. یہی ایک ایسے نظام میں فرق ہے جس کی آپ خرابی دور کر سکتے ہیں اور ایسے نظام میں جسے صرف اندازے سے پرکھ سکتے ہیں.
میرے خیال میں اس جائزے کا سب سے قابلِ عمل حصہ یہ ہے کہ وہ تاثرات کے بارے میں کتنی دوٹوک بات کرتا ہے. یہ تاثرات کو تین طریقوں میں تقسیم کرتا ہے: عکسی تاثرات (بنائیں ← تنقید کریں ← نظرثانی کریں)، مقداری موافقت (فائن ٹیوننگ یا RL سے سیکھیں)، اور توثیق کار پر مبنی تاثرات (توثیق کامیاب ہونے تک دوبارہ کوشش کریں).
زیادہ تر ٹیموں کو توثیق کار پر مبنی تاثرات سے آغاز کرنا چاہیے، کیونکہ یہ غیر دل چسپ مگر مؤثر ہیں. اگر آپ کوئی بھی ایسا توثیق کار لکھ سکتے ہیں جو اکائی آزمائش کرے، اسکیما جانچے، کاروباری قواعد یا پابندیاں نافذ کرے (”درجہ بڑھائے بغیر X سے زیادہ رقم واپس نہیں ہوگی“)، یا حقائق کی تصدیق کرے (”حوالے ضروری ہیں“)، تو آپ غیر متعین ماڈل کے نتیجے کو واقعی قابلِ اعتماد بنا سکتے ہیں.
یہاں ایک سادہ مگر پہلے سے نامعلوم تبدیلی یہ ہے: ایجنٹس کی دنیا میں قابلِ اعتماد ہونا اکثر ماڈل سے زیادہ چکر پر منحصر ہوتا ہے.
تربیت کے بغیر رویہ قابلِ اعتماد طور پر بہتر بنانے کے لیے مجھے یہ مختصر ترین چکری نظم ملا ہے:
مراحل میں کام کریں: منصوبہ بنائیں ← عمل کریں ← مشاہدہ کریں ← تازہ کریں،
ہر عمل کے بعد مشاہدے کا خلاصہ 1–3 نکات میں لکھیں،
کامیابی کی شرائط پوری ہونے یا بجٹ ختم ہونے پر رک جائیں؛ بہترین معلوم نتیجہ اور باقی غیر یقینی باتیں پیش کریں.
اس کا مقصد ماڈل کو طویل جواب دینے پر مجبور کرنا نہیں ہے. مقصد نظام کو قابلِ فہم بنانا اور ہر مرحلے میں اسے ”حقیقت سے واسطہ“ رکھنے پر مجبور کرنا ہے. انجینئروں کے لیے ایک مانوس مثال CI طرز کی بند چکری گراؤنڈنگ ہے:
منصوبہ: تبدیلیوں کی فہرست تجویز کریں
عمل: آزمائشیں یا لنٹ چلائیں
مشاہدہ: ناکامیوں کی تجزیہ کاری کریں
تازہ کاری: اصلاح کریں اور دوبارہ کوشش کریں
چند سوالات جو اتفاقاً بن جانے والے ایجنٹ کے خاکے نمایاں کر دیتے ہیں:
”کیا میرا ایجنٹ خود طے کرتا ہے کہ کیا بازیافت کرنا ہے، یا میں ہمیشہ بازیافت کرتا ہوں؟“
اگر بازیافت ہر حال میں ہو تو اس کی قیمت تاخیر، خرچ، سیاق کی کمزوری اور ناقص معلومات سے ناقص نتیجہ نکلنے کے زیادہ خطرے کی صورت میں ادا کرنا ہوگی.
”کیا میرا ایجنٹ پہچان سکتا ہے کہ وہ غلط ہے؟“
اگر آپ کے ایجنٹ کے لیے واحد تاثراتی اشارہ ”صارف کا ناراض ہونا“ ہے تو آپ انسانی تکلیف کے ذریعے RL کر رہے ہیں. توثیق کار پر مبنی اعادے کا چکر اسے حقیقت سے آگاہ رکھنے کا سب سے صاف طریقہ ہے.
”کیا یادداشت میں لکھا جا سکتا ہے، اور کیا وہ وقت کے ساتھ بہتر ہوتی ہے؟“
اگر آپ کی ”یادداشت“ صرف گفتگو کی تاریخ میں اضافہ کرتی ہے تو آپ بنیادی طور پر نوشتہ جات لکھ رہے ہیں. جائزے میں یادداشت کی پیش کش اہم ہے: یادداشت محض نقل نہیں بلکہ ایک متحرک طور پر بڑھتا ہوا سیاق بنتی ہے، جسے ایجنٹس وقت کے ساتھ نکھارتے ہیں.
نوشتہ جات بتاتے ہیں کہ کیا ہوا، جبکہ یادداشت بتاتی ہے کہ اگلی بار کیا کرنا ہے. گفتگو کی تاریخ ایک نقل ہے. میموری اس بارے میں ارتقا پذیر پالیسی ہے کہ کن باتوں کو آئندہ کے لیے محفوظ رکھنا مفید ہے.
عملی آغاز کے لیے ”سیکھے گئے اسباق“ کی ایک چھوٹی جدول بنائیں، جس کی کلید میں کام کی قسم، اوزار اور ناکامی کا طریقہ ہو، اور قدر میں یہ درج ہو کہ کیا مؤثر رہا اور کس سے بچنا ہے. مقصد ایک کامل علمی گراف بنانا نہیں ہے. مقصد ایسا رویہ پیدا کرنا ہے جو وقت کے ساتھ نکھرتا جائے: یادداشت اور تاثرات ایجنٹس کو ”بے حالت مددگاروں“ سے ایسے نظاموں میں بدل دیتے ہیں جو مسلسل بہتر ہوتے ہیں.
مسئلے پر مزید ایجنٹس لگا دینے کا لالچ ہوتا ہے، مگر اس سے اکثر ہم آہنگی کا اضافی بوجھ کئی گنا بڑھ جاتا ہے. ایک اچھی ”کم از کم قابلِ عمل ٹیم“ کا طریقہ:
رابطہ کار: کام تقسیم کرتا اور ذمہ داریاں سونپتا ہے
عامل: اوزاروں کو طلب کرتا یا تبدیلیاں کرتا ہے
ناقد یا جائزہ کار: درستگی اور خطرے کی جانچ کرتا ہے
یادداشت کا نگہبان: اسباق لکھتا اور مرتب کرتا ہے
اگر آپ یہ واضح نہیں کر سکتے کہ ہر ایجنٹ کس چیز کا ذمہ دار ہے تو شاید ابھی آپ کو متعدد ایجنٹس کی ضرورت نہیں.
اگر ہم واقعی اس تصوراتی تبدیلی کو مانتے ہیں تو شاید ہر چیز پرومپٹس میں بھرنا، ناکامیوں کو حتمی نتائج سمجھنا اور ایجنٹس کو گفتگوئی روبوٹ کی طرح جانچنا چھوڑ دیں گے. اور ایجنٹس کو وہی سمجھنا شروع کریں گے جو وہ ہیں: ایسے سافٹ ویئر نظام جن میں زبان کنٹرول کی سطح ہے، اور قابلِ اعتماد ہونا چکر سے آتا ہے.
ایک اور ماڈل شامل کرنے سے پہلے ایک اور جائزہ چکر شامل کریں. سب کچھ بازیافت کرنے سے پہلے اسے مشروط بنائیں. دس توثیق کار جاری کرنے سے پہلے ایک جاری کریں. یادداشت کو ڈیٹابیس نہیں بلکہ پالیسی کے فیصلوں کی طرح برتیں. اور متعدد ایجنٹس اپناتے وقت بیس نہیں، دو ایجنٹس سے آغاز کریں. یہ اصول نہیں، بلکہ وہ طریقے ہیں جو حقیقی پیداوار میں کامیاب رہے.