அறிமுகம்: ஒருங்கிணைப்பு பிரச்சினைதான் தயாரிப்பு
கணினித்துறையில் ஏற்படும் ஒவ்வொரு மாற்றமும் ஒரு பழைய உண்மையைப் பெரிதாக்குகிறது: ஒருங்கிணைப்பு என்பது அரிதானது. கிளையன்ட்-சர்வர் காலத்தில், ஒருங்கிணைப்பு என்பது சாக்கெட்டுகள் மற்றும் நெறிமுறைகள் என்று பொருள். கிளவுட் காலத்தில், அது API-கள் மற்றும் ஆர்கெஸ்ட்ரேஷன் என்று பொருள். AI யுகத்தில், பெரிய மொழி மாதிரிகள் (LLM-கள்) நிகழ்தகவு உரையை நிரல்படுத்தக்கூடிய இடைமுகங்களாக மாற்றுகின்றன, ஒருங்கிணைப்பு பிரச்சினை நீங்காது - அதுவே தயாரிப்பு ஆகிறது. பல-ஏஜென்ட் அமைப்புகள் மற்றும் AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பைப் புரிந்துகொள்வது வெறுமனே தொழில்நுட்பப் பயிற்சி அல்ல; AI ஸ்டாக்கில் எங்கு மதிப்பு சேர்கிறது, எந்த அடுக்குகள் வணிகமயமாக்கப்பட உள்ளன, மேலும் எது பயனர்கள், தரவு மற்றும் விநியோகத்தை ஒருங்கிணைக்கும் என்பது பற்றிய ஒரு மூலோபாய கேள்வி இது.
இந்த பகுதியின் ஆய்வறிக்கை நேரடியானது: பல-ஏஜென்ட் அமைப்புகள் LLM-களின் மேல் ஒரு வெளிப்படும் ஒருங்கிணைப்பு அடுக்காகும், இது பயன்பாடுகள் மற்றும் உள்கட்டமைப்பின் எல்லைகளை மறுவரையறை செய்கிறது. ஏஜெண்டுகளை வெறுமனே வெளிப்படுத்துபவர்கள் வெற்றியாளர்கள் அல்ல, மாறாக ஏஜென்ட் ஒத்துழைப்பை மாஸ்டர் செய்பவர்கள்—பணி சிதைவு, கருவி பயன்பாடு, பகிரப்பட்ட சூழல், மோதல் தீர்வு மற்றும் பின்னூட்ட சுழல்கள்—தரவு, கணக்கீடு மற்றும் பயனர் அனுபவம் முழுவதும் ஊக்கங்களை சீரமைக்கும் போது. மூலோபாய தாக்கங்கள் செலவு கட்டமைப்புகளிலிருந்து பாதுகாப்பு வரை இயங்குகின்றன: AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு ஒற்றைப்பாத மாதிரிகளிலிருந்து ஆர்கெஸ்ட்ரேஷனுக்கும், நிலையான பயன்பாடுகளிலிருந்து மாறும் பணிப்பாய்வுகளுக்கும், புள்ளி அம்சங்களிலிருந்து கற்கும் அமைப்புகளுக்கும் மதிப்பை நகர்த்துகிறது.
இந்த பகுப்பாய்வு நான்கு கருப்பொருள்களில் வெளிப்படுகிறது: (1) பல-ஏஜென்ட் அமைப்புகளின் துல்லியமான வரையறை மற்றும் ஏஜென்ட் ஒத்துழைப்பின் இயக்கவியல்; (2) AI மதிப்புச் சங்கிலியில் இந்த அமைப்புகளின் இடம்; (3) பாதுகாப்பை மதிப்பிடுவதற்கான ஒரு கட்டமைப்பு—AI க்கான திரட்டல் கோட்பாடு; மற்றும் (4) கட்டுபவர்கள் மற்றும் வாங்குபவர்களுக்கான நடைமுறை தாக்கங்கள், இதில் Sider.AI மற்றும் சக நிறுவனங்கள் நிலப்பரப்பில் எங்கே பொருந்தும். பின்னணி: பல-ஏஜென்ட் அமைப்பு என்றால் என்ன?
பல-ஏஜென்ட் அமைப்பு என்பது ஒரு இலக்கை அடைய ஒருங்கிணைக்கும் தன்னாட்சி ஏஜெண்டுகளின் தொகுப்பாகும். ஒவ்வொரு ஏஜென்டுக்கும் ஒரு பங்கு (திட்டமிடுபவர், ஆராய்ச்சியாளர், குறியீட்டாளர், மதிப்பாய்வாளர்), கருவிகளின் தொகுப்பு (திரட்டுதல், குறியீடு செயலாக்கம், API-கள்), ஒரு நினைவகம் (சூழல் சாளரங்கள், திசையன் கடைகள் அல்லது வெளிப்புற DB-கள்) மற்றும் தகவல்தொடர்பு மற்றும் கட்டுப்பாட்டிற்கான கொள்கை (செய்திகள், செயல்பாடு அழைப்புகள் அல்லது கட்டமைக்கப்பட்ட நெறிமுறைகள்) உள்ளன. AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு என்பது இந்த அலகுகள் நிலையைப் பகிர்ந்து கொள்ளும், துணைப் பணிகளைப் பேச்சுவார்த்தை நடத்தும் மற்றும் முடிவுகளைச் சரிபார்க்கும் செயல்முறையாகும், இது ஒரு வெளிப்புற அடிப்படை சுழற்சியுடன் (மனிதர்கள், சோதனைகள் அல்லது தரவு) மாயத்தோற்றத்தைத் தண்டித்து, ஒருங்கிணைப்பை வெகுமதி அளிக்கிறது.
மிகவும் பயனுள்ள மன மாதிரி என்பது ஒரு LLM-ஐ ஒரு தயாரிப்பு என்று நினைக்காமல் ஒரு பகுத்தறிவு கருவாக நினைப்பதாகும். பல-ஏஜென்ட் அமைப்புகள் அந்த கருவை இவ்வாறு இணைக்கின்றன:
- பங்கு சிறப்பு: தனித்துவமான தூண்டுதல்கள், திறன்கள் மற்றும் நோக்கங்கள் துல்லியத்தை மேம்படுத்துகின்றன.
- கருவி-இயக்கப்பட்ட ஏஜென்சி: உண்மைகளை மீட்டெடுக்க, குறியீட்டை இயக்க அல்லது பரிவர்த்தனை செய்ய ஏஜெண்டுகள் கருவிகளை அழைக்கின்றன.
- திட்டமிடல் மற்றும் சிதைவு: ஒரு திட்டமிடுபவர் பணிகளை படிகளாக உடைத்து நிபுணர்களுக்கு ஒதுக்கிறார்.
- சரிபார்ப்பு மற்றும் விமர்சனம்: ஒரு விமர்சகர் ஏஜென்ட் கட்டுப்பாடுகளுக்கு எதிராக வெளியீடுகளை சரிபார்க்கிறார்.
- நினைவகம் மற்றும் சூழல் மேலாண்மை: பகிரப்பட்ட நிலை நகர்வுகளைத் தடுக்கிறது மற்றும் தொடர்ச்சியை செயல்படுத்துகிறது.
- கட்டுப்பாட்டு ஹீயூரிஸ்டிக்ஸ் அல்லது கொள்கைகள்: யார் அடுத்து பேசுகிறார்கள், எப்போது நிறுத்துவது மற்றும் ஒரு மனிதருக்கு எவ்வாறு அனுப்புவது.
ஒத்துழைப்பு விருப்பமல்ல; நிச்சயமற்ற தன்மையின் கீழ் நம்பகத்தன்மையை எவ்வாறு அதிகரிப்பது என்பதுதான். ஒரு ஏஜென்ட் டெமோக்களில் சுவாரஸ்யமாக இருக்கலாம்; பல-ஏஜென்ட் அமைப்புதான் வேலையைச் செய்கிறது.
முறை: ஏஜென்ட் ஒத்துழைப்பு அமைப்புகளை எவ்வாறு மதிப்பிடுவது
மூலோபாயத்தைத் தெரிவிக்கும் வகையில் AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பைப் புரிந்துகொள்ள, எங்களுக்கு ஒரு நிலையான மதிப்பீட்டு முறை தேவை. நான்கு லென்ஸ்கள் பயனுள்ளதாக இருக்கும்:
- பகுத்தறிவு: திட்டமிடல், சிதைவு மற்றும் சுய-திருத்தத்தின் தரம்.
- கருவி பயன்பாடு: அகலம் (API-கள், குறியீடு, தேடல், தரவுத்தளங்கள்) மற்றும் ஆழம் (தாமதம், நம்பகத்தன்மை).
- நினைவகம்: குறுகிய கால சூழல் கையாளுதல் மற்றும் நீண்ட கால மீட்டெடுப்பு; சூழலின் விலை.
- கட்டுப்பாடு: டர்ன்-டேக்கிங் லாஜிக், முட்டுக்கட்டை தவிர்ப்பு மற்றும் முடித்தல்.
- அடித்தளம்: மீட்டெடுப்பு அதிகரிப்பு மற்றும் வெளிப்புற உண்மை ஆதாரங்கள்.
- சரிபார்ப்பு: சோதனைகள், வகை சோதனைகள், கட்டுப்பாடுகள் மற்றும் விமர்சகர் ஏஜெண்டுகள்.
- மனிதர்-இன்-தி-லூப்: ஒப்புதல் வாயில்கள், விரிவாக்கக் கொள்கைகள் மற்றும் விளக்கமளிக்கும் திறன்.
- ஒரு பணிக்கு ஆகும் செலவு: டோக்கன் பயன்பாடு, கருவி அழைப்பு மேல்நிலை மற்றும் கணக்கீட்டு அதிகரிப்புகள்.
- தாமதம்: இணையான vs. தொடர் வரிசை; நெட்வொர்க் vs. மாதிரி ஊகச் செலவுகள்.
- அளவு விளைவுகள்: பயன்பாட்டுடன் தரவு, தூண்டுதல்கள் மற்றும் கொள்கைகள் எவ்வாறு மேம்படுகின்றன.
- தரவு: தனியுரிம பணிப்பாய்வுகள், பயன்பாட்டு தடயங்கள், மதிப்பீட்டு கலைப்பொருட்கள்.
- விநியோகம்: தினசரி கருவிகளில் உட்பொதிக்கப்பட்டது; குறைந்த மாறுதல் செலவுகள் எதிரி.
- சூழல் அமைப்பு: சிறப்பு ஏஜெண்டுகளுக்கான ஒருங்கிணைப்புகள், API-கள் மற்றும் சந்தைகள்.
எடுத்துக்காட்டு: பல-ஏஜென்ட் அமைப்புகளை மதிப்பிடுவதற்கு கிளவுட் ஆர்கெஸ்ட்ரேஷனுக்கு நாம் பயன்படுத்தும் அதே கண்டிப்பு தேவை - SLO-கள், செலவு தெரிவுநிலை மற்றும் ஆளுகை - ஏனெனில் தயாரிப்பு என்பது முடிவுகளின் பைப்லைன் ஆகும்.
பகுப்பாய்வு: AI மதிப்புச் சங்கிலியில் பல-ஏஜென்ட் அமைப்புகள் எங்கே பொருந்தும்
AI ஸ்டாக் ஐந்து அடுக்குகளைச் சுற்றி ஒருங்கிணைக்கிறது:
- அடிப்படை மாதிரிகள்: பொது நோக்கத்திற்கான LLM-கள் மற்றும் மல்டிமாடல் மாதிரிகள்.
- சிறந்த-டியூன்/அடாப்டர்கள்: டொமைன்-குறிப்பிட்ட சிறப்பு மற்றும் காவற்காடுகள்.
- கருவிகள் மற்றும் தரவு: மீட்டெடுப்பு அமைப்புகள், செயல்பாட்டு தரவுத்தளங்கள் மற்றும் பரிவர்த்தனை API-கள்.
- ஆர்கெஸ்ட்ரேஷன்: ஏஜென்ட் கட்டமைப்புகள், திட்டமிடுபவர்கள், நினைவக மேலாளர்கள் மற்றும் கட்டுப்பாட்டுக் கொள்கைகள்.
- பயன்பாடுகள்: உற்பத்தித்திறன், டெவ் கருவிகள், ஆதரவு மற்றும் செயல்பாடுகளில் பயனர் எதிர்கொள்ளும் பணிப்பாய்வுகள்.
பல-ஏஜென்ட் அமைப்புகள் அடுக்குகள் 3-5 ஐ இணைக்கின்றன. AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு ஆர்கெஸ்ட்ரேஷனில் நடைபெறுகிறது, ஆனால் கருவிகள் மற்றும் தரவுகளிலிருந்து சக்தியைப் பெறுகிறது, மேலும் இறுதியில் "அம்சங்களை" விட "குழுக்கள்" போன்ற பயன்பாடுகளாக வெளிப்படுகிறது. மூலோபாய பதற்றம் தெளிவாக உள்ளது: அடிப்படை மாதிரிகள் சொந்த கருவி பயன்பாடு மற்றும் திட்டமிடலை வழங்குவதன் மூலம் ஸ்டாக்கை நகர்த்த முயல்கின்றன, அதே நேரத்தில் பயன்பாடுகள் தனியுரிம ஆர்கெஸ்ட்ரேஷனை உருவாக்குவதன் மூலம் கீழே நகர்கின்றன. நடுவில் போட்டியிடும் தளம் உள்ளது - ஏஜென்ட் ஒத்துழைப்பு கட்டமைப்புகள் மற்றும் தளங்கள்.
திரட்டல் கோட்பாட்டிலிருந்து பாடம் என்னவென்றால், தேவை கட்டுப்படுத்தும் அடுக்கிற்கு மதிப்பு சேர்கிறது. AI இல், தேவை வெறுமனே "பயனர்கள்" அல்ல, "வேலை". பணிகளின் சிதைவை யார் வைத்திருக்கிறார்களோ - பணிகள் எவ்வாறு வரையறுக்கப்படுகின்றன, அனுப்பப்படுகின்றன, சரிபார்க்கப்படுகின்றன மற்றும் மேம்படுத்தப்படுகின்றன - அடிப்படை மாதிரிகள் ஒன்றுக்கொன்று மாற்றத்தக்கதாக இருந்தாலும், பயன்பாடு மற்றும் தரவை ஒருங்கிணைக்கும்.
ஒத்துழைப்பு ஏன் அற்பமானதல்ல
- நம்பகமற்ற திட்டமிடல்: LLM-கள் நிகழ்தகவு; அவை சாத்தியமான ஆனால் தவறான திட்டங்களை உருவாக்க முடியும். ஒரு திட்டமிடுபவர் ஏஜென்ட் திட்டங்கள், நினைவுகள் மற்றும் வெளிப்புற சோதனைகளால் கட்டுப்படுத்தப்பட வேண்டும்.
- தகவல்தொடர்பு மேல்நிலை: ஒவ்வொரு ஏஜென்ட் ஹேண்டாஃபும் டோக்கன்களையும் நேரத்தையும் செலவழிக்கிறது; அப்பாவி வடிவமைப்புகள் செலவு மற்றும் தாமதத்தை அதிகரிக்கும்.
- கருவி உடையக்கூடிய தன்மை: API-கள் தோல்வியடைகின்றன, திட்டங்கள் நகர்கின்றன; ஒரு ஏஜென்ட் அடுக்கு மறுமுயற்சிகள் மற்றும் பதிப்புகளை கையாள வேண்டும்.
- மதிப்பீட்டு கடன்: முறையான மதிப்பீடு இல்லாமல், பல-ஏஜென்ட் அமைப்புகள் தூண்டுதல் ஸ்பாகெட்டியாக மாறும்.
பொறியியல் பதில் என்பது ஏஜென்ட் ஒத்துழைப்பை அளவிடப்பட்ட மாற்றங்கள் மற்றும் காணக்கூடிய விளைவுகளுடன் ஒரு நிலை இயந்திரமாக கருதுவதாகும். தயாரிப்பு பதில் என்பது தெரிவுநிலையை வெளிப்படுத்துவதாகும்: கணினி ஏன் ஒரு படி எடுத்தது, என்ன ஆதாரங்களைப் பயன்படுத்தியது மற்றும் மனித வழிகாட்டுதல் எங்கே முக்கியம் என்பதை பயனர்கள் பார்க்க வேண்டும்.
கட்டமைப்புகள்: ஒற்றை-ஷாட் அரட்டைகளிலிருந்து கற்கும் பணிப்பாய்வுகள் வரை
பல-ஏஜென்ட் அமைப்புகள் மற்றும் AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பைப் புரிந்துகொள்வதற்கான ஒரு பயனுள்ள முன்னேற்றக் கட்டமைப்பு:
கட்டம் 0: ஒற்றை-ஏஜென்ட், ஒற்றை-ஷாட்
- ஒரு LLM அழைப்பு, குறைந்த கருவிகள். டெமோக்களுக்கு சிறந்தது; உற்பத்திக்கு உடையக்கூடியது.
கட்டம் 1: ஒற்றை-ஏஜென்ட், கருவி பொருத்தப்பட்டது
- மீட்டெடுப்பு, குறியீடு செயலாக்கம் அல்லது குறிப்பிட்ட API-களுடன் ஒரு ஏஜென்ட். அடித்தளம் மற்றும் கட்டுப்பாடுகளுடன் நம்பகத்தன்மை மேம்படுகிறது.
கட்டம் 2: பல-ஏஜென்ட், தொடர் ஒத்துழைப்பு
- திட்டமிடுபவர் நிபுணர்களிடம் பிரதிநிதிகள் (ஆராய்ச்சியாளர் → குறியீட்டாளர் → சோதனையாளர்). தெளிவாக ஆனால் மெதுவாக; மிகவும் பொதுவான தொடக்கப் புள்ளி.
கட்டம் 3: பல-ஏஜென்ட், இணையான செயலாக்கம்
- சுதந்திரமான துணைப் பணிகள் ஒரே நேரத்தில் இயங்குகின்றன; ஒரு ஒருங்கிணைப்பாளர் முடிவுகளை ஒன்றிணைக்கிறார். கவனமாக சூழல் தனிமைப்படுத்தல் தேவை.
கட்டம் 4: சுய-மேம்படுத்தும் அமைப்பு
- தொடர்ச்சியான மதிப்பீடு, தரவு சேகரிப்பு மற்றும் தூண்டுதல்/கொள்கை பரிணாமம். ஒத்துழைப்பு அடுக்கு ஒரு நிறுவன நினைவகமாக மாறுகிறது, வெறும் இயக்க நேரம் மட்டுமல்ல.
இந்த கட்டங்களை அதிகரிப்பது திறன் மற்றும் பாதுகாப்பை அதிகரிக்கிறது, ஆனால் பொருளாதாரம் அளவிட்டால் மட்டுமே: தீர்க்கப்பட்ட ஒவ்வொரு பணிக்கான செலவு தரம் உயரும்போது குறைய வேண்டும்.
வரலாற்று ஒப்புமை: மைக்ரோசர்வீசஸ், ஆனால் நிகழ்தகவுகளுடன்
ஒற்றைக்கற்களிலிருந்து மைக்ரோசர்வீஸ்களுக்கு மாறுவது இணையான மேம்பாட்டைத் திறந்தது, ஆனால் ஒருங்கிணைப்பு மேல்நிலையை உருவாக்கியது—சேவை கண்டுபிடிப்பு, ஒப்பந்தங்கள், மறுமுயற்சிகள். பல-ஏஜென்ட் அமைப்புகள் அறிவாற்றல் மாறுபாடு: ஏஜெண்டுகள் தெளிவற்ற வெளியீடுகளுடன் கூடிய "சேவைகள்"; ஒப்பந்தங்கள் தூண்டுதல்கள் மற்றும் திட்டங்கள்; மறுமுயற்சிகள் மறு திட்டமிடல் சுழற்சிகள். அதே தீர்வுகள் பொருந்தும்:
- வலுவான இடைமுகங்கள்: கட்டமைக்கப்பட்ட வெளியீடுகள் மற்றும் கருவி திட்டங்கள்.
- கண்காணிப்பு: ஏஜென்ட் படிகளுக்கான தடயங்கள், பதிவுகள் மற்றும் அளவீடுகள்.
- ஆளுகை: பதிப்பு தூண்டுதல்கள், கொள்கைகள் மற்றும் கருவிகள்.
இந்த ஒப்புமை AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு ஏன் ஒரு தளம் பிரச்சினை என்பதை தெளிவுபடுத்துகிறது: இது சிறந்த ஏஜென்ட் இருப்பது பற்றியது அல்ல, ஆனால் பல ஏஜெண்டுகளை பாதுகாப்பாகவும் பொருளாதார ரீதியாகவும் ஒன்றாக வேலை செய்ய அனுமதிக்கும் சிறந்த அமைப்பு பற்றியது.
தொழில் அமைப்பு: வணிகமயமாக்கல், வேறுபாடு மற்றும் அகழிகள்
- மாதிரிகள் மேல்நோக்கி வணிகமயமாக்கப்படுகின்றன: அதிக தரம் வாய்ந்த மாதிரிகள் வரும்போது, மாறுதல் அதிகரிக்கிறது. தற்போதைய விலையில் சிறந்த மாதிரிக்கு பணிகளை அனுப்பும் ஆர்கெஸ்ட்ரேஷன் அடுக்கு பொருளாதாரத்தில் வெற்றி பெறுகிறது.
- கருவிகள் கீழ்நோக்கி வேறுபடுகின்றன: தனியுரிம தரவு மற்றும் ஒருங்கிணைப்புகள் அகழிகளாக மாறும்; தனிப்பட்ட நிறுவன அமைப்புகளுக்கு (டிக்கெட்டுகள், பதிவுகள், சரக்கு) ஏஜெண்டுகளை இணைப்பது ஒட்டும் தன்மையை இயக்குகிறது.
- ஆர்கெஸ்ட்ரேஷன் ஒருங்கிணைக்கிறது: ஒத்துழைப்பு அடுக்கு பணிப்பாய்வு பிடிப்பு மூலம் பூட்ட முடியும். பயன்பாட்டு தடயங்கள், மதிப்பீட்டு தரவு மற்றும் ஏஜென்ட் கொள்கைகள் தனியுரிம சொத்துக்களாக மாறும்.
- பயன்பாடுகள் உறவை வைத்திருக்கின்றன: மக்கள் மற்றும் குழுக்கள் வேலையைச் செய்ய உதவும் பயன்பாடுகள் - தீர்க்கப்பட்ட டிக்கெட்டுகள், ஒன்றிணைக்கப்பட்ட PR-கள், முடிவடைந்த ஒப்பந்தங்கள் - விநியோகம் மற்றும் தினசரி செயலில் உள்ள பயன்பாட்டைப் பெறுகின்றன.
வேறு வார்த்தைகளில் கூறுவதானால்: உங்கள் தயாரிப்பு "ஒரு ஏஜென்ட்" என்றால், நீங்கள் ஒரு அம்சம். உங்கள் தயாரிப்பு "வேலையை முடிக்க பல ஏஜெண்டுகளை ஒருங்கிணைக்க அனுமதிக்கும் ஒரு அமைப்பு" என்றால், நீங்கள் ஒரு தளம்.
AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பின் இயக்கவியல்
கட்டிடத் தொகுதிகள் பற்றி கான்கிரீட் ஆவோம்.
- திட்டமிடல் மற்றும் பணி சிதைவு
- நுட்பங்கள்: செயின்-ஆஃப்-தாட் (மறைக்கப்பட்ட), ட்ரீ-ஆஃப்-தாட், கிராப்-ஆஃப்-தாட்.
- பயிற்சி: திட்டங்களுடன் திட்டமிடலைக் கட்டுப்படுத்துங்கள்; ஆழத்தை கட்டுப்படுத்துங்கள்; சில அதிக மதிப்பு படிகளுக்கு முன்னுரிமை கொடுங்கள்.
- செய்திகள்: பங்கு, நோக்கம் மற்றும் சான்றுடன் கட்டமைக்கப்பட்ட JSON.
- செயல்பாடு அழைப்புகள்: மொழியின் லிங்குவாக தட்டச்சு செய்யப்பட்ட கருவி அழைப்புகள்; திட்டங்களை அமல்படுத்துங்கள்.
- இடைநிறுத்தங்கள்: மனிதர்களும் வெளிப்புற அமைப்புகளும் கட்டுப்பாடுகளைச் செருகலாம்.
- குறுகிய காலம்: தேர்ந்தெடுக்கப்பட்ட நினைவுடன் சூழல் சாளரங்கள்; தீவிரமாக சுருக்கவும்.
- நீண்ட காலம்: பணி, கலைப்பொருள் மற்றும் விளைவு மூலம் விசையிடப்பட்ட திசையன் கடைகள்; மீட்டெடுப்பில் நம்பிக்கை மற்றும் ஆதாரம் ஆகியவை அடங்கும்.
- எபிசோடிக் vs. செமண்டிக்: இரண்டையும் வைத்திருங்கள் - செயல்முறைக்கான எபிசோடுகள், உண்மைகளுக்கான சொற்பொருள்.
- சரிபார்ப்பு மற்றும் விமர்சனம்
- நிலையான: லிண்டிங், வகை சோதனைகள், கட்டுப்பாடு தீர்க்கிகள்.
- மாறும்: அலகு சோதனைகள், கானரி ரன்கள், சாண்ட்பாக்ஸ் செயலாக்கம்.
- எதிர்கால: தொடர்புபடுத்தப்பட்ட பிழைகளைக் குறைக்க வெவ்வேறு தூண்டுதல்களுடன் விமர்சகர் ஏஜெண்டுகள்.
- இணையான செயல்பாடு: சுயாதீனமான துணைப் பணிகளைப் பிரிக்கவும்; ஒரே நேரத்தில் கருவி அழைப்புகளை வரம்பிடவும்.
- சேமிப்பு: மீட்டெடுப்பு மற்றும் இடைநிலை கலைப்பொருட்களை நினைவகம் செய்யுங்கள்.
- திசைதிருப்புதல்: பணி வகை மற்றும் செலவு மூலம் மாதிரிகளைத் தேர்ந்தெடுக்கவும்; முடிந்தவரை கீழே இறக்கவும்.
- கொள்கை: கருவிகளுக்கான அனுமதி/மறுப்பு பட்டியல்கள்; வீத வரம்புகள்; PII கையாளுதல்.
- தணிக்கை: கலைப்பொருட்களுடன் முழு தடயங்கள்; ஒவ்வொரு முடிவு பாதைக்கும் இனப்பெருக்கம்.
- பின்னூட்டம்: பயனர் சமிக்ஞைகள் மற்றும் விளைவு அளவீடுகள் மூலம் வலுப்படுத்துதல்.
முதிர்ச்சியின் அளவு தூண்டுதல்கள் எவ்வளவு புத்திசாலித்தனமாக இருக்கின்றன என்பது அல்ல, ஆனால் அமைப்பு நிலையான அல்லது மேம்படுத்தும் தரத்தில் முடிந்த ஒவ்வொரு பணிக்கும் குறைந்து வரும் செலவைக் காட்டுகிறதா என்பதுதான்.
தரவு மற்றும் அளவீடுகள்: என்ன கருவி
- பணி வெற்றி விகிதம்: மனித தலையீடு இல்லாமல் முடிக்கப்பட்ட எண்ட்-டு-எண்ட் பணிகளின் சதவீதம்.
- தர மதிப்பெண்: மனித மதிப்பீடு அல்லது ரூபிரிக் அடிப்படையிலான வெளியீடுகளின் மதிப்பீடு.
- ஒரு பணிக்கு ஆகும் செலவு: டோக்கன்கள் + கருவி கணக்கீடு + ஆர்கெஸ்ட்ரேஷன் மேல்நிலை.
- தாமதம்: எண்ட்-டு-எண்ட் மற்றும் ஒவ்வொரு ஏஜென்ட் ஹேண்டாஃபுக்கும் P50/P95.
- மறுவேலை விகிதம்: ஒரு பணிக்கு மறுதிட்டமிடல் சுழற்சிகளின் எண்ணிக்கை; காலப்போக்கில் குறைப்புதான் இலக்கு.
- கவரேஜ்: கணினி vs கையேடு மூலம் கையாளப்படும் பணிப்பாய்வுகளின் பங்கு.
நம்பகமான பல-ஏஜென்ட் சாலை வரைபடம் இந்த அளவீடுகள் பயன்பாட்டு அளவுகோலாக சரியான திசையில் செல்கின்றன என்பதைக் காட்டுகிறது. இல்லையெனில், உங்களிடம் ஒரு டெமோ உள்ளது, ஒரு தயாரிப்பு அல்ல.
மூலோபாய தாக்கங்கள்: யார் வெற்றி பெறுகிறார்கள் மற்றும் ஏன்
- நிறுவனங்கள்: ஒத்துழைப்பு அடுக்கு என்பது ஆளுகை, இணக்கம் மற்றும் ஒருங்கிணைப்பு எங்கே வாழ்கின்றன. நிறுவன வாங்குபவர்கள் தங்கள் பதிவு அமைப்புகளுக்கு வரைபடமாக்கும் மற்றும் கண்காணிப்பை வழங்கும் தளங்களுக்கு முன்னுரிமை கொடுப்பார்கள்.
- தொடக்க நிறுவனங்கள்: அளவிடக்கூடிய விளைவுகளுடன் (ஆதரவு தீர்வு, வருவாய் செயல்பாடுகள், உள்வாங்கலுக்கு) ஒரு செங்குத்து பணிப்பாய்வைத் தேர்ந்தெடுக்கவும். சிதைவு மற்றும் சரிபார்ப்பை சொந்தமாக்குங்கள்; மாதிரிகளை சுதந்திரமாக மாற்றவும்.
- மாடல் வழங்குநர்கள்: சிறந்த திட்டமிடல் மற்றும் கருவி பயன்பாட்டுடன் மேலே செல்லுங்கள், ஆனால் டொமைன் தரவு முக்கியத்துவம் வாய்ந்த இடங்களில் ஆர்கெஸ்ட்ரேஷன் விற்பனையாளர்கள் ஒட்டும் தன்மையுடன் இருப்பார்கள் என்று எதிர்பார்க்கலாம்.
- டெவலப்பர்கள்: ஏஜெண்டுகளை சோதனைகளுடன் கூடிய மைக்ரோசர்வீசுகளாக கருதுங்கள். சந்தோஷமான பாதையை விட தோல்விகளுக்காக வடிவமைக்கவும்.
ஒரு மூலோபாய கண்ணோட்டத்தில், AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு "AI அம்சங்களை" வேலைக்கான இயக்க முறைமைகளாக மாற்றுகிறது. பணிப்பாய்வைக் கட்டுப்படுத்துங்கள்; மாதிரி மாற்றக்கூடிய பகுதியாக மாறும்.
Sider.AI இன் பங்கு மற்றும் நடைமுறை பாதை முன்னோக்கி
Sider.AI ஐக் கவனியுங்கள்: ஏஜென்டிக் பணிப்பாய்வுகள் மற்றும் டெவலப்பர் உற்பத்தித்திறன் ஆகியவற்றின் குறுக்குவெட்டில் நிலைநிறுத்தப்பட்டுள்ளது, ஆர்கெஸ்ட்ரேஷன், மீட்டெடுப்பு மற்றும் விமர்சனம் குழுக்களுக்காக எவ்வாறு உற்பத்தி செய்யப்படலாம் என்பதற்கு இது ஒரு சிறந்த எடுத்துக்காட்டு. இங்கே பொருத்தம் அதிகம்: Sider.AI இன் மதிப்பு முன்மொழிவு பல சிறப்பு ஏஜெண்டுகளை ஒருங்கிணைக்க வேண்டிய தேவையை ஒத்துள்ளது - ஆராய்ச்சி, குறியீடாக்கம் மற்றும் பகுப்பாய்வு - ஒரு வெளிப்படையான இடைமுகத்தின் பின்னால். ஒரு மூலோபாய கண்ணோட்டத்தில், பொருத்தம் தெளிவாக உள்ளது: பணிப்பாய்வை (குறியீடாக்கம், மதிப்பாய்வு, பிழைதிருத்தம்) கைப்பற்றுங்கள், தடயங்களை பதிவு செய்யுங்கள், மேலும் அமைப்பு கற்கட்டும். AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு எவ்வாறு அதிகரிக்கிறது. தளங்களை மதிப்பிடும் அல்லது உள்நாட்டில் உருவாக்கும் குழுக்களுக்கு, ஒரு நடைமுறை சாலை வரைபடம்:
- குறுகலாகத் தொடங்குங்கள்: தெளிவான வெற்றி அளவீடுகளுடன் ஒரு பணிப்பாய்வைத் தேர்ந்தெடுக்கவும் - எ.கா., "ட்ரைஜ் மற்றும் P1 பிழைகளைத் தீர்க்கவும்" அல்லது "வரைவு, சோதனை மற்றும் சிறிய அம்சங்களை அனுப்பவும்."
- குழுவை வடிவமைக்கவும்: தெளிவான பாத்திரங்கள் மற்றும் கருவி நோக்கங்களுடன் 3-5 ஏஜெண்டுகளை வரையறுக்கவும்.
- ஆரம்பத்தில் காவற்காடுகளைச் சேர்க்கவும்: திட்டம்-கட்டுப்படுத்தப்பட்ட கருவிகள், சாண்ட்பாக்ஸ் செய்யப்பட்ட செயலாக்கம் மற்றும் ஒரு விமர்சகர் ஏஜென்ட்.
- கருவிகளை இரக்கமின்றி கருவிகளாகப் பயன்படுத்துங்கள்: ஒவ்வொரு படியிலும் செலவு, தாமதம் மற்றும் தரம்; காலப்போக்கில் முன்னேற்றத்தைக் காட்டுங்கள்.
- நினைவகத்தை உருவாக்கவும்: கலைப்பொருட்கள் மற்றும் பாடங்களைப் பாதுகாக்க; மீட்டெடுப்பில் ஆதாரம் இருக்க வேண்டும்.
- மனிதர்களை லூப்பில் வைத்திருங்கள்: தெளிவான விரிவாக்க விதிகள் மற்றும் ஒரு கிளிக் ஒப்புதல்கள்; தலையீட்டை அளவிடவும்.
அதிக ஏஜெண்டுகளை உருவாக்குவது முக்கியமல்ல; குறையும் ஓரளவு செலவில், வேலையை நம்பகத்தன்மையுடன் முடிக்கக்கூடிய குறைந்த எண்ணிக்கையிலான ஏஜெண்டுகளை உருவாக்குவதுதான் முக்கியம்.
வழக்கு எடுத்துக்காட்டுகள்: காடுகளில் ஒத்துழைப்பு
- மென்பொருள் டெலிவரி: திட்டமிடுபவர் ஒரு டிக்கெட்டை பணிகளாக உடைக்கிறார்; ஆராய்ச்சியாளர் குறியீடு மற்றும் ஆவணங்களிலிருந்து சூழலை சேகரிக்கிறார்; குறியீட்டாளர் திட்டுகளை முன்மொழிகிறார்; சோதனையாளர் அலகு மற்றும் ஒருங்கிணைப்பு சோதனைகளை இயக்குகிறார்; மதிப்பாய்வாளர் கட்டுப்பாடுகளை அமல்படுத்துகிறார்; டெப்ளாயர் அம்ச கொடிகளுக்குப் பின்னால் ஒன்றிணைக்கிறார். அமைப்பு பில்ட் கலைப்பொருட்களை சேமிக்கும்போது மற்றும் பொதுவான தோல்வி முறைகளைக் கற்றுக் கொள்ளும்போது அளவீடுகள் மேம்படும்.
- வாடிக்கையாளர் ஆதரவு: ரூட்டர் நோக்கங்களை வகைப்படுத்துகிறது; மீட்டெடுப்பவர் அறிவு அடிப்படை துணுக்குகளை மீட்டெடுக்கிறார்; எழுத்தாளர் பதில்களை உருவாக்குகிறார்; சரிபார்ப்பவர் தொனி மற்றும் கொள்கை இணக்கத்தை சரிபார்க்கிறார்; முடிப்பவர் தீர்வை கண்காணிக்கிறார் மற்றும் பின்தொடர்தல்களைத் தூண்டுகிறார். CRM மற்றும் டிக்கெட்டிங் அமைப்புகளுடன் இறுக்கமான ஒருங்கிணைப்பிலிருந்து மதிப்பு பெறப்படுகிறது.
- தரவு செயல்பாடுகள்: ஸ்பெக் ஏஜென்ட் மாற்றங்களை வரையறுக்கிறது; வினவல் ஏஜென்ட் வம்சாவளியுடன் SQL ஐ உருவாக்குகிறது; சரிபார்ப்பவர் திட்டங்கள் மற்றும் ஒழுங்கின்மை வரம்புகளுக்கு எதிராக சரிபார்க்கிறார்; வெளியீட்டாளர் விழிப்பூட்டல்களுடன் டாஷ்போர்டுகளை புதுப்பிக்கிறார். ஒத்துழைப்பு அடுக்கு ஒப்பந்தங்கள் மற்றும் தணிக்கைகளை அமல்படுத்துவதன் மூலம் அமைதியான தரவு சிதைவைத் தடுக்கிறது.
இந்த எடுத்துக்காட்டுகள் அதே வடிவத்தை விளக்குகின்றன: AI ஏஜெண்டுகளுக்கு இடையிலான ஒத்துழைப்பு இடைமுகங்களைக் கட்டுப்படுத்துவதன் மூலமும் ஆதாரங்களைச் சேகரிப்பதன் மூலமும் ஸ்டோகாஸ்டிக் பகுத்தறிவை உறுதியான பணிப்பாய்வுகளாக மாற்றுகிறது.
ஏஜென்ட் ஒத்துழைப்பின் பொருளாதாரம்
பெரிய செலவு இயக்கிகள் சூழலில் உள்ள டோக்கன்கள், மீண்டும் மீண்டும் திட்டமிடல் படிகள் மற்றும் கருவி அழைப்பு தாமதம். நடைமுறை உகப்பாக்கல்களில் பின்வருவன அடங்கும்:
- ஆரம்பத்தில் சுருக்கவும், அடிக்கடி சுருக்கவும்: நீண்ட டிரான்ஸ்கிரிப்டுகளை கட்டமைக்கப்பட்ட சுருக்கங்களுடன் மாற்றவும்.
- நிலையான திட்டங்களை ஊக்குவிக்கவும்: சரிபார்க்கப்பட்டதும் படிகளை முடக்குங்கள்; மறு திட்டமிடல் சுழற்சிகளைத் தவிர்க்கவும்.
- புத்திசாலித்தனமாக திசைதிருப்பவும்: மனப்பாடம் பணிகளுக்கு சிறிய, வேகமான மாதிரிகளைப் பயன்படுத்தவும்; ஒருங்கிணைப்பு அல்லது முக்கியமான படிகளுக்கு பெரிய மாதிரிகளுக்கு அதிகரிக்கவும்.
- கவனத்துடன் இணையான செயல்பாடு: சுயாதீனமாக இருக்கும்போது மட்டுமே இணையான; இல்லையெனில், நீங்கள் இரண்டு முறை ஒத்திசைவு செலவுகளை செலுத்துகிறீர்கள்.
பொருளாதார எண்ட் கேம் கிளவுட் செலவு மேலாண்மைக்கு ஒத்திருக்கிறது: செலவு கட்டுப்பாடுகள், பட்ஜெட்டுகள் மற்றும் தானியங்கி டவுன்ஷிப்ட்களை வெளிப்படுத்தும் ஒத்துழைப்பு தளம் நிறுவன நம்பிக்கையை வெல்லும்.
ஆளுகை, இணக்கம் மற்றும் ஆபத்து
நிறுவனங்கள் வலுவான ஆளுகை இல்லாமல் பரந்த ஏஜென்ட் அமைப்புகளை நிலைநிறுத்த மாட்டார்கள்:
- தரவு குடியிருப்பு மற்றும் PII கட்டுப்பாடுகள்: தரவு வகைப்பாட்டின் மூலம் கருவி மற்றும் மாதிரி திசைதிருப்பல்.
- தணிக்கை செய்யக்கூடிய தன்மை: தூண்டுதல்கள், வெளியீடுகள், கருவிகள் மற்றும் முடிவுகளின் மாற்ற முடியாத பதிவுகள்.
- கொள்கை அமலாக்கம்: செயல்களின் மீது கடுமையான கட்டுப்பாடுகள்; மதிப்புரைகளுக்கான விளக்கமளிக்கும் தன்மை.
- விற்பனையாளர் ஆபத்து: ஒற்றை விற்பனையாளர் பூட்டைத் தவிர்க்க மாதிரி மற்றும் கருவி சுருக்கம்.
AI ஏஜெண்டுகளுக்கு இடையேயான கூட்டு முயற்சி வேலையின் இயக்க முறைமையாக இருந்தால், ஆளுமை என்பது கர்னல் முறையாகும். அது இல்லாமல், ஒழுங்குபடுத்தப்பட்ட சூழல்களில் அமைப்பு துவக்கப்பட முடியாததாகிவிடும்.
எதிர்கால கண்ணோட்டம்: புதிய இடைமுகமாக பல-ஏஜெண்டுகள்
நீண்ட கால நோக்கம் தெளிவாக உள்ளது. பல-ஏஜெண்ட் அமைப்புகள் முதிர்ச்சியடையும்போது, பயனர் இடைமுகம் சாட் செய்வதிலிருந்து பணி கட்டுப்பாட்டுக்கு மாறுகிறது. பயனர்கள் பத்திகளை கேட்க மாட்டார்கள்; அவர்கள் நோக்கங்களை ஒதுக்கலாம், திட்டங்களை ஆய்வு செய்யலாம், படிகளுக்கு ஒப்புதல் அளிக்கலாம், மேலும் முடிவுகளை தணிக்கை செய்யலாம். AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு ஒரு உரையாடல் போல அல்லாமல், டாஷ்போர்டுகள், விழிப்பூட்டல்கள் மற்றும் பிந்தைய ஆய்வுகள் மூலம் ஒரு குழுவை நிர்வகிப்பது போல் இருக்கும்.
கவனிக்க வேண்டிய இரண்டு மாற்றங்கள்:
- உள்நாட்டு ஏஜெண்ட் சுற்றுச்சூழல் அமைப்புகள்: சான்றிதழ் மற்றும் {SLAs} உடன் கூடிய சிறப்பு ஏஜெண்டுகள் மற்றும் கருவிகளுக்கான சந்தைகள்.
- தொடர்ச்சியான கற்றல் சுழற்சிகள்: திட்டமிடல் கொள்கைகள் மற்றும் பாதுகாப்புக் கட்டமைப்புகளை மேம்படுத்தும் செயற்கை தரவுத்தொகுதிகளுக்கு ஊக்கமளிக்கும் பயன்பாட்டு தடயங்கள்.
இறுதி நிலை என்பது அனைத்தையும் ஆளும் ஒரு மாதிரி அல்ல, மாறாக எண்ணற்ற ஒத்துழைக்கும் ஏஜெண்டுகள், எந்த ஒரு மனிதனையும் விட வேலையைப் பற்றி நன்கு புரிந்து கொள்ளும் தளங்களால் ஒருங்கிணைக்கப்படுகின்றன - மேலும் அவை வெளியீடுகளால் அல்ல, விளைவுகளால் மதிப்பிடப்படுகின்றன.
முடிவுரை: பணிப்பாய்வைக் கட்டுப்படுத்துங்கள், மாதிரிக்கான உரிமையைப் பெறுங்கள்
AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு என்பது AI அடுக்குமுறையில் இயல்பான அடுத்த கட்டமாகும்: இது கட்டமைப்பு, நினைவகம் மற்றும் சரிபார்ப்பு மூலம் நிகழ்தகவு பகுத்தறிவை தொழில்முறை ஆக்குகிறது. மூலோபாய பாடம் முந்தைய கணினி மாற்றங்களுடன் ஒத்துப்போகிறது: மதிப்புகள் தேவையை ஒருங்கிணைக்கும் அடுக்கில் அதிகரிக்கும் - இந்த விஷயத்தில், வேலையை சிதைத்து, சரிபார்த்து, வழங்கும் இசைவு அடுக்கு. அடிப்படை மாதிரிகள் மேம்படும்; கருவிகள் பெருகும்; ஆனால் வெற்றி பெறுபவர்கள் பணிப்பாய்வுகள், தரவு வெளியேற்றம் மற்றும் நம்பிக்கையை வைத்திருப்பார்கள்.
பல-ஏஜெண்ட் அமைப்புகளைப் புரிந்துகொள்வது அவசியம் ஆனால் போதுமானதல்ல. ஒத்துழைப்பை உருவாக்கும் வாய்ப்பு உள்ளது: குறைவான படிகள், வேகமான சுழற்சிகள், சிறந்த விளைவுகள் மற்றும் காலப்போக்கில் குறைந்த செலவுகள். நீங்கள் ஒரு குறுகிய பகுதியைத் தேர்ந்தெடுக்கும் ஒரு தொடக்க நிறுவனமாக இருந்தாலும், ஒரு இசைவு தளத்தில் தரப்படுத்தப்பட்ட ஒரு நிறுவனமாக இருந்தாலும், அல்லது ஒரு மாதிரி வழங்குநர் மேல்தட்டுக்கு நகர்ந்தாலும், கட்டாயமானது ஒன்றுதான்: உங்கள் தயாரிப்பை ஒருங்கிணைப்பாக ஆக்குங்கள். அங்குதான் மூலோபாயம் மென்பொருளாக மாறும், மேலும் AI ஒரு டெமோவாக இருப்பதை நிறுத்திவிட்டு வணிகமாக மாறுகிறது.
அடிக்கடி கேட்கப்படும் கேள்விகள்
கே1: நடைமுறை ரீதியாக AI இல் பல-ஏஜெண்ட் அமைப்பு என்றால் என்ன?
இது ஒரு பணியை முடிக்க பகிரப்பட்ட கருவிகள் மற்றும் நினைவகம் மூலம் பணிபுரியும் சிறப்பு ஏஜெண்டுகளின் ஒருங்கிணைந்த தொகுப்பாகும் - திட்டமிடுபவர், ஆராய்ச்சியாளர், குறியீட்டாளர், மதிப்பாய்வாளர். AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு பாத்திரங்கள், சரிபார்ப்பு மற்றும் ஆளுமை ஆகியவற்றை செயல்படுத்துவதன் மூலம் நிகழ்தகவு வெளியீடுகளை நம்பகமான பணிப்பாய்வுகளாக மாற்றுகிறது.
கே2: வணிகங்களுக்கு AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு ஏன் முக்கியமானது?
ஏனென்றால், மதிப்புகள் முடிக்கப்பட்ட வேலைக்கு அதிகரிக்கும், ஒற்றை பதில்களுக்கு அல்ல. AI ஏஜெண்டுகளுக்கு இடையேயான பயனுள்ள ஒத்துழைப்பு பணிக்கு ஆகும் செலவைக் குறைக்கிறது, சரிபார்ப்பு மற்றும் நினைவகம் மூலம் நிலைத்தன்மையை மேம்படுத்துகிறது, மேலும் காலப்போக்கில் அதிகரிக்கும் தனியுரிம தரவு வெளியேற்றத்தை உருவாக்குகிறது.
கே3: பல-ஏஜெண்ட் பணிப்பாய்வுகளுக்கான தளத்தை நான் எவ்வாறு மதிப்பிடுவது?
வெற்றி விகிதம், பணிக்கு ஆகும் செலவு, தாமதம் மற்றும் மறுவேலை விகிதம் ஆகியவற்றிற்கான கருவிகளைப் பொருத்துங்கள்; வலுவான கருவி திட்டங்கள், கண்கானிப்பு மற்றும் ஆளுமை ஆகியவற்றைப் பாருங்கள். AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பை செயல்பாட்டுக்குக் கொண்டுவரும் தளங்கள் - திட்டமிடல், விமர்சனம் மற்றும் நினைவகம் - உற்பத்தியில் அளவிட அதிக வாய்ப்புள்ளது.
கே4: அடிப்படை மாதிரிகள் ஒத்துழைப்பு அடுக்கிற்கு ஏற்ப எங்கே பொருந்தும்?
மாதிரிகள் பகுத்தறிவு கர்னலை வழங்குகின்றன, ஆனால் இசைவு சிதைவு, ரூட்டிங் மற்றும் சரிபார்ப்பை சொந்தமாக்குகிறது. மாதிரிகள் சரக்குகளாக மாறும்போது, இசைவு அடுக்கில் AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு வேறுபாடு மற்றும் பாதுகாப்பின் மையமாக மாறும்.
கே5: குழுக்கள் பல-ஏஜெண்ட் அமைப்புகளுடன் பாதுகாப்பாக எவ்வாறு தொடங்க வேண்டும்?
ஒரு குறுகிய பணிப்பாய்வுடன் தொடங்கி, தெளிவான பாத்திரங்கள், கருவி கட்டுப்பாடுகள் மற்றும் விமர்சகருடன் 3-5 ஏஜெண்டுகளை வரையறுக்கவும். மனித-உள்ளீடு அங்கீகாரங்களைச் சேர்த்து, AI ஏஜெண்டுகளுக்கு இடையேயான ஒத்துழைப்பு செலவுகளை அதிகரிப்பதை விட கணிக்கக்கூடிய வகையில் மேம்படுத்தும் வகையில் அளவீடுகளை கண்காணிக்கவும்.
