Building Persona-Based Agents On Demand: Tailoring Multi-Agent Workflows to User Needs
यह शोध पत्र निश्चित, हार्ड-कोडेड मल्टी-एजेंट आर्किटेक्चर की सीमाओं को दूर करने के लिए विशिष्ट उपयोगकर्ता आवश्यकताओं और संदर्भों के अनुसार वर्कफ़्लो को अनुकूलित करते हुए, रनटाइम पर गतिशील रूप से ऑन-डिमांड, व्यक्तित्व-आधारित एजेंटों को उत्पन्न करने के लिए एक पाइपलाइन प्रस्तावित 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 ऐसे रेस्तरां में जाते हैं जहाँ रसोई का संचालन रोबोटों की एक टीम द्वारा किया जाता है। इस रेस्तरां के वर्तमान संस्करण में, रोबोटों के काम तय (fixed) हैं जो कभी नहीं बदलते। एक रोबोट हमेशा एक चिड़चिड़ा शेफ होगा जो केवल छोटे, तकनीकी आदेशों में बात करता है। दूसरा हमेशा एक धीमा, अत्यधिक विनम्र वेटर होगा। आप जो भी हों या जो भी ऑर्डर करें, रसोई बिल्कुल उसी तरह चलती है। यदि आप एक त्वरित, अनौपचारिक भोजन चाहते हैं, तो भी आपको उस चिड़चिड़े शेफ से निपटना होगा। यदि आप अपने भोजन के बारे में विस्तृत विवरण चाहते हैं, तो भी आपको उस धीमे वेटर का इंतज़ार करना होगा।
यह शोध पत्र तर्क देता है कि यह "एक ही आकार सबके लिए" (one-size-fits-all) वाला दृष्टिकोण एआई (AI) की क्षमता को रोक रहा है। लेखक, जो पॉलिटेक्निको डि टोरिनो (Politecnico di Torino) के शोधकर्ता हैं, इन एआई टीमों (जिन्हें "मल्टी-एजेंट सिस्टम" कहा जाता है) को बनाने का एक नया तरीका प्रस्तावित करते हैं जहाँ रोबोट आपके लिए विशेष रूप से अपनी पर्सनालिटी और भूमिकाओं को तुरंत (on the fly) बदल सकते हैं।
यहाँ उनका विचार कैसे काम करता है, इसे सरल चरणों में समझाया गया है:
समस्या: कठोर रसोई (The Rigid Kitchen)
अभी, अधिकांश उन्नत एआई सिस्टम एक "हार्ड-कोडेड" संरचना के साथ बनाए गए हैं। डिज़ाइनर पहले से ही तय कर देते हैं: "एजेंट A हमेशा प्लानर होगा, एजेंट B हमेशा रिसर्चर होगा, और वे हमेशा इस विशिष्ट क्रम में एक-दूसरे से बात करेंगे।"
- समस्या: यदि आप एक विशेषज्ञ हैं जो त्वरित उत्तर चाहते हैं, तो सिस्टम फिर भी आपको एक धीमी, शुरुआती लोगों के अनुकूल प्रक्रिया से गुजार सकता है। यदि आप एक शुरुआती हैं जिसे मैत्रीपूर्ण स्पष्टीकरण की आवश्यकता है, तो सिस्टम आपको एक ठंडा, तकनीकी रिपोर्ट दे सकता है। सिस्टम आपको नहीं जानता; वह केवल अपनी पहले से लिखी हुई स्क्रिप्ट को जानता है।
समाधान: "गिरगिट" जैसी रसोई (The "Chameleon" Kitchen)
लेखक एक ऐसे सिस्टम का सुझाव देते हैं जहाँ एआई टीम आपकी ज़रूरत के अनुसार वास्तविक समय (real-time) में बनाई जाती है। इसे एक ऐसी रसोई के रूप में सोचें जहाँ रोबलेट तुरंत उस व्यक्तित्व में बदल सकते हैं जिसकी आवश्यकता विशेष रूप से आपकी मदद करने के लिए है।
यदि आप एक जटिल प्रश्न पूछते हैं, तो सिस्टम तुरंत एक "सख्त लेकिन प्रतिभाशाली प्रोफेसर" का व्यक्तित्व बना सकता है ताकि विवरण समझाया जा सके। यदि आप एक सरल प्रश्न पूछते हैं, तो यह एक "मैत्रीपूर्ण पड़ोसी" का व्यक्तित्व अपना सकता है ताकि त्वरित, अनौपचारिक उत्तर दिया जा सके।
यह कैसे काम करता है: चार-चरणीय पाइपलाइन (The Four-Step Pipeline)
पेपर एक विशिष्ट प्रक्रिया (पाइपलाइन) का वर्णन करता है जो हर बार आपके प्रश्न पूछने पर होती है। यह प्रवाह इस प्रकार है:
सुनना और समझना (Query Analysis):
सबसे पहले, सिस्टम आपके प्रश्न को सुनता है। यह केवल शब्दों को नहीं पढ़ता; यह यह समझने की कोशिश करता है कि आप कौन हैं (क्या आप एक विशेषज्ञ हैं या एक शुरुआती?) और आप वास्तव में क्या चाहते हैं (क्या आपको एक संक्षिप्त सारांश चाहिए या एक गहरा विश्लेषण?)। यह आपके बड़े प्रश्न को छोटे, प्रबंधनीय कार्यों में तोड़ देता है।टीम बनाना (Agent Generation):
यही जादुई चरण है। जो कुछ भी सिस्टम ने पहले चरण में सीखा, उसके आधार पर, यह सिस्टम मौके पर ही सटीक एआई एजेंटों को बनाता है।
- यह पहले से बनी सूची में से चयन नहीं करता। यह एक रोबोट के लिए एक नया "जॉब डिस्क्रिप्शन" (पर्सोना) लिखता है जो आपकी आवश्यकताओं के अनुकूल हो।
- उदाहरण: यदि आपको एक कोडर की आवश्यकता है, तो यह एक "सटीक, बिना किसी तामझाम वाला कोडर" व्यक्तित्व बनाता है। यदि आपको एक रचनात्मक लेखक की आवश्यकता है, तो यह एक "कल्पनाशील, अलंकारिक लेखक" का व्यक्तित्व बनाता है।
- इसके बाद यह इन नए एजेंटों को "जगाता" है, उन्हें उनके विशिष्ट निर्देश और व्यक्तित्व लक्षण देता है।
टीम काम पर लगती है (Execution):
सिस्टम इन नए बनाए गए एजेंटों को छोटे कार्य सौंपता है। यदि दो कार्यों को एक साथ किया जा सकता है, तो एजेंट समानांतर (parallel) में काम करते हैं। यदि एक कार्य को दूसरे के परिणाम की आवश्यकता है, तो सिस्टम सुनिश्चित करता है कि दूसरा एजेंट शुरू होने से पहले पहला एजेंट अपना काम पूरा कर ले। वे मिलकर काम करते हैं, लेकिन वे सभी आपकी विशिष्ट मांग के अनुरूप होते हैं।अंतिम व्यंजन परोसना (Aggregation):
एक बार जब सभी एजेंट अपने हिस्से का काम पूरा कर लेते हैं, तो सिस्टम उनके काम को इकट्ठा करता है। यह टुकड़ों को एक सुचारू, सुसंगत उत्तर में जोड़ देता है। यह सुनिश्चित करता है कि लहजा (tone) सुसंगत हो और अंतिम परिणाम बिल्कुल वैसा ही हो जैसा आपने मांगा था, जिससे किसी भी दोहराव या भ्रम को हटाया जा सके।
यह क्यों महत्वपूर्ण है
इस पेपर का मुख्य बिंदु यह है कि हमें एआई एजेंटों को निश्चित व्यक्तित्व वाले स्थिर उपकरणों के रूप में मानना बंद कर देना चाहिए। इसके बजाय, हमें उन्हें गतिशील कलाकारों (dynamic performers) के रूप में मानना चाहिए जो दर्शकों के अनुसार अपना प्रदर्शन बदल सकते हैं।
- वर्तमान तरीका: आपको एआई की निश्चित शैली के अनुकूल होना पड़ता है।
- नया तरीका: एआई आपकी विशेषज्ञता, पसंद और विशिष्ट स्थिति के अनुसार अपनी शैली, भूमिका और टीम संरचना को बदल लेता है।
लेखकों का मानना है कि यह तकनीक को अधिक उपयोगी और कम निराशाजनक बनाता है। यह सिस्टम को एक "गिरगिट" (chameleon) बनने की अनुमति देता है, जो उपयोगकर्ता की विशेषज्ञता, प्राथमिकताओं और विशिष्ट स्थिति के अनुसार अपना रंग बदल सकता है, बजाय इसके कि हर उपयोगकर्ता को एक ही कठोर सांचे में फिट होने के लिए मजबूर किया जाए।
संक्षेप में: एक ऐसे रोबोट टीम के बजाय जो हमेशा एक जैसा व्यवहार करती है, एक ऐसी टीम की कल्पना करें जो आपकी मदद के लिए हर बार, ठीक उसी तरह से, तुरंत वही विशेषज्ञ बन सकती है जिनकी आपको आवश्यकता है और जिस तरह से आप संवाद करना पसंद करते हैं। यही वह चीज़ है जिसे यह पेपर प्रस्तावित करता है।
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।