এন্ anthropিক এজেন্ট ডেভেলপমেন্ট: সরলতা জটিলতাকে ছাড়িয়ে যায়

ইন্টেলিজেন্ট এজেন্টের সংজ্ঞা

ইন্টেলিজেন্ট এজেন্ট ধারণাটি বিভিন্নভাবে ব্যাখ্যা করা হয়। কেউ কেউ একে "সর্বগুণ সম্পন্ন তত্ত্বাবধায়ক" হিসেবে দেখেন, যা স্বাধীনভাবে চিন্তা করতে, সিদ্ধান্ত নিতে এবং জটিল কাজ সম্পাদনের জন্য সরঞ্জাম ব্যবহার করতে পারে। আবার কেউ কেউ মনে করেন এটি একটি "নিয়মনিষ্ঠ কর্মচারী", যা পূর্বনির্ধারিত কর্মপ্রবাহ অনুসরণ করে কাজ করে। Anthropic এই উভয় প্রকারকেই ইন্টেলিজেন্ট সিস্টেম হিসাবে উল্লেখ করেছে এবং ওয়ার্কফ্লো এবং এজেন্টদের মধ্যে পার্থক্য করেছে:

• ওয়ার্কফ্লো: এটি একটি সিস্টেম যা পূর্বনির্ধারিত কোড পাথগুলির মাধ্যমে বৃহৎ ভাষা মডেল (LLM) এবং সরঞ্জামগুলির সমন্বয় করে।
• এজেন্ট: এটি এমন একটি সিস্টেম যা LLM দ্বারা গতিশীলভাবে পরিচালিত হয় এবং নিজস্ব প্রক্রিয়া ও সরঞ্জাম ব্যবহার করে কাজ সম্পন্ন করার পদ্ধতি নিয়ন্ত্রণ করতে পারে।

কখন এজেন্ট ব্যবহার করা উচিত

Anthropic পরামর্শ দেয় যে, AI অ্যাপ্লিকেশন তৈরি করার সময় "যদি সহজভাবে করা যায়, তবে জটিল করার দরকার নেই" এই নীতিটি অনুসরণ করা উচিত। সব পরিস্থিতিতে জটিল ইন্টেলিজেন্ট সিস্টেম তৈরি করার প্রয়োজন নেই। ইন্টেলিজেন্ট সিস্টেমগুলি শক্তিশালী হলেও, এর কারণে প্রতিক্রিয়া ধীর হতে পারে এবং খরচও বাড়তে পারে। তাই, ডেভেলপারদের কার্যকারিতা এবং দক্ষতার মধ্যে ভারসাম্য বজায় রাখতে হবে।

• ওয়ার্কফ্লো: যে কাজগুলির জন্য পূর্বাভাসযোগ্যতা এবং ধারাবাহিকতা প্রয়োজন, সেগুলোর জন্য উপযুক্ত।
• এজেন্ট: বৃহত্তর পরিসরে যেখানে নমনীয়তা এবং মডেল-চালিত সিদ্ধান্তের প্রয়োজন, সেখানে বেশি উপযোগী।

অনেক অ্যাপ্লিকেশনের জন্য, ভাল প্রম্পট, প্রাসঙ্গিক উদাহরণ এবং তথ্য পুনরুদ্ধার করে সরাসরি বৃহৎ মডেলে জিজ্ঞাসা করাই যথেষ্ট।

ফ্রেমওয়ার্কের ব্যবহার

বর্তমানে, বাজারে বিভিন্ন ফ্রেমওয়ার্ক বিদ্যমান যা ডেভেলপারদের AI ইন্টেলিজেন্ট এজেন্ট তৈরি করতে সাহায্য করে, যেমন:

• LangChain এর LangGraph
• Amazon Bedrock এর AI Agent ফ্রেমওয়ার্ক
• ড্র্যাগ-এন্ড-ড্রপ ভিত্তিক বৃহৎ মডেল ওয়ার্কফ্লো তৈরির সরঞ্জাম Rivet
• জটিল ওয়ার্কফ্লো তৈরি এবং পরীক্ষা করার জন্য GUI সরঞ্জাম Vellum

এই ফ্রেমওয়ার্কগুলি ডেভেলপমেন্ট প্রক্রিয়া সহজ করে, তবে কোডের অ্যাবস্ট্রাকশন স্তর বাড়িয়ে তোলে, যা অন্তর্নিহিত লজিককে অস্বচ্ছ করে তোলে, ডিবাগিংয়ের অসুবিধা বাড়ায় এবং সাধারণ পরিস্থিতিতে অতিরিক্ত জটিল সমাধান তৈরি করতে পারে।

Anthropic পরামর্শ দেয় যে, ডেভেলপারদের সরাসরি বৃহৎ মডেল API ব্যবহার করে শুরু করা উচিত। অনেক প্যাটার্ন অল্প কয়েকটি কোড লাইনের মাধ্যমেই বাস্তবায়ন করা যেতে পারে। যদি ফ্রেমওয়ার্ক ব্যবহার করতে হয়, তবে এর অন্তর্নিহিত নীতিগুলি অবশ্যই বুঝতে হবে। ফ্রেমওয়ার্কের মূল প্রক্রিয়াগুলি সম্পর্কে পর্যাপ্ত ধারণা না থাকাই ডেভেলপমেন্ট সমস্যাগুলির প্রধান কারণ।

Anthropic এর কুকবুক এ সম্পর্কিত উদাহরণ রয়েছে।

বিল্ডিং ব্লক, ওয়ার্কফ্লো এবং এজেন্ট

মৌলিক বিল্ডিং ব্লক: উন্নত LLM

ইন্টেলিজেন্ট সিস্টেমের মৌলিক বিল্ডিং ব্লক হল উন্নত LLM, যা পুনরুদ্ধার এবং স্মৃতির মতো ক্ষমতা রাখে। Anthropic এর মডেলগুলি এই ক্ষমতাগুলি সক্রিয়ভাবে ব্যবহার করতে পারে, যেমন অনুসন্ধানের জন্য প্রশ্ন তৈরি করা, সরঞ্জাম নির্বাচন করা এবং তথ্য সংরক্ষণের সিদ্ধান্ত নেওয়া।

কার্যকারিতা বাড়ানোর সময় নিম্নলিখিত বিষয়গুলোর উপর মনোযোগ দেওয়া উচিত:

• নির্দিষ্ট অ্যাপ্লিকেশন পরিস্থিতির জন্য কার্যকারিতা কাস্টমাইজ করা।
• মডেলের জন্য সহজ এবং সম্পূর্ণ ডকুমেন্টেশন সহ ইন্টারফেস নিশ্চিত করা।

Anthropic সম্প্রতি প্রকাশিত মডেল কনটেক্সট প্রোটোকল AI মডেল এবং তৃতীয় পক্ষের সরঞ্জাম ইকোসিস্টেমের সাথে ইন্টিগ্রেশন সহজ করে।

ওয়ার্কফ্লো: প্রম্পট চেইন

প্রম্পট চেইন জটিল কাজগুলিকে একাধিক ধাপে বিভক্ত করে, যেখানে প্রতিটি ধাপে একবার বৃহৎ মডেল ব্যবহার করা হয় এবং পরবর্তী ধাপগুলি আগের ধাপের ফলাফলের উপর ভিত্তি করে কাজ করে। ডেভেলপাররা মাঝে মাঝে চেকিং পয়েন্ট যোগ করতে পারেন, যাতে প্রক্রিয়াটি প্রত্যাশা অনুযায়ী চলে।

প্রম্পট চেইন সেইসব কাজের জন্য উপযুক্ত, যেগুলি পরিষ্কারভাবে নির্দিষ্ট উপ-কাজে বিভক্ত করা যায়। প্রতিটি মডেল একটি সহজ কাজ সম্পন্ন করার উপর মনোযোগ দেয়, যদিও সামগ্রিক প্রতিক্রিয়ার সময় কিছুটা বেশি হতে পারে, তবে নির্ভুলতা উল্লেখযোগ্যভাবে বৃদ্ধি পায়।

সাধারণ ব্যবহারের উদাহরণ:

• প্রথমে একটি মার্কেটিং কপি তৈরি করা এবং তারপর সেটিকে অন্য ভাষায় অনুবাদ করা।
• প্রথমে একটি ডকুমেন্টের রূপরেখা তৈরি করা এবং কমপ্লায়েন্স পরীক্ষা করা, তারপর সেই রূপরেখার উপর ভিত্তি করে সম্পূর্ণ ডকুমেন্ট লেখা।

ওয়ার্কফ্লো: ইন্টেলিজেন্ট রাউটিং

এই পদ্ধতিতে ইনপুট টাস্কের ধরন সনাক্ত করা হয় এবং সেটিকে উপযুক্ত মডিউলে পাঠানো হয়। এই ডিজাইন প্রতিটি মডিউলকে নির্দিষ্ট কাজের জন্য অপ্টিমাইজ করতে সাহায্য করে এবং বিভিন্ন ধরনের কাজের মধ্যে পারস্পরিক হস্তক্ষেপ এড়ায়। ইন্টেলিজেন্ট রাউটিং সেইসব কাজের জন্য উপযুক্ত, যেগুলিতে স্পষ্ট শ্রেণিবিন্যাস আছে। AI সিস্টেম বৃহৎ ভাষা মডেল বা সনাতন অ্যালগরিদম ব্যবহার করে সঠিকভাবে টাস্কের ধরন শনাক্ত করতে পারে এবং সে অনুযায়ী সেগুলোকে বিভিন্ন মডিউলে পাঠাতে পারে।

সাধারণ ব্যবহারের উদাহরণ:

• গ্রাহক পরিষেবা সিস্টেমে, সাধারণ জিজ্ঞাসা, রিফান্ড আবেদন এবং প্রযুক্তিগত সহায়তা ইত্যাদি বিভিন্ন বিভাগে আলাদাভাবে পরিচালনা করা।
• সহজ এবং সাধারণ সমস্যাগুলির জন্য ছোট মডেল ব্যবহার করা এবং কঠিন সমস্যাগুলির জন্য আরও শক্তিশালী মডেল ব্যবহার করে খরচ ও গতি অপ্টিমাইজ করা।

ওয়ার্কফ্লো: প্যারালাল

বৃহৎ ভাষা মডেল একই সাথে একাধিক কাজ করতে পারে এবং প্রোগ্রামিংয়ের মাধ্যমে আউটপুট একত্রিত করতে পারে। প্যারালাল ওয়ার্কফ্লোর বৈশিষ্ট্য:

• টাস্ক সেগমেন্টেশন: কাজটিকে এমন উপ-কাজে বিভক্ত করা হয়, যা সমান্তরালভাবে চালানো যায় এবং সবশেষে ফলাফল একত্রিত করা হয়।
• ভোটিং মেকানিজম: একই কাজ একাধিকবার চালানো হয় এবং সেরা ফলাফলটি নির্বাচন করা হয় বা একাধিক উত্তরের সমন্বয় করা হয়।

যখন উপ-কাজগুলি দ্রুত করার জন্য সমান্তরালভাবে চালানো যায় বা একাধিক দৃষ্টিকোণ থেকে চেষ্টা করে আরও বেশি আত্মবিশ্বাসী হওয়ার প্রয়োজন হয়, তখন প্যারালাল পদ্ধতি খুবই কার্যকর। জটিল কাজের জন্য, প্রতিটি কলকে নির্দিষ্ট দিকের উপর ফোকাস করতে দিলে ভালো ফল পাওয়া যায়।

সাধারণ ব্যবহারের উদাহরণ:

• টাস্ক সেগমেন্টেশন:
  • নিরাপত্তা: একটি মডেল ব্যবহারকারীর অনুরোধ প্রক্রিয়া করে এবং অন্যটি কনটেন্ট নিরীক্ষণ করে।
  • পারফরম্যান্স মূল্যায়ন: বিভিন্ন মডেল সিস্টেমের পারফরম্যান্স মেট্রিক্স মূল্যায়ন করে।
• ভোটিং মেকানিজম:
  • কোড নিরাপত্তা পরীক্ষা: একাধিক ডিটেকশন মডেল একসাথে কোডের দুর্বলতা খুঁজে বের করে।
  • কনটেন্ট নিরীক্ষণ: একাধিক মডেল বিভিন্ন দৃষ্টিকোণ থেকে কনটেন্টের নিরাপত্তা মূল্যায়ন করে।

ওয়ার্কফ্লো: লিডার — এক্সিকিউটর

একটি কেন্দ্রীয় বৃহৎ ভাষা মডেল গতিশীলভাবে কাজটিকে ভেঙে এক্সিকিউটর মডেলগুলিতে বিতরণ করে এবং ফলাফল একত্রিত করে।

এই ওয়ার্কফ্লো সেইসব জটিল কাজের জন্য উপযুক্ত, যেগুলির ধাপগুলি আগে থেকে নির্ধারণ করা কঠিন। এখানে, টাস্ক বিভাজন নির্দিষ্ট নয়, বরং AI সিস্টেম পরিস্থিতির উপর নির্ভর করে গতিশীলভাবে সিদ্ধান্ত নেয়।

সাধারণ ব্যবহারের উদাহরণ:

• প্রোগ্রামিং অ্যাপ্লিকেশনে, যেখানে একাধিক ফাইল জটিলভাবে পরিবর্তন করার প্রয়োজন হয়।
• বিভিন্ন উৎস থেকে তথ্য সংগ্রহ ও বিশ্লেষণ করার মতো অনুসন্ধান কাজ।

ওয়ার্কফ্লো: মূল্যায়ন — অপ্টিমাইজ

একটি LLM কল করে প্রতিক্রিয়া তৈরি করে এবং অন্য একটি মূল্যায়ন ও মতামত প্রদান করে, যা একটি চক্র তৈরি করে।

যখন মূল্যায়নের স্পষ্ট মানদণ্ড থাকে এবং পুনরাবৃত্তিমূলক পরিমার্জন দ্বারা উল্লেখযোগ্য উন্নতি আনা সম্ভব হয়, তখন এই ওয়ার্কফ্লো বিশেষভাবে কার্যকর। LLM মানুষের মতো প্রতিক্রিয়া প্রদান করতে পারে, যা একজন লেখকের বারবার সংশোধন করার মতোই।

সাধারণ ব্যবহারের উদাহরণ:

• সাহিত্য অনুবাদ: মূল্যায়ন মডেল অনুবাদের ত্রুটি খুঁজে বের করে এবং সংশোধনের পরামর্শ দেয়।
• জটিল অনুসন্ধান: মূল্যায়ন মডেল নির্ধারণ করে যে, আরও গভীর অনুসন্ধানের প্রয়োজন আছে কিনা।

এজেন্ট

LLM যখন জটিল ইনপুট বোঝা, যুক্তি তৈরি করা, সরঞ্জাম ব্যবহার করা এবং ত্রুটি পুনরুদ্ধার করার মতো গুরুত্বপূর্ণ ক্ষমতা অর্জন করে, তখন এজেন্টদের আবির্ভাব ঘটে।

এজেন্টের কাজ শুরু হয় ব্যবহারকারীর কমান্ড বা আলোচনার মাধ্যমে। একবার কাজ স্পষ্ট হয়ে গেলে, এজেন্ট স্বাধীনভাবে পরিকল্পনা করে এবং কাজ করে। প্রয়োজনে, তারা মানুষের কাছ থেকে আরও তথ্য চাইতে পারে বা মানুষের সিদ্ধান্তের প্রয়োজন হতে পারে।

কার্যকর করার প্রতিটি ধাপে, পরিবেশ থেকে "প্রকৃত অবস্থা" জানা জরুরি। এজেন্টরা চেকিং পয়েন্টে বা কোনো বাধা পেলে মানুষের কাছ থেকে প্রতিক্রিয়া নেওয়ার জন্য থামতে পারে। কাজ সাধারণত শেষ হওয়ার পরেই বন্ধ হয়ে যায়, তবে এতে প্রায়ই থামার শর্ত থাকে।

এজেন্ট জটিল কাজগুলি পরিচালনা করতে সক্ষম, তবে এদের বাস্তবায়ন সাধারণত সহজ। এটি মূলত একটি লুপের মধ্যে পরিবেশের প্রতিক্রিয়ার উপর ভিত্তি করে সরঞ্জাম ব্যবহার করে। তাই, সরঞ্জাম সেট এবং এর ডকুমেন্টেশন পরিষ্কার এবং বিস্তারিত হওয়া খুবই গুরুত্বপূর্ণ।

এজেন্ট সেইসব সমস্যার জন্য উপযুক্ত, যেগুলিতে প্রয়োজনীয় ধাপের সংখ্যা অনুমান করা কঠিন এবং যেখানে কোনো নির্দিষ্ট পথ আগে থেকে নির্ধারণ করা যায় না। এজেন্টের স্বায়ত্তশাসন এটিকে বিশ্বস্ত পরিবেশে কাজ করার জন্য একটি আদর্শ পছন্দ করে তোলে। এজেন্টের স্বায়ত্তশাসনের কারণে খরচ বেশি হতে পারে এবং ত্রুটি জমা হওয়ার ঝুঁকিও থাকে। তাই, স্যান্ডবক্স পরিবেশে ভালোভাবে পরীক্ষা করা এবং উপযুক্ত সুরক্ষা ব্যবস্থা গ্রহণ করার পরামর্শ দেওয়া হয়।

এজেন্টের ব্যবহারের উদাহরণ:

• একটি কোড এজেন্ট, যা SWE-বেঞ্চের কাজগুলি সমাধান করে, যেখানে কাজের বিবরণ অনুযায়ী একাধিক ফাইল সম্পাদনা করার প্রয়োজন হয়।
• Anthropic এর "কম্পিউটার ব্যবহার" বৈশিষ্ট্য, যেখানে Claude কম্পিউটার ব্যবহার করে কাজ সম্পন্ন করে।

সমন্বয় ও কাস্টমাইজেশন

এই বিল্ডিং ব্লকগুলি বাধ্যতামূলক নয়, ডেভেলপাররা তাদের প্রয়োজন অনুযায়ী সেগুলোকে সাজিয়ে নিতে পারে। সাফল্যের মূল চাবিকাঠি হল কর্মক্ষমতা পরিমাপ করা এবং পুনরাবৃত্তির মাধ্যমে উন্নতি করা। যখন সহজ সমাধান সম্ভব না হয়, তখনই জটিলতা বাড়ানো উচিত। LLM এর ক্ষেত্রে, সবচেয়ে জটিল সিস্টেম তৈরি করাই সাফল্যের মাপকাঠি নয়, বরং প্রয়োজন অনুযায়ী উপযুক্ত সিস্টেম তৈরি করাই আসল। তাই, সাধারণ প্রম্পট দিয়ে শুরু করুন, সেগুলোকে বিস্তারিত মূল্যায়নের মাধ্যমে অপ্টিমাইজ করুন এবং যখন সহজ সমাধান সম্ভব না হয়, তখন মাল্টি-স্টেপ এজেন্ট সিস্টেম যোগ করুন।

এজেন্ট স্থাপন করার সময় নিম্নলিখিত নীতিগুলি অনুসরণ করা উচিত:

• এজেন্ট ডিজাইন সরল রাখুন।
• এজেন্টের স্বচ্ছতা নিশ্চিত করুন, যাতে প্রতিটি ধাপ পরিষ্কারভাবে দেখা যায়।
• বিস্তারিত টুল ডকুমেন্টেশন এবং পরীক্ষার মাধ্যমে এজেন্ট-কম্পিউটার ইন্টারফেস (ACI) তৈরি করুন।