एजेंट प्रणाली सबसे पहले संदर्भ बजट और सेंसर को मजबूत करती है

मार्टिन फाउलर के लेख फ़्रैगमेंट्स: 13 जुलाई को देखते हुए, पहला शब्द जो सामने आता है वह मॉडल स्कोर नहीं है, बल्कि हार्नेस इंजीनियरिंग है। रिट्रीट में, कुछ लोगों ने पहले ही चर्चा को संदर्भ और सेंसर में डाल दिया है। यह मामला उभरते इंजीनियरिंग अनुशासन की तरह है: एजेंट को पहले इनपुट को मजबूत करना होगा, और फिर कार्रवाई के विस्तार के बारे में बात करनी होगी।

संदर्भ विंडो जितनी बड़ी होगी, बाधाएँ उतनी ही छोटी होंगी।

लेख में एक बहुत ही सीधा विवरण है: किसी ने agents.md को 200 लाइनों के भीतर नियंत्रित किया। यह संख्या मायसोफोबिया की तरह दिखती है, लेकिन वास्तव में यह परियोजना के लिए एक बजट है। संदर्भ विंडो वास्तव में बड़ी और बड़ी होती जा रही है, लेकिन बड़ी विंडो का मतलब केवल यह है कि इसमें अधिक सामग्री भरी जा सकती है, लेकिन इसका मतलब यह नहीं है कि मॉडल उस हिस्से को अधिक मजबूती से पकड़ लेगा जिसे पकड़ना चाहिए। मॉडल आम तौर पर केवल संदर्भ के एक छोटे से हिस्से पर ध्यान केंद्रित करता है, और भले ही बाकी सामग्री मौजूद हो, यह बस साथ चल रहा हो सकता है।

लंबे दस्तावेज़ों के साथ यह सबसे आम समस्या है। जितने अधिक नियम होंगे, वास्तव में महत्वपूर्ण बाधाओं को शोर से छिपाना उतना ही आसान होगा; विवरण जितना लंबा होगा, सीमा को पृष्ठभूमि के रूप में और पृष्ठभूमि को सीमा के रूप में लिखना उतना ही आसान होगा। फ़ाइलों को छोटा रखने का मतलब लिखने में समय बचाना नहीं है, बल्कि बाधाओं को दृश्यमान, पठनीय और निष्पादन योग्य बनाना है। एजेंट का सामना सामग्री के ढेर से नहीं, बल्कि एक सीमित परिचालन अनुबंध से होता है।

सेंसर को थोड़ी मात्रा में प्रयोग करने योग्य सिग्नल में संपीड़ित किया जाना चाहिए

एक और बदलाव यह है कि चर्चा कम्प्यूटेशनल सेंसर तक बढ़ने लगी है। यहां सेंसर केवल बिंदु दफन नहीं कर रहे हैं, न ही वे लॉग को मॉडल में दोबारा फीड कर रहे हैं, बल्कि रनटाइम स्थिति को कम संख्या में स्थिर संकेतों में संपीड़ित कर रहे हैं। एक बार जब सेंसर मूल आउटपुट प्लेबैक बन जाता है, तो इनपुट फिर से विस्तारित हो जाएगा; वास्तव में मूल्यवान दृष्टिकोण यह है कि पहले दृश्य को कई स्पष्ट अवस्थाओं में काटा जाए, और फिर तय किया जाए कि कौन सा विवरण लोगों को दिया जाना चाहिए और कौन सा विवरण उपकरणों को दिया जाना चाहिए।

लेख में उल्लेख किया गया है कि पायथन से रस्ट जैसी अधिक नियंत्रणीय भाषा में स्विच करना केवल इस संदर्भ में समझ में आता है। ध्यान भाषा की प्राथमिकता पर नहीं, बल्कि नियंत्रण पर है। सेंसर को “चलने” की नहीं, बल्कि स्पष्ट सीमाओं, स्पष्ट अपवाद शब्दार्थ और स्पष्ट संसाधन खपत की आवश्यकता है। जब तक सिग्नल अस्थिर है, मॉडल कितना भी मजबूत क्यों न हो, वह केवल जिटर इनपुट के आधार पर निर्णय ले सकता है।

हार्नेस पहले एक्शन चेन को बंद करता है

एक बार जब यह चर्चा इतनी आगे बढ़ जाती है, तो हार्नेस एक खोल की तरह कम और एक मुखपत्र की तरह अधिक हो जाता है। यह यह तय करने के लिए ज़िम्मेदार है कि संदर्भ में क्या जाता है और क्या बाहर रहता है; मॉडल द्वारा किन राज्यों पर भरोसा किया जा सकता है और किन राज्यों को टूल द्वारा पुन: पुष्टि की जानी चाहिए। संदर्भ बजट, सेंसर डिज़ाइन, अनुमति सीमाएँ, और फ़ॉलबैक पथ सभी अंततः इस परत पर आएँगे।

एजेंट प्रणाली में सबसे आसानी से कम आंकी जाने वाली लागत भी इसी स्तर पर आती है। मॉडल प्रतिस्थापन तेज़ है, लेकिन हार्नेस बहुत धीमा है क्योंकि यह एक एक्शन चेन, एक सिग्नल चेन और एक विफलता चेन से बंधा हुआ है। जब तक इस परत को कड़ा नहीं किया जाता है और मॉडल क्षमताएं आगे बढ़ती हैं, सिस्टम केवल अराजकता को तेजी से बढ़ाएगा।

शुद्ध पढ़ने के अनुरोध, एक बार की विश्लेषण स्क्रिप्ट, बाहरी क्रियाओं के बिना हल्के एजेंट और मॉडल क्षमताएं अभी भी नायक हैं। जैसे ही आप निजी डेटा, दीर्घकालिक स्थिति और वास्तविक कार्यों को कनेक्ट करना शुरू करते हैं, सख्त होने वाली पहली चीज़ अब मॉडल पैरामीटर नहीं है, बल्कि इनपुट सीमाएँ और सिग्नल सीमाएँ हैं। वह क्षण जब एक एजेंट वास्तव में एक सिस्टम जैसा दिखता है वह अक्सर तब होता है जब ये दो परतें पहले पकड़ लेती हैं।