AgentSPEX: An Agent SPecification and EXecution Language
यह शोधपत्र AgentSPEX को प्रस्तुत करता है, जो एक डोमेन-विशिष्ट भाषा और निष्पादन ढांचा (execution framework) है जो स्पष्ट कंट्रोल फ्लो, मॉड्यूलर संरचना और स्टेट मैनेजमेंट के साथ LLM-एजेंट वर्कफ़्लो को निर्दिष्ट करने में सक्षम बनाता है, जो मौजूदा पायथन-युग्मित ऑर्केस्ट्रेशन टूल्स के अधिक व्याख्या योग्य और रखरखाव योग्य विकल्प के रूप में कार्य करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बहुत ही बुद्धिमान, लेकिन थोड़े अराजक (chaotic) रोबोट सहायक को एक जटिल काम करना सिखाने की कोशिश कर रहे हैं, जैसे कि एक शोध पत्र (research paper) लिखना या एक टूटे हुए कंप्यूटर प्रोग्राम को ठीक करना।
समस्या: "मैजिक प्रॉम्प्ट" बनाम "ब्लूप्रिंट"
पुराना तरीका (रिएक्टिव प्रॉम्प्टिंग):
वर्तमान में, अधिकांश लोग AI एजेंटों से एक विशाल, खुले अंत वाले निर्देश देकर बात करते हैं, जैसे: "जलवायु परिवर्तन के बारे में जानकारी खोजो, पाँच शोध पत्र पढ़ो और एक सारांश लिखो।"
इसे एक ड्राइवर को GPS देने जैसा समझें और कहना, "समुद्र तट तक जाओ," लेकिन उसे कोई नक्शा देने से मना कर देना। ड्राइवर (AI) को हर मोड़, हर ट्रैफिक लाइट और हर रास्ते के विकल्प को खुद ही समझना होगा। यदि वह भ्रमित हो जाता है, तो वह गोल-गोल घूम सकता है, पेट्रोल भरना भूल सकता है, या गलत समुद्र तट पर पहुँच सकता है। ड्राइवर (AI) योजना बनाने का सारा भारी काम खुद कर रहा है, और यदि वह कोई गलती करता है, तो बिना फिर से शुरू किए उसे ठीक करना कठिन होता है।
प्रतिद्वंद्वी (पायथन फ्रेमवर्क्स):
अन्य उपकरण इस समस्या को हल करने की कोशिश करते हैं, लेकिन वे ड्राइवर को एक विस्तृत नक्शा देते हैं जो एक गुप्त कोड (पायथन प्रोग्रामिंग भाषा) में लिखा होता है जिसे केवल सॉफ्टवेयर इंजीनियर ही पढ़ सकते हैं। यदि आप नक्शे में एक मोड़ बदलना चाहते हैं, तो आपको एक कोडर होना पड़ेगा। यह एक घर के ब्लूप्रिंट जैसा है, लेकिन ब्लूप्रिंट ऐसी भाषा में लिखा है जिसे केवल वास्तुकार (architects) समझते हैं, जिससे घर के मालिक के लिए यह कहना असंभव हो जाता है कि, "वास्तव में, मैं यहाँ एक खिड़की हटाना चाहता हूँ।"
समाधान: AgentSPEX
AgentSPEX एक नया टूल है जो AI एजेंटों के लिए एक सार्विवर्सल, आसानी से समझ में आने वाली निर्देश पुस्तिका की तरह काम करता है। यह बिल्कुल बीच में स्थित है: यह AI को एक सख्त, चरण-दर-चरण ब्लूप्रिंट देता है, लेकिन यह साधारण अंग्रेजी (विशेष रूप से, एक YAML फॉर्मेट में जो एक सरल सूची जैसा दिखता है) में लिखा गया है।
यह कैसे काम करता है, यहाँ कुछ उपमाओं (analogies) का उपयोग किया गया है:
1. रेसिपी बुक (वर्कफ़्लो)
AI को "रात का खाना पकाओ" कहने के बजाय, AgentSPEX आपको एक रेसिपी कार्ड लिखने देता है:
- चरण 1: फ्रिज में जाओ और अंडे लाओ।
- चरण 2: यदि अंडे ताज़ा हैं, तो उन्हें फोड़ो। यदि नहीं, तो स्टोर जाओ।
- चरण 3: जब तक पैन गर्म हो रहा है, प्याज काटते रहो।
- चरण 4: सब कुछ मिलाओ और पकाओ।
AgentSPEX में, आप इन चरणों को एक साधारण टेक्स्ट फ़ाइल में लिखते हैं। आप कह सकते हैं, "चरण 2 और 3 को एक साथ करें" (पैरेलल एग्जीक्यूशन) या "यदि प्याज बहुत तीखा है, तो रुकें और उपयोगकर्ता से पूछें" (ब्रांचिंग)। AI इस रेसिपी का ठीक से पालन करता है, इसलिए वह कभी रास्ता नहीं भटकता या कोई चरण नहीं भूलता।
2. बैकपैक (स्टेट मैनेजमेंट)
कल्पना कीजिए कि AI एक यात्री (hiker) है। पुराने तरीके में, यात्री को अपने बैकपैक में अपनी अब तक की हर एक बातचीत रखनी पड़ती थी। एक लंबी यात्रा के बाद, यात्री का बैकपैक इतना भारी और पुराने रसीदों से भरा होता था कि वह नक्शा भी नहीं ढूँढ पाता था।
AgentSPX यात्री को एक स्मार्ट बैकपैक देता है। यह केवल वर्तमान चरण के लिए आवश्यक विशिष्ट वस्तुओं को ही रखता है (जैसे कि "प्याज" या "अंडे")। एक बार जब कोई चरण पूरा हो जाता है, तो यह उन वस्तुओं को करीने से पैक कर देता है। यह AI के दिमाग को स्पष्ट और केंद्रित रखता है, जिससे वह बहुत अधिक जानकारी से अभिभूत (overwhelmed) होने से बच जाता है।
3. निर्माण स्थल (हार्नेस)
AgentSPEX केवल निर्देश ही नहीं है; यह वह निर्माण स्थल भी है जहाँ काम होता है।
- द सैंडबॉक्स: यह एक सुरक्षित, घेरे हुए खेल के मैदान की तरह है जहाँ AI कुछ वास्तविक चीज़ों को तोड़े बिना कोड लिखने या वेब ब्राउज़ करने की कोशिश कर सकता है।
- द सेफ्टी नेट: यदि बिजली कट जाती है या इंटरनेट बंद हो जाता है, तो AgentSPEX ठीक उस स्थान को सहेज लेता है जहाँ AI काम कर रहा था ("चेकपॉइंट")। जब यह वापस आता है, तो यह शून्य से शुरू करने के बजाय ठीक वहीं से शुरू कर सकता है जहाँ इसने छोड़ा था।
- द फोरमैन: यह AI के काम करने के तरीके पर नज़र रखता है। यदि AI कुछ खतरनाक करने की कोशिश करता है या निर्धारित स्क्रिप्ट से भटक जाता है, तो "फोरमैन" (सिस्टम) उसे रोक देता है।
4. विजुअल एडिटर (ड्रैग-एंड-ड्रॉप बोर्ड)
उन लोगों के लिए जो टेक्स्ट लिस्ट पढ़ना पसंद नहीं करते, AgentSPEX के साथ एक विजुअल एडिटर आता है। कल्पना कीजिए कि एक व्हाइटबोर्ड है जिस पर स्टिकी नोट्स लगे हैं। आप एक नोट जिसे "Google सर्च करें" कहता है और उसे "सारांश लिखें" वाले नोट के बगल में ड्रैग करके छोड़ सकते हैं। सिस्टम स्वचालित रूप से आपके स्टिकी नोट्स को उस कोड में बदल देता है जिसकी AI को आवश्यकता होती है। यदि आप एक नोट को हिलाते हैं, तो निर्देश तुरंत अपडेट हो जाते हैं।
यह क्यों मायने रखता है? (परिणाम)
लेखकों ने जटिल गणितीय समस्याओं को हल करने से लेकर सॉफ्टवेयर बग्स को ठीक करने तक, 7 अलग-अलग चुनौतियों पर AgentSPEX का परीक्षण किया।
- बेहतर ग्रेड: लगभग हर परीक्षण में, Agent-SPEX का उपयोग करने वाले AI ने पुराने "मैजिक प्रॉम्प्ट" तरीके या जटिल कोडिंग फ्रेमवर्क्स का उपयोग करने वाले AI की तुलना में उच्च स्कोर प्राप्त किया।
- कम भ्रम: क्योंकि AI योजना का अनुमान लगाने की कोशिश नहीं कर रहा था, इसलिए उसने कम गलतियाँ कीं।
- इंसानों के लिए आसान: एक अध्ययन में, गैर-पेशेवर प्रोग्रामर भी मौजूदा कोडिंग-प्रधान उपकरणों की तुलना में AgentSPEX को समझने और उपयोग करने में बहुत आसान पाया।
मुख्य निष्कर्ष (The Bottom Line)
AgentSPEX एक AI को केवल एक गंतव्य (destination) देने के बजाय, एक स्पष्ट, चरण-दर-चरण मार्ग वाला GPS देने जैसा है। यह AI को भटकने से रोकता है, उसकी याददाश्त को व्यवस्थित रखता है, और सामान्य लोगों को (न कि केवल कोडर्स को) शक्तिशाली, विश्वसनीय AI सहायक बनाने की अनुमति देता है जो जटिल शोध कर सकते हैं, शोध पत्र लिख सकते हैं और बिना भटके कठिन समस्याओं को हल कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।