इस पेज पर
संक्षिप्त उत्तर
सिस्टम द्वारा लिए जाने वाले निर्णयों के आधार पर आर्किटेक्चर चुनें। एक चैटबॉट बातचीत के माध्यम से उत्तर देता है, एक वर्कफ़्लो पूर्वनिर्धारित चरणों का पालन करता है, और एक एजेंट अपनी अगली कार्रवाई चुन सकता है। ये श्रेणियां ओवरलैप होती हैं, इसलिए उत्पाद लेबल पर निर्भर रहने के बजाय वास्तविक अनुमतियों और नियंत्रण प्रवाह का मूल्यांकन करें।
क्या ले जाना है
- एक चैट इंटरफ़ेस किसी भी आर्किटेक्चर के शीर्ष पर बैठ सकता है।
- अधिक स्वायत्तता निरीक्षण के लिए अधिक मार्ग बनाती है।
- समान टूल अनुमतियों के साथ संपूर्ण परिणामों की तुलना करें।
स्रोतों की जाँच की गई . अनुसंधान संश्लेषण और रूब्रेक्स सिफारिशें। उदाहरणों और स्थानीय प्रयोगों को लेबल किया गया है; वे ग्राहक परिणाम नहीं हैं.
इंटरफ़ेस को नियंत्रण से अलग करें
एक संवादी इंटरफ़ेस आपको यह नहीं बताता कि सिस्टम कैसे संचालित होता है। एक सहायता सहायक एक दस्तावेज़ पुनः प्राप्त कर सकता है और एक निश्चित वर्कफ़्लो के माध्यम से उत्तर का मसौदा तैयार कर सकता है। कोई अन्य व्यक्ति खातों का निरीक्षण कर सकता है, उपकरण चुन सकता है और रिकॉर्ड बदल सकता है। एंथ्रोपिक पूर्वनिर्धारित पथों वाले वर्कफ़्लो को उन एजेंटों से अलग करता है जो अपनी प्रक्रिया को निर्देशित करते हैं। यह अंतर इंजीनियरिंग के लिए इस बात से अधिक उपयोगी है कि कोई विक्रेता अपने उत्पाद को कोपायलट कहता है या नहीं। रूपरेखा चुनने से पहले निर्णयों का वास्तविक क्रम बनाएं।
साक्ष्य: प्रभावी एजेंटों का निर्माण [1]
सबसे सरल उपयोगी पथ से प्रारंभ करें
दस्तावेज़ सारांश के लिए, स्पष्ट आउटपुट अनुबंध के साथ एक कॉल पर्याप्त हो सकती है। अनुमोदन प्रक्रिया के लिए, स्पष्ट कदम स्वामित्व का निरीक्षण करना आसान बना सकते हैं। एक एजेंट परीक्षण के लायक हो जाता है जब अगला कदम निष्पादन के दौरान खोजी गई जानकारी पर निर्भर करता है। हमारी अनुशंसा एक ही कार्य सेट पर इन विकल्पों की तुलना करने की है। एजेंट को बेहतर डेटा या व्यापक अनुमतियाँ न दें और फिर हर सुधार का श्रेय स्वायत्तता को दें। सिस्टम सीमा को दृश्यमान रखें.
प्रत्येक अतिरिक्त निर्णय की लागत को मापें
एक सफल अंतिम उत्तर बार-बार की गई कॉल, विफल कार्रवाइयों या मैन्युअल बचाव को छिपा सकता है। इन लागतों को कार्य की उस इकाई में गिनें जो उपयोगकर्ता के लिए महत्वपूर्ण है। यदि किसी कार्य के लिए पांच प्रयासों की आवश्यकता है, तो अंतिम सफलता और पहले प्रयास की सफलता दोनों की रिपोर्ट करें। यह प्रस्तावित माप योजना यह पहचानने में मदद करती है कि क्या लचीला उपकरण चयन अतिरिक्त जटिलता अर्जित करता है। परीक्षण चलाने से पहले अवधि और कार्यों के लिए बजट निर्धारित करें ताकि कोई सिस्टम असीमित संसाधनों का उपभोग करके अपने पूर्णता स्कोर में सुधार न कर सके।
| मीट्रिक | गणना या जांच कैसे करें | यह जिस निर्णय का समर्थन करता है |
|---|---|---|
| सत्यापित पूर्णता | परिणाम अनुबंध/प्रयास किए गए कार्यों को पूरा करने वाले कार्य | कौन सा आर्किटेक्चर कार्य पूरा करता है? |
| अनावश्यक टूल कॉल | वे कॉल जो आगे नहीं बढ़ीं या कार्य को सत्यापित नहीं किया | स्वायत्तता बर्बादी कहाँ जोड़ती है? |
| पुनर्प्राप्ति दर | इंजेक्ट की गई पुनर्प्राप्ति योग्य विफलताओं को सही ढंग से संभाला गया / ऐसी विफलताएं | क्या सिस्टम ठीक हो सकता है? |
| एंड-टू-एंड p95 विलंबता | पूर्ण कार्य अवधि का 95वाँ प्रतिशत | क्या उपयोगकर्ता धीमे मामलों को सहन कर सकते हैं? |
विफलता और हैंडऑफ़ को अवलोकनीय बनाएं
प्रत्येक क्रिया को एक ट्रेस पहचानकर्ता, एक स्पष्ट अनुमति सीमा और एक रिकॉर्ड किया गया परिणाम दें। गुम क्रेडेंशियल्स, खाली पुनर्प्राप्ति परिणाम और उपकरण का परीक्षण करें जो किसी कार्रवाई को आंशिक रूप से पूरा करने के बाद समाप्त हो जाते हैं। एक उपयोगी हैंडऑफ़ व्यक्ति को बताता है कि क्या हुआ और असंबद्ध ग्राहक जानकारी को उजागर किए बिना क्या अनिश्चित बना हुआ है। स्वायत्तता का विस्तार करने से पहले, पुष्टि करें कि डुप्लिकेट कार्रवाइयों को रोका गया है और आवश्यक जानकारी के अभाव में सिस्टम बंद हो सकता है। ये जाँचें तब भी लागू होती हैं जब भाषा मॉडल स्वयं अच्छा प्रदर्शन करता है।
साक्ष्य की सीमाएँ
आर्किटेक्चर परिभाषाएँ उपयोगी डिज़ाइन भेद हैं, न कि सार्वभौमिक रूप से मानकीकृत उत्पाद श्रेणियाँ। मूलभूत मानवशास्त्रीय लेख वर्तमान टूलींग से पहले का है; यहां कार्यान्वयन और मीट्रिक अनुशंसाएं रूब्रेक्स मार्गदर्शन हैं।
सामान्य प्रश्न
क्या एक एजेंट हमेशा चैटबॉट से बेहतर होता है?
नहीं, लचीलापन तभी मूल्यवान है जब कार्य को इसकी आवश्यकता हो और परिणामी वर्कफ़्लो इसकी गुणवत्ता, लागत और अनुमति आवश्यकताओं को पूरा करता हो।
क्या वर्कफ़्लो में एक एजेंट शामिल हो सकता है?
हाँ. एक निश्चित प्रक्रिया एक एजेंट को एक सीमित कदम सौंप सकती है और जारी रखने से पहले उसके परिणाम को मान्य कर सकती है।
स्रोत और आगे पढ़ना
इस ब्रीफिंग के पीछे प्राथमिक स्रोत। किसी स्रोत के निष्कर्ष उसकी अपनी अध्ययन स्थितियों पर लागू होते हैं; arXiv पर प्रकाशन सहकर्मी समीक्षा स्थापित नहीं करता है।
- प्रभावी एजेंटों का निर्माण मानवशास्त्रीय · 2024 · इंजीनियरिंग मार्गदर्शनसमीक्षित: वर्कफ़्लो बनाम एजेंट भेद; मूलभूत मार्गदर्शन, वर्तमान टूलींग सूची नहीं. पहुँच गया 25 सित॰ 2026.
प्रश्न या सुधार? रूब्रेक्स को लिखें. हमारा संपादकीय दृष्टिकोण पढ़ें.