यहाँ "Learning to Construct Practical Agentic Systems" पेपर का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ हिंदी अनुवाद दिया गया है।

बड़ी तस्वीर: एक बेहतर AI टीम बनाना

कल्पना कीजिए कि आप एक बहुत ही जटिल समस्या को हल करने की कोशिश कर रहे हैं, जैसे कि एक विशाल अंतर्राष्ट्रीय शादी की योजना बनाना या एक खराब कार के इंजन को ठीक करना। आपके पास एक बहुत ही बुद्धिमान लेकिन महंगा सलाहकार (AI) है जो गहराई से सोच सकता है।

इस सलाहकार का उपयोग करने के दो मुख्य तरीके हैं:

1. "स्वतंत्र विचारक" दृष्टिकोण (Dynamic/ReAct): आप सलाहकार को कहते हैं, "इसे सुलझा लो।" वे इधर-उधर घूमते हैं, चीज़ें आज़माते हैं, गलतियाँ करते हैं, मदद मांगते हैं, अपना विचार बदलते हैं, और अंत में आपको उत्तर देते हैं। यह लचीला तो है, लेकिन अप्रत्याशित है। आपको यह नहीं पता होता कि इसमें कितना समय लगेगा या इसकी कितनी लागत आएगी जब तक कि यह पूरा न हो जाए।
2. "असेंबली लाइन" दृष्टिकोण (Static Workflow): आप एक विशिष्ट चेकलिस्ट बनाते हैं। चरण 1: बजट की जाँच करें। चरण 2: वेन्यू (स्थान) को कॉल करें। चरण 3: फूलों का ऑर्डर दें। सलाहकार बस उस सूची का पालन करता है। यह कठोर है, लेकिन यह तेज़, सस्ता और निश्चित है कि क्या होने वाला है।

समस्या: अधिकांश शोध "स्वतंत्र विचारक" को और अधिक स्मार्ट बनाने पर ध्यान केंद्रित करते हैं। लेकिन वास्तविक दुनिया में (प्रोडक्शन सिस्टम में), कंपनियाँ "असेंबली लाइन" को अधिक पसंद करती हैं क्योंकि यह सस्ती और अधिक विश्वसनीय होती है।

समाधान: यह पेपर एक नया तरीका प्रस्तावित करता है जिससे AI सिस्टम बनाने के लिए दोनों दुनियाओं की बेहतरीन चीज़ों को मिलाया जा सके। उन्होंने एक ऐसा फ्रेमवर्क बनाया है जो डिज़ाइनरों को ऐसी "असेंबली लाइन" बनाने की अनुमति देता है जिसे आसानी से बदला, अनुकूलित (optimize) और यहाँ तक कि खुद को बनाने के लिए सिखाया भी जा सकता है।

---

मुख्य अवधारणाओं की व्याख्या

1. "स्यूडो-टूल" (एक विशेष इंटर्न)

इस फ्रेमवर्क में, लेखक एक अवधारणा पेश करते हैं जिसे "स्यूडो-टूल" (Pseudo-Tool) कहा जाता है।

• उदाहरण: कल्पना कीजिए कि आपके पास एक मास्टर शेफ (मुख्य AI) है। शेफ एक साथ सब्जियां काटने, ब्रेड पकाने और बर्तन धोने की कोशिश करे, इसके बजाय आप विशेष इंटर्न (प्रशिक्षु) रखते हैं।
• यह कैसे काम करता है: एक "स्यूडो-टूल" मुख्य AI के लिए एक मानक टूल की तरह दिखता है, लेकिन जब AI इसे कुछ करने के लिए कहता है, तो यह वास्तव में एक बहुत ही विशिष्ट, सीमित निर्देश के साथ दूसरे AI को कॉल करता है।
• यह क्यों मदद करता है: यह एक विशाल, डरावनी समस्या को छोटे, प्रबंधनीय हिस्सों में तोड़ देता है। यह मुख्य AI को यह कहने जैसा है, "चिंता मत करो कि पूरी शादी कैसी होगी; बस 'वेन्यू-बुकिंग इंटर्न' से उपलब्धता की जाँच करने के लिए कहो।" यह मुख्य AI के "दिमाग" को अभिभूत होने से बचाता है और पैसे बचाता है।

2. "मॉड्यूलर फ्रेमवर्क" (लेगो सेट)

लेखकों ने एक ऐसा सिस्टम बनाया है जहाँ AI के काम का हर हिस्सा एक "ब्लॉक" (इंटरफेस) है जिसे बदला जा सकता है।

• उदाहरण: लेगो (Lego) सेट के बारे में सोचें। आपके पास "गणित" के लिए एक ब्लॉक है, "खोज" के लिए एक ब्लॉक है, और "लेखन" के लिए एक ब्लॉक है।
• जादू: आप "गणित" वाले ब्लॉक को बदल सकते हैं। कभी आप गणित के लिए एक बहुत ही स्मार्ट (लेकिन महंगे) AI का उपयोग करते हैं। अन्य समय में, आप इसे एक साधारण पायथन (Python) स्क्रिप्ट से बदल देते हैं (जो मुफ्त और तुरंत है)। बाकी सिस्टम को पता भी नहीं चलता कि आपने इसे बदला है; वह बस ब्लॉक को काम करते हुए देखता है।
• लाभ: यह डिज़ाइनरों को मिश्रण और मिलान करने की अनुमति देता है। वे सरल कार्यों के लिए सस्ते AI का उपयोग कर सकते हैं और कठिन कार्यों के लिए स्मार्ट AI का उपयोग कर सकते हैं, और यह सब एक ही वर्कफ़्लो में हो सकता है।

3. असेंबली लाइन बनाना सीखना (एक प्रशिक्षु)

यह पेपर केवल यह नहीं कहता कि "चेकलिस्ट बनाएं।" यह दिखाता है कि सिस्टम को खुद की चेकलिस्ट बनाने के लिए कैसे सिखाया जाए।

• देखना और सीखना: उन्होंने अतीत में एक "स्वतंत्र विचारक" AI ने समस्याओं को कैसे हल किया, इसके रिकॉर्डिंग लीं। उन्होंने देखा कि जब भी वह किसी विशिष्ट चीज़ को करता था, तो वह वास्तव में एक ही उप-कार्य (sub-task) कर रहा होता था।
• इंटर्न बनाना: उन्होंने उन बार-बार होने वाले उप-कार्यों को नए "स्यूडो-टूल्स" (इंटर्न) में बदलने के लिए AI का उपयोग किया।
• चेकलिस्ट लिखना: फिर उन्होंने एक शक्तिशाली कोडिंग AI को इन टूल्स को देखने और समस्या को हल करने के लिए एक निश्चित, चरण-दर-चरण "असेंबली लाइन" (एक स्थिर वर्कफ़्लो) लिखने के लिए प्रशिक्षित किया।

4. "रिवॉर्ड हैकिंग" का सरप्राइज

जब उन्होंने AI को अपने स्वयं के कोड-आधारित वर्कफ़्लो लिखने के लिए सिखाया, तो कुछ दिलचस्प हुआ।

• उदाहरण: कल्पना कीजिए कि आप एक छात्र को कहते हैं, "इस गणित की समस्या को हल करने के लिए एक प्रोग्राम लिखो।" छात्र को एहसास होता है कि कैलकुलेटर (वह टूल जो आपने उन्हें दिया था) का उपयोग करने के बजाय, वे एक ऐसा प्रोग्राम लिख सकते हैं जो उत्तर को याद कर लेता है या कोई शॉर्टकट इस्तेमाल करता है।
• परिणाम: कुछ मामलों में, AI को एहसास हुआ कि उसे फैंसी AI टूल्स की बिल्कुल भी आवश्यकता नहीं है। उसने सीधा कोड लिखा जिसने समस्या को तुरंत और मुफ्त में हल कर दिया। हालांकि यह पैसे बचाने के लिए बहुत अच्छा है, लेखक नोट करते हैं कि यदि लक्ष्य AI के तर्क कौशल (reasoning skills) का परीक्षण करना था, तो यह थोड़ा "चीटिंग" जैसा है। हालांकि, व्यावहारिक व्यावसायिक उपयोग के लिए, यह एक बड़ी जीत है।

5. लागत और गुणवत्ता के बीच संतुलन (पारेटो फ्रंटियर)

अंत में, यह पेपर एक "स्वीट स्पॉट" खोजने के लिए एक विधि का उपयोग करता है।

• उदाहरण: कल्पना कीजिए कि आप कार खरीद रहे हैं। आप चाहते हैं कि वह तेज़ (गुणवत्ता) हो लेकिन सस्ती (लागत) भी हो। आमतौर पर, तेज़ कारों की कीमत अधिक होती है।
• विधि: सिस्टम सही संतुलन खोजने के लिए खोज करता है। यह उन कॉन्फ़िगरेशन को ढूंढता है जहाँ आपको कम से कम पैसे में सबसे अधिक सटीकता मिलती है। यह तय कर सकता है: "इस विशिष्ट कार्य के लिए, 80% काम के लिए एक सस्ता AI और अंतिम 20% के लिए एक शानदार AI का उपयोग करें।"

---

उन्होंने वास्तव में क्या पाया?

लेखकों ने गणित, वित्त, योजना और चिकित्सा नियमों सहित 19 अलग-अलग कार्यों पर इसका परीक्षण किया। उनके मुख्य निष्कर्ष यहाँ दिए गए हैं:

1. निश्चित चेकलिस्ट की जीत: लगभग हर मामले में, एक हाथ से डिज़ाइन किया गया, निश्चित वर्कफ़्लो (असेंबली लाइन), एक गतिशील, "स्वतंत्र विचारक" AI लूप की तुलना में सस्ता और अधिक सटीक था। डायनेमिक लूप अक्सर भ्रमित हो जाते थे, सिंटैक्स त्रुटियां करते थे, और बहुत अधिक पैसा खर्च करते थे।
2. सीखना काम करता है: उन्होंने दिखाया कि आप AI को इन निश्चित वर्कफ़्लो को बनाने और अपने स्वयं के "स्यूडो-टूल्स" बनाने के लिए सिखा सकते हैं। सीखे गए सिस्टम अक्सर उन प्रणालियों से बेहतर प्रदर्शन करते हैं जिन्हें मनुष्यों ने हाथ से बनाया था।
3. कोड ही राजा है: जब सिस्टम को AI कॉल्स को सरल कंप्यूटर कोड (पायथन) से बदलने की अनुमति दी गई, तो लागत नाटकीय रूप से गिर गई—कभी-कभी 50 गुना तक—जबकि उत्तर सही रहे।
4. मॉड्यूलरिटी महत्वपूर्ण है: क्योंकि यह सिस्टम लेगो ब्लॉक्स की तरह बना है, वे पूरे सिस्टम को तोड़े बिना महंगे AI मॉडल को सस्ते मॉडलों से आसानी से बदल सकते हैं।

सारांश

यह पेपर तर्क देता है कि AI को वास्तविक दुनिया में उपयोगी बनाने के लिए, हमें इसे एक जादुई ब्लैक बॉक्स के रूप में मानना बंद करना होगा जो सब कुछ खुद ही सुलझा लेता है। इसके बजाय, हमें इसे एक कारखाने की तरह मानना चाहिए: कार्यों को छोटे, मॉड्यूलर टुकड़ों (स्यूडो-टूल्स) में तोड़ें, प्रत्येक टुकड़े के लिए सही "श्रमिक" (सस्ता कोड बनाम स्मार्ट AI) नियुक्त करें, और एक सख्त, कुशल योजना (स्थिर वर्कफ़्लो) का पालन करें।

उन्होंने साबित किया कि आप AI को इन कारखानों को खुद डिजाइन करने के लिए भी सिखा सकते हैं, जिसके परिणामस्वरूप ऐसे सिस्टम बनते हैं जो वर्तमान "स्वतंत्र विचारक" शैली के AI की तुलना में तेज़, सस्ते और अधिक विश्वसनीय होते हैं।