ਮਲਟੀ-ਏਜੰਟ ਏਆਈ ਸਿਸਟਮ ਬਣਾਉਣਾ: ਆਟੋਨੋਮਸ ਟੀਮਾਂ ਜੋ ਸੋਚਦੀਆਂ ਹਨ

ਮਲਟੀ-ਏਜੰਟ ਏਆਈ ਸਿਸਟਮ ਬਣਾਉਣਾ: ਆਟੋਨੋਮਸ ਟੀਮਾਂ ਜੋ ਸੋਚਦੀਆਂ ਹਨ

ਸਿੰਗਲ AI ਏਜੰਟ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੁੰਦੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਕ ਸਿੰਗਲ ਏਜੰਟ ਯੋਜਨਾ ਬਣਾਉਣ, ਕੋਡ, ਸਮੀਖਿਆ, ਜਾਂਚ ਅਤੇ ਤੈਨਾਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ, ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਇੱਕ ਕੰਪਨੀ ਵਿੱਚ ਹਰ ਕੰਮ ਕਰਨ ਲਈ ਕਹਿਣ ਵਰਗਾ ਹੈ। ਨਤੀਜਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਮਲਟੀ-ਏਜੰਟ AI ਸਿਸਟਮ ਵਿਅਕਤੀਗਤ ਏਜੰਟਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਭੂਮਿਕਾਵਾਂ ਸੌਂਪ ਕੇ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਹਿਯੋਗ ਦੇਣ ਦੇ ਕੇ ਇਸ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਨ - ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਗਠਿਤ ਮਨੁੱਖੀ ਟੀਮ ਵਾਂਗ।

ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਖੋਜ ਕਰਦੇ ਹਾਂ ਕਿ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ ਕੀ ਹਨ, ਏਜੰਟ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਕਿਹੜੇ ਫਰੇਮਵਰਕ ਉਪਲਬਧ ਹਨ, ਅਤੇ ਮੈਮੋਰੀ ਅਤੇ ਆਰਕੈਸਟਰੇਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਣਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਵਿਹਾਰਕ ਉਦਾਹਰਣ ਦੇ ਨਾਲ ਸਮਾਪਤ ਕਰਾਂਗੇ: ਇੱਕ AI ਵਿਕਾਸ ਟੀਮ ਜੋ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦੀ ਹੈ, ਕੋਡ ਲਿਖਦੀ ਹੈ, ਅਤੇ ਪੁੱਲ ਬੇਨਤੀਆਂ ਦੀ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਸਮੀਖਿਆ ਕਰਦੀ ਹੈ।

ਮਲਟੀ-ਏਜੰਟ ਏਆਈ ਸਿਸਟਮ ਕੀ ਹਨ?

ਇੱਕ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ (MAS) ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਹੈ ਜਿੱਥੇ ਮਲਟੀਪਲ AI ਏਜੰਟ ਇੱਕ ਸਾਂਝੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ, ਹਰੇਕ ਦੀ ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਭੂਮਿਕਾ, ਸਾਧਨਾਂ ਦੇ ਸੈੱਟ ਅਤੇ ਉਦੇਸ਼ਾਂ ਦੇ ਨਾਲ। ਇੱਕ ਮੋਨੋਲੀਥਿਕ ਏਜੰਟ ਦੇ ਉਲਟ ਜੋ ਹਰ ਚੀਜ਼ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਇੱਕ MAS ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਉਪ-ਕਾਰਜਾਂ ਵਿੱਚ ਵਿਗਾੜਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਏਜੰਟਾਂ ਨੂੰ ਸੌਂਪਦਾ ਹੈ।

ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ ਦੀਆਂ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਵਿਸ਼ੇਸ਼ਤਾ: ਹਰੇਕ ਏਜੰਟ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਦੇ ਇੱਕ ਤੰਗ ਸਮੂਹ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲੇ ਆਉਟਪੁੱਟ ਹੁੰਦੇ ਹਨ।
• ਖੁਦਮੁਖਤਿਆਰੀ: ਏਜੰਟ ਲਗਾਤਾਰ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੇ ਬਿਨਾਂ ਆਪਣੇ ਡੋਮੇਨ ਦੇ ਅੰਦਰ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ ਅਤੇ ਕਾਰਵਾਈਆਂ ਕਰ ਸਕਦੇ ਹਨ।
• ਸੰਚਾਰ: ਏਜੰਟ ਸਟ੍ਰਕਚਰਡ ਮੈਸੇਜ, ਸ਼ੇਅਰਡ ਸਟੇਟ, ਜਾਂ ਕੇਂਦਰੀ ਆਰਕੈਸਟਰੇਟਰ ਰਾਹੀਂ ਜਾਣਕਾਰੀ ਦਾ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।
• ਤਾਲਮੇਲ: ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਵਰਕਫਲੋ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਏਜੰਟ ਸਹੀ ਕ੍ਰਮ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਨਿਰਭਰਤਾ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸੰਭਾਲਦੇ ਹਨ।

ਏਜੰਟ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ

ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ ਬਣਾਉਣ ਦਾ ਪਹਿਲਾ ਕਦਮ ਸਪੱਸ਼ਟ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਸਾੱਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਤੋਂ ਇੱਕ ਸਮਾਨਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਖਿੱਚਦੇ ਹੋਏ, ਇਹਨਾਂ ਆਮ ਏਜੰਟ ਆਰਕੀਟਾਈਪਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰੋ:

• ਯੋਜਨਾਕਾਰ ਏਜੰਟ: ਉੱਚ-ਪੱਧਰੀ ਟੀਚੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਕੰਮਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ, ਸਵੀਕ੍ਰਿਤੀ ਦੇ ਮਾਪਦੰਡ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਢਾਂਚਾਗਤ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਏਜੰਟ ਕੋਡ ਨਹੀਂ ਲਿਖਦਾ - ਇਹ ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਸੋਚਦਾ ਹੈ।
• ਵਿਕਾਸਕਾਰ ਏਜੰਟ: ਇੱਕ ਕਾਰਜ ਨਿਰਧਾਰਨ ਲੈਂਦਾ ਹੈ ਅਤੇ ਕੋਡ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਕੋਲ ਫਾਈਲ ਸਿਸਟਮ ਟੂਲਸ, ਕੋਡ ਖੋਜ, ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ। ਇਹ ਯੋਜਨਾ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ ਪਰ ਲਾਗੂ ਕਰਨ ਬਾਰੇ ਰਣਨੀਤਕ ਫੈਸਲੇ ਲੈਂਦਾ ਹੈ।
• ਸਮੀਖਿਅਕ ਏਜੰਟ: ਬੱਗਾਂ, ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ, ਸ਼ੈਲੀ ਦੀਆਂ ਉਲੰਘਣਾਵਾਂ, ਅਤੇ ਤਰਕਪੂਰਨ ਤਰੁੱਟੀਆਂ ਲਈ ਡਿਵੈਲਪਰ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਇਹ ਢਾਂਚਾਗਤ ਫੀਡਬੈਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸ 'ਤੇ ਵਿਕਾਸਕਾਰ ਕਾਰਵਾਈ ਕਰ ਸਕਦਾ ਹੈ।
• ਟੈਸਟਰ ਏਜੰਟ: ਟੈਸਟ ਕੇਸ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ। ਇਹ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਅਤੇ ਰਿਗਰੈਸ਼ਨ ਟੈਸਟਿੰਗ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ।
• ਡਿਪਲੋਅਰ ਏਜੰਟ: CI/CD ਪਾਈਪਲਾਈਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ, ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪ੍ਰਬੰਧ, ਅਤੇ ਨਿਗਰਾਨੀ ਸੈੱਟਅੱਪ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।

ਹਰੇਕ ਭੂਮਿਕਾ ਵਿੱਚ ਇੱਕ ਸਪਸ਼ਟ ਸਿਸਟਮ ਪ੍ਰੋਂਪਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਉਸਦੀ ਸ਼ਖਸੀਅਤ, ਰੁਕਾਵਟਾਂ, ਅਤੇ ਉਪਲਬਧ ਸਾਧਨਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਭੂਮਿਕਾ ਦੀ ਪਰਿਭਾਸ਼ਾ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਖਾਸ ਹੋਵੇਗੀ, ਏਜੰਟ ਉੱਨਾ ਹੀ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ।

ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ ਲਈ ਫਰੇਮਵਰਕ

ਮਲਟੀ-ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਨਿਰਮਾਣ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਲਈ ਕਈ ਫਰੇਮਵਰਕ ਉਭਰ ਕੇ ਸਾਹਮਣੇ ਆਏ ਹਨ। ਇੱਥੇ ਅੱਜ ਉਪਲਬਧ ਤਿੰਨ ਸਭ ਤੋਂ ਸਮਰੱਥ ਵਿਕਲਪ ਹਨ:

ਕਰੂਏਆਈ

CrewAI ਏਜੰਟਾਂ, ਕਾਰਜਾਂ ਅਤੇ ਅਮਲੇ (ਏਜੰਟਾਂ ਦੀਆਂ ਟੀਮਾਂ) ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਲਈ ਇੱਕ ਉੱਚ-ਪੱਧਰੀ ਐਬਸਟਰੈਕਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਰੋਲ-ਅਧਾਰਿਤ ਡਿਜ਼ਾਈਨ ਅਤੇ ਕ੍ਰਮਵਾਰ ਜਾਂ ਸਮਾਨਾਂਤਰ ਕਾਰਜ ਐਗਜ਼ੀਕਿਊਸ਼ਨ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ। CrewAI ਉਹਨਾਂ ਟੀਮਾਂ ਲਈ ਉੱਤਮ ਹੈ ਜੋ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਤਰਕ ਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਬਣਾਏ ਬਿਨਾਂ ਜਲਦੀ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ। ਇਸਦਾ ਘੋਸ਼ਣਾਤਮਕ ਸੰਟੈਕਸ ਏਜੰਟ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇਕੱਠੇ ਤਾਰ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।

AutoGen (Microsoft)

ਆਟੋਜੇਨ ਗੱਲਬਾਤ ਦੇ ਬਹੁ-ਏਜੰਟ ਵਰਕਫਲੋ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ। ਏਜੰਟ ਇੱਕ ਚੈਟ-ਵਰਗੇ ਇੰਟਰਫੇਸ ਰਾਹੀਂ ਸੰਚਾਰ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਬਹਿਸ, ਸਮੀਖਿਆ ਅਤੇ ਦੁਹਰਾਓ ਦੇ ਪੈਟਰਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਕੁਦਰਤੀ ਬਣ ਜਾਂਦਾ ਹੈ। ਆਟੋਜੇਨ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖੁਦਮੁਖਤਿਆਰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਅਤੇ ਮਨੁੱਖੀ-ਇਨ-ਦੀ-ਲੂਪ ਮੋਡਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਉਤਪਾਦਨ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਕੀਮਤੀ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਵਾਲੇ ਬਿੰਦੂਆਂ 'ਤੇ ਨਿਗਰਾਨੀ ਚਾਹੁੰਦੇ ਹੋ।

ਕਲਾਉਡ ਏਜੰਟ SDK

ਕਲੌਡ ਏਜੰਟ SDK ਐਂਥਰੋਪਿਕ ਦੇ ਕਲਾਉਡ ਮਾਡਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਬਿਲਡਿੰਗ ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਟੂਲ ਦੀ ਵਰਤੋਂ, ਢਾਂਚਾਗਤ ਆਉਟਪੁੱਟ, ਅਤੇ ਬਾਕਸ ਤੋਂ ਬਾਹਰ ਗੱਲਬਾਤ ਪ੍ਰਬੰਧਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ। ਇਸਦੀ ਤਾਕਤ ਅੰਡਰਲਾਈੰਗ ਮਾਡਲ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਸਟੀਕ ਟੂਲ ਸਕੀਮਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਹੈ ਜਿਸਨੂੰ ਏਜੰਟ ਬੁਲਾ ਸਕਦੇ ਹਨ। ਉਹਨਾਂ ਟੀਮਾਂ ਲਈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਆਪਣੇ ਸਟੈਕ ਵਿੱਚ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ, ਏਜੰਟ SDK ਮਲਟੀ-ਏਜੰਟ ਆਰਕੀਟੈਕਚਰ ਲਈ ਇੱਕ ਕੁਦਰਤੀ ਮਾਰਗ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਮੈਮੋਰੀ ਅਤੇ ਸਟੇਟ ਪ੍ਰਬੰਧਨ

ਮਲਟੀ-ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀ ਚੁਣੌਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਮੈਮੋਰੀ ਹੈ। ਏਜੰਟਾਂ ਨੂੰ ਇਹ ਯਾਦ ਰੱਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਕੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਚੱਲ ਰਿਹਾ ਹੈ, ਅਤੇ ਮੌਜੂਦਾ ਸੰਦਰਭ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਇਸ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਈ ਤਰੀਕੇ ਹਨ:

• ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੀ ਯਾਦਦਾਸ਼ਤ: ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਗੱਲਬਾਤ ਦਾ ਇਤਿਹਾਸ ਪਾਸ ਕੀਤਾ ਗਿਆ। ਸਧਾਰਨ ਪਰ ਟੋਕਨ ਪਾਬੰਦੀਆਂ ਦੁਆਰਾ ਸੀਮਿਤ।
• ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਦੁਆਰਾ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੈਮੋਰੀ: ਏਜੰਟ ਵੈਕਟਰ ਸਟੋਰਾਂ ਜਿਵੇਂ ਕਿ Pinecone, Weaviate, ਜਾਂ ChromaDB ਤੋਂ ਜਾਣਕਾਰੀ ਸਟੋਰ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਇਹ ਏਜੰਟਾਂ ਨੂੰ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ ਭਰੇ ਬਿਨਾਂ ਸੰਬੰਧਿਤ ਪਿਛਲੀਆਂ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ, ਕੋਡ ਸਨਿੱਪਟ, ਜਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਯਾਦ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
• ਸ਼ੇਅਰਡ ਸਟੇਟ ਸਟੋਰ: ਇੱਕ ਕੇਂਦਰੀ ਕੁੰਜੀ-ਮੁੱਲ ਸਟੋਰ (Redis, ਇੱਕ ਡੇਟਾਬੇਸ, ਜਾਂ ਇੱਕ ਸਾਂਝੀ JSON ਫਾਈਲ) ਜਿੱਥੇ ਏਜੰਟ ਸਟ੍ਰਕਚਰਡ ਸਟੇਟ ਨੂੰ ਪੜ੍ਹਦੇ ਅਤੇ ਲਿਖਦੇ ਹਨ। ਇਹ ਕਾਰਜ ਸਥਿਤੀ, ਨਿਰਭਰਤਾ, ਅਤੇ ਕਲਾਤਮਕ ਚੀਜ਼ਾਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਲਾਭਦਾਇਕ ਹੈ।
• ਆਰਟੀਫੈਕਟ ਪਾਸ ਕਰਨਾ: ਏਜੰਟ ਆਉਟਪੁੱਟ (ਫਾਇਲਾਂ, ਯੋਜਨਾਵਾਂ, ਸਮੀਖਿਆਵਾਂ) ਪੈਦਾ ਕਰਦੇ ਹਨ ਜੋ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਅਗਲੇ ਏਜੰਟ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਪਾਸ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਹ ਮੈਮੋਰੀ ਦਾ ਸਭ ਤੋਂ ਸਰਲ ਰੂਪ ਹੈ ਅਤੇ ਰੇਖਿਕ ਵਰਕਫਲੋ ਲਈ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ।

ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਪੈਟਰਨ

ਏਜੰਟ ਆਪਣੇ ਕੰਮ ਦਾ ਤਾਲਮੇਲ ਕਿਵੇਂ ਕਰਦੇ ਹਨ, ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੰਨਾ ਹਰੇਕ ਏਜੰਟ ਕੀ ਕਰਦਾ ਹੈ। ਤਿੰਨ ਸਭ ਤੋਂ ਆਮ ਆਰਕੈਸਟਰੇਸ਼ਨ ਪੈਟਰਨ ਹਨ:

• ਕ੍ਰਮਵਾਰ ਪਾਈਪਲਾਈਨ: ਏਜੰਟ ਇੱਕ ਨਿਸ਼ਚਿਤ ਕ੍ਰਮ ਵਿੱਚ ਚਲਾਉਂਦੇ ਹਨ। ਯੋਜਨਾਕਾਰ ਪਹਿਲਾਂ ਚੱਲਦਾ ਹੈ, ਫਿਰ ਵਿਕਾਸਕਾਰ, ਫਿਰ ਸਮੀਖਿਅਕ। ਸਧਾਰਨ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨਯੋਗ, ਪਰ ਸਮਾਨਾਂਤਰ ਕੰਮ ਲਈ ਹੌਲੀ।
• ਲੜੀਵਾਰ ਵਫ਼ਦ: ਇੱਕ ਮੈਨੇਜਰ ਏਜੰਟ ਉੱਚ-ਪੱਧਰੀ ਟੀਚਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਕਰਮਚਾਰੀ ਏਜੰਟਾਂ ਨੂੰ ਉਪ-ਕਾਰਜ ਸੌਂਪਦਾ ਹੈ। ਮੈਨੇਜਰ ਪ੍ਰਗਤੀ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਕੰਮ ਨੂੰ ਦੁਬਾਰਾ ਸੌਂਪਦਾ ਹੈ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਮਨੁੱਖੀ ਸੰਸਥਾਵਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ।
• ਸਹਿਯੋਗੀ ਲੂਪ: ਏਜੰਟ ਦੁਹਰਾਉਣ ਵਾਲੇ ਚੱਕਰਾਂ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ। ਡਿਵੈਲਪਰ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਸਮੀਖਿਅਕ ਫੀਡਬੈਕ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਡਿਵੈਲਪਰ ਸੋਧ ਕਰਦਾ ਹੈ। ਇਹ ਲੂਪ ਉਦੋਂ ਤੱਕ ਜਾਰੀ ਰਹਿੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਸਮੀਖਿਅਕ ਦੁਆਰਾ ਮਨਜ਼ੂਰੀ ਨਹੀਂ ਮਿਲਦੀ ਜਾਂ ਵੱਧ ਤੋਂ ਵੱਧ ਦੁਹਰਾਓ ਗਿਣਤੀ ਤੱਕ ਪਹੁੰਚ ਨਹੀਂ ਜਾਂਦੀ।

ਅਸਲ ਉਦਾਹਰਨ: ਇੱਕ AI ਵਿਕਾਸ ਟੀਮ

ਆਓ ਇਸ ਸਭ ਨੂੰ ਇੱਕ ਠੋਸ ਉਦਾਹਰਣ ਦੇ ਨਾਲ ਜੋੜੀਏ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਇੱਕ AI ਟੀਮ ਚਾਹੁੰਦੇ ਹੋ ਜੋ ਇੱਕ GitHub ਮੁੱਦਾ ਲੈ ਸਕਦੀ ਹੈ ਅਤੇ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਪੁੱਲ ਬੇਨਤੀ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ:

• ਕਦਮ 1: ਦ ਯੋਜਨਾਕਾਰ ਏਜੰਟ GitHub ਮੁੱਦੇ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ, ਕੋਡਬੇਸ ਢਾਂਚੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, ਅਤੇ ਸੰਸ਼ੋਧਿਤ ਕਰਨ ਅਤੇ ਸਵੀਕ੍ਰਿਤੀ ਦੇ ਮਾਪਦੰਡਾਂ ਲਈ ਖਾਸ ਫਾਈਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਕਾਰਜ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ।
• ਕਦਮ 2: ਦ ਡਿਵੈਲਪਰ ਏਜੰਟ ਯੋਜਨਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਤਬਦੀਲੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਇਹ ਫਾਈਲ ਰੀਡ/ਰਾਈਟ ਟੂਲ, ਕੋਡ ਖੋਜ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਟੈਸਟ ਚਲਾ ਸਕਦਾ ਹੈ।
• ਕਦਮ 3: ਦ ਸਮੀਖਿਅਕ ਏਜੰਟ ਅੰਤਰ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਬੱਗਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਸੁਰੱਖਿਆ ਸਮੱਸਿਆਵਾਂ, ਅਤੇ ਯੋਜਨਾ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਇਹ ਮਨਜ਼ੂਰ/ਅਸਵੀਕਾਰ ਅਤੇ ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਇੱਕ ਢਾਂਚਾਗਤ ਸਮੀਖਿਆ ਤਿਆਰ ਕਰਦਾ ਹੈ।
• ਕਦਮ 4: ਜੇਕਰ ਅਸਵੀਕਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਡਿਵੈਲਪਰ ਏਜੰਟ ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਦੁਹਰਾਉਂਦਾ ਹੈ। ਇਹ ਲੂਪ ਤਿੰਨ ਵਾਰ ਚੱਲਦਾ ਹੈ.
• ਕਦਮ 5: ਇੱਕ ਵਾਰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਬਾਅਦ, ਡਿਪਲੋਅਰ ਏਜੰਟ ਪੁੱਲ ਬੇਨਤੀ ਬਣਾਉਂਦਾ ਹੈ, CI ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਨਤੀਜੇ ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ।

ਇਹ ਪੂਰਾ ਵਰਕਫਲੋ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਚੱਲ ਸਕਦਾ ਹੈ, ਸਿਰਫ ਅੰਤਿਮ PR ਸਮੀਖਿਆ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੇ ਨਾਲ। ਇਸ ਨੂੰ ਕੰਮ ਕਰਨ ਦੀ ਕੁੰਜੀ ਸਪੱਸ਼ਟ ਭੂਮਿਕਾ ਪਰਿਭਾਸ਼ਾਵਾਂ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਰਚਨਾਬੱਧ ਟੂਲ ਐਕਸੈਸ, ਅਤੇ ਵੈਕਟਰ-ਇੰਡੈਕਸਡ ਦਸਤਾਵੇਜ਼ਾਂ ਰਾਹੀਂ ਕੋਡਬੇਸ ਦੀ ਸਾਂਝੀ ਸਮਝ ਹੈ।

ਸਿੱਟਾ

ਮਲਟੀ-ਏਜੰਟ AI ਸਿਸਟਮ ਅਗਲੇ ਵਿਕਾਸ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਅਸੀਂ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਾਂ। ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਵਿਗਾੜ ਕੇ, ਏਜੰਟਾਂ ਨੂੰ ਸਹੀ ਟੂਲ ਅਤੇ ਮੈਮੋਰੀ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਪੈਟਰਨਾਂ ਰਾਹੀਂ ਉਹਨਾਂ ਦੇ ਸਹਿਯੋਗ ਨੂੰ ਆਰਕੇਸਟ੍ਰੇਟ ਕਰਕੇ, ਅਸੀਂ ਖੁਦਮੁਖਤਿਆਰੀ ਟੀਮਾਂ ਬਣਾ ਸਕਦੇ ਹਾਂ ਜੋ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਕੋਈ ਵੀ ਏਜੰਟ ਇਕੱਲੇ ਨਹੀਂ ਸੰਭਾਲ ਸਕਦਾ। ਛੋਟੀ ਜਿਹੀ ਸ਼ੁਰੂਆਤ ਕਰੋ — ਸਪਸ਼ਟ ਭੂਮਿਕਾਵਾਂ ਵਾਲੇ ਦੋ ਜਾਂ ਤਿੰਨ ਏਜੰਟਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ — ਅਤੇ ਉੱਥੋਂ ਦੁਹਰਾਓ। ਫਰੇਮਵਰਕ ਉਤਪਾਦਨ ਦੀ ਵਰਤੋਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਪਰਿਪੱਕ ਹਨ, ਅਤੇ ਨਤੀਜੇ ਅਕਸਰ ਹੈਰਾਨੀਜਨਕ ਤੌਰ 'ਤੇ ਸਮਰੱਥ ਹੁੰਦੇ ਹਨ।