From Intent to Execution: Composing Agentic Workflows with Agent Recommendation
यह शोध पत्र मल्टी-एजेंट सिस्टम्स को कंपोज़ करने के लिए एक स्वचालित ढांचे को प्रस्तुत करता है जो मैन्युअल प्लानिंग और एजेंट चयन को एक LLM-संचालित वर्कफ़्लो से बदल देता है जिसमें एक दो-चरणीय एजेंट रिकमेंडर और एक क्रिटीक एजेंट शामिल है, जो अत्याधुनिक दृष्टिकोणों की तुलना में बेहतर रिकॉल, मजबूती और स्केलेबिलिटी प्रदर्शित 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 जटिल मशीन बनाना चाहते हैं, जैसे कि एक कस्टम रोबोट जो आपके लिए सैंडविच बना सके, आपके कपड़े तह कर सके और आपके पौधों को पानी दे सके। अतीत में, इस रोबोट को बनाने के लिए आपको मैन्युअल रूप से एक शेफ, एक लॉन्ड्री विशेषज्ञ और एक माली को काम पर रखना पड़ता, यह तय करना पड़ता कि उन्हें एक-दूसरे से कैसे बात करनी चाहिए और यह भी तय करना पड़ता कि कौन क्या और कब करेगा। यह धीमा, उबाऊ और बहुत अधिक मानवीय प्रयास वाला काम है।
यह पेपर AutoMAS को पेश करता है, जो एक सुपर-स्मार्ट प्रोजेक्ट मैनेजर की तरह काम करता है जो आपकी एक साधारण सी रिक्वेस्ट सुनकर अपने आप इस "रोबोट टीम" को बना सकता है।
यह सिस्टम कैसे काम करता है, इसे रोजमर्रा के उदाहरणों का उपयोग करके सरल चरणों में नीचे समझाया गया है:
1. "मास्टर प्लानर" (द आर्किटेक्ट)
सबसे पहले, आप सिस्टम को अपनी साधारण भाषा में बताते हैं कि आप क्या चाहते हैं, जैसे, "मैं अपने पास के सबसे अच्छे मैक्सिकन रेस्टोरेंट में टेबल बुक करना चाहता हूँ।"
प्लानर एक आर्किटेक्ट की तरह काम करता है। वह सिर्फ "ठीक है" नहीं कहता। वह आपके बड़े अनुरोध को छोटे, प्रबंधनीय चरणों (सबटास्क्स) की एक सूची में तोड़ देता है, जैसे:
- नजदीकी मैक्सिकन रेस्टोरेंट्स खोजें।
- सबसे अच्छा खोजने के लिए रिव्यू पढ़ें।
- रिजर्वेशन करने के लिए कॉल करें।
एक साधारण सूची के बजाय, सिस्टम एक फ्लोचार्ट (जिसे फाईनाइट स्टेट मशीन कहा जाता है) बनाता है। इसे कई संभावित रास्तों वाले एक मानचित्र (मैप) के रूप में समझें। यदि पहला रेस्टोरेंट फुल है, तो मैप जानता है कि बिना आपके कुछ किए तुरंत दूसरे सबसे अच्छे विकल्प पर कैसे वापस मुड़ना है।
2. "द रिक्रूटर" (एजेंट रिकमेंडर)
अब सिस्टम को प्रत्येक चरण को पूरा करने के लिए सही "कामकाजी लोगों" (जिन्हें Agents कहा जाता है) को खोजने की आवश्यकता है। कल्पना कीजिए कि आपके पास हजारों अलग-अलग विशेषज्ञों की एक विशाल फोन बुक है (कुछ रेस्टोरेंट खोजने में माहिर हैं, कुछ रिव्यू पढ़ने में, और कुछ कॉल करने में)।
हजारों प्रविष्टियों वाली फोन बुक में सही व्यक्ति को खोजना कठिन है। इस पेपर का सिस्टम एक दो-चरणीय भर्ती प्रक्रिया का उपयोग करता है:
- चरण 1: द फास्ट स्काउट (रिट्रीवर): यह एक त्वरित सर्च इंजन की तरह है। यह पूरी फोन बुक को स्कैन करता है और शीर्ष 10 या 20 उम्मीदवारों को बाहर निकालता है जो शायद एक अच्छा फिट हो सकते हैं। यह तेज़ है लेकिन इसमें कुछ ऐसे लोग भी शामिल हो सकते हैं जो एकदम सटीक न हों।
- चरण 2: द एक्सपर्ट इंटरव्यूअर (री-रैंकर): यह एक अत्यधिक बुद्धिमान AI (एक LLM) है जो उन शीर्ष उम्मीदवारों का साक्षात्कार लेता है। यह उनके रेज़्यूमे (विवरण) को बहुत ध्यान से पढ़ता है ताकि यह देख सके कि विशिष्ट कार्य के लिए वास्तव में सबसे अच्छा कौन है। यह सुनिश्चित करता है कि शीर्ष विकल्प सही हो।
3. "द रेज़्यूमे बूस्टर" (डिस्क्रिप्शन एनरिचमेंट)
कभी-कभी, किसी कार्यकर्ता का रेज़्यूमे बहुत ही उबाऊ तरीके से लिखा होता है जो आपकी मदद मांगने के तरीके से मेल नहीं खाता। उदाहरण के लिए, एक कार्यकर्ता कह सकता है, "मैं फ्लाइट डेटा प्रोसेस करता हूँ," लेकिन आप पूछते हैं, "मैं पेरिस की यात्रा बुक करना चाहता हूँ।"
सिस्टम के पास एक विशेष तकनीक है जिसे डिस्क्रिप्शन एनरिचमेंट कहा जाता है। खोज शुरू होने से पहले, यह AI का उपयोग करके श्रमिकों के रेज़्यूमे को फिर से लिखता है और उसमें उदाहरण जोड़ता है कि वे क्या कर सकते हैं। यह "मैं फ्लाइट डेटा प्रोसेस करता हूँ" को "मैं फ्लाइट डेटा प्रोसेस करता हूँ, जैसे न्यूयॉर्क से सैन फ्रांसिस्को तक की ट्रिप बुक करना" में बदल देता है। इससे "फास्ट स्काउट" के लिए सही व्यक्ति को खोजना बहुत आसान हो जाता है।
4. "द क्वालिटी कंट्रोल इंस्पेक्टर" (द क्रिटीक एजेंट)
भले ही एक बेहतरीन रिक्रूटर हो, गलतियाँ हो सकती हैं। हो सकता है कि सिस्टम ने एक सस्ता और तेज़ कार्यकर्ता चुना हो जो वास्तव में काम में बहुत बुरा हो, या शायद कार्यकर्ता आपस में ठीक से तालमेल न रख पा रहे हों (जैसे एक शेफ जो केवल फ्रेंच बोलता है और एक वेटर जो केवल स्पेनिश बोलता है)।
क्रिटीक एजेंट एक अंतिम गुणवत्ता निरीक्षक (क्वालिटी इंस्पेक्टर) की तरह है। यह काम शुरू होने से पहले पूरी टीम और पूरे प्लान की जांच करता है। यह पूछता है:
- "क्या यह टीम वास्तव में उपयोगकर्ता के बजट और गति की आवश्यकताओं के अनुकूल है?"
- "क्या इन कार्यकर्ताओं का आउटपुट अगले कार्यकर्ता की आवश्यकता से मेल खाता है?"
यदि प्लान कमजोर दिखता है, तो क्रिटीक एजेंट इसे दोबारा करने के लिए वापस भेज देता है, जिससे यह सुनिश्चित होता है कि अंतिम टीम एकदम सही हो।
5. "द ह्यूमन सेफ्टी नेट" (ह्यूमन-इन-द-लूप)
सिस्टम को काफी हद तक स्वचालित बनाया गया है, लेकिन यह जानता है कि मदद कब मांगनी है। यदि सिस्टम भ्रमित हो जाता है या ऐसी स्थिति का सामना करता है जिसे वह हल नहीं कर सकता, तो यह रुक सकता है और एक मानव सुपरवाइजर से त्वरित निर्णय के लिए पूछ सकता है, और फिर स्वचालित रूप से आगे बढ़ सकता है।
उन्होंने क्या सिद्ध किया?
लेखकों ने हजारों अलग-अलग "टूल्स" और कार्यों से जुड़े वास्तविक डेटा के साथ इस सिस्टम का परीक्षण किया। उन्होंने पाया कि:
- उनकी दो-चरणीय भर्ती प्रक्रिया (फास्ट स्काउट + एक्सपर्ट इंटरव्यूअर) पुराने तरीकों की तुलना में, जो केवल कीवर्ड्स देखते थे, सही काम करने वालों को खोजने में बहुत बेहतर थी।
- रेज़्यूमे को समृद्ध करने (उदाहरण जोड़ने) ने खोज को और भी सटीक बना दिया।
- क्वालिटी कंट्रोल इंस्पेक्टर (क्रिटीक) को जोड़ने से अंतिम परिणामों में काफी सुधार हुआ, जिससे यह सुनिश्चित हुआ कि पूरा प्लान सुचारू रूप से काम करे।
संक्षेप में: यह पेपर एक ऐसे सिस्टम का वर्णन करता है जो एक साधारण मानवीय इच्छा को डिजिटल श्रमिकों की एक पूरी तरह से कार्यात्मक और स्वचालित टीम में बदल देता है, जो पूरी तरह से अपने आप जटिल भर्ती, शेड्यूलिंग और गुणवत्ता नियंत्रण को संभालता 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।