SKILL.nb: Selective Formalization and Gated Execution for Durable Agent Workflows
SKILL.nb एक ऐसा फ्रेमवर्क है जो चयनात्मक औपचारिकता (selective formalization) और ऑडिट योग्य नोटबुक के भीतर गेटेड निष्पादन (gated execution) को नियोजित करके पुन: प्रयोज्य AI एजेंट वर्कफ़्लो की स्थायित्व और विश्वसनीयता को बढ़ाता है, जिससे विविध वेब ऑटोमेशन बेंचमार्क में श्रेष्ठ प्रदर्शन और स्थिरता प्राप्त करने के साथ-साथ पर्यावरणीय विचलन (environmental drift) के प्रति गतिशील अनुकूलन संभव होता 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 रोबोट असिस्टेंट को कोई जटिल काम करना सिखा रहे हैं, जैसे कि फ्लाइट बुक करना या किसी वेबसाइट पर प्रोजेक्ट मैनेज करना। अतीत में, यदि रोबोट ने कोई ऐसी ट्रिक सीखी जो एक बार काम कर गई, तो हम शायद उस ट्रिक को बस सहेज लेते थे और उम्मीद करते थे कि वह हमेशा काम करेगी। लेकिन वेबसाइट्स बदलती रहती हैं। बटन अपनी जगह बदल देते हैं, मेनू गायब हो जाते हैं, और लेआउट बदल जाता है। यदि रोबोट किसी पुरानी ट्रिक को नई वेबसाइट पर इस्तेमाल करने की कोशिश करता है, तो वह अक्सर क्रैश हो जाता है या अटक जाता है।
यह पेपर SKILL.nb पेश करता है, जो रोबोट की इन "ट्रिक्स" को मैनेज करने का एक नया तरीका है ताकि दुनिया बदलने पर वे टूट न जाएं। इसे एक स्मार्ट, खुद-अपडेट होने वाली रेसिपी बुक के रूप में समझें जो जानती है कि कब सख्त निर्देशों का पालन करना है और कब लचीला होना है।
यह कैसे काम करता है, इसके सरल उदाहरण यहाँ दिए गए हैं:
1. समस्या: "सेट-एंड-फॉरगेट" (लिखकर भूल जाने वाला) जाल
कल्पना कीजिए कि आप केक बनाने की एक रेसिपी लिखते हैं। यह आज बिल्कुल सही काम करती है। लेकिन अगले हफ्ते, स्टोर ब्रांड बदल देता है और ओवन का तापमान थोड़ा अलग होता है। यदि आप आँख बंद करके पुरानी रेसिपी का पालन करते हैं, तो केक जल सकता है।
वर्तमान AI एजेंट्स भी वैसे ही हैं। वे एक कार्य (वर्कफ़्लो) को करने के लिए चरणों की एक श्रृंखला सीखते हैं। यदि वेबसाइट बदल जाती है (जैसे "ब्रांड बदलना"), तो एजेंट विफल हो जाता है। मौजूदा सिस्टम इसे केवल पुराने निर्देशों को फिर से पढ़ने की कोशिश करके ठीक करने का प्रयास करते हैं, लेकिन उनके पास यह तय करने का अच्छा तरीका नहीं है कि रेसिपी के कौन से हिस्से अभी भी वैध हैं और किन हिस्सों को फिर से लिखने की आवश्यकता है।
2. समाधान: "स्मार्ट नोटबुक" (SKILL.nb)
लेखकों ने SKILL.nb नामक एक सिस्टम बनाया है। केवल निर्देशों की एक टेक्स्ट फ़ाइल सहेजने के बजाय, वे एक जीवंत, वर्शन वाला नोटबुक (एक डिजिटल लैब जर्नल की तरह) सहेजते हैं।
इस नोटबुक की तीन विशेष विशेषताएं हैं:
चयनात्मक औपचारिकता (Selective Formalization - "हार्डनिंग" का विकल्प):
कल्पना कीजिए कि आप एक रोबोट को बटन क्लिक करना सिखा रहे हैं।- लचीला हिस्सा (The Flexible Part): कुछ चरण साधारण अंग्रेजी में लिखे जाते हैं (जैसे, "लॉगिन बटन खोजें")। यह लचीला है। यदि बटन अपनी जगह बदल देता है, तो रोब सहित अपनी आँखों (AI विजन) का उपयोग करके उसे ढूंढ सकता है।
- कठोर हिस्सा (The Hardened Part): अन्य चरणों को सख्त कंप्यूटर कोड में बदल दिया जाता है (जैसे, "Click element ID #login-btn")। यह तेज़ और सटीक है, लेकिन नाजुक (brittle) है। यदि ID बदल जाती है, तो कोड टूट जाता है।
- जादू (The Magic): SKILL.nb तय करता है कि किन चरणों को सख्त कोड होना चाहिए और किन्हें लचीली अंग्रेजी के रूप में रहना चाहिए। यह यह सीखने के लिए देखता है कि क्या हो रहा है। यदि कोई कोड वाला चरण बार-बार टूटता है, तो सिस्टम स्वचालित रूप से उसे वापस लचीली अंग्रेजी में "डाउनग्रेड" कर देता है ताकि रोबोट अनुकूलन कर सके। यदि कोई अंग्रेजी वाला चरण बहुत स्थिर है, तो यह गति के लिए उसे कोड में "अपग्रेड" कर देता है।
"गेटकीपर" (Gated Execution):
कोई भी कदम उठाने से पहले, रोबोट एक गेट (Gate) की जांच करता है।- गेट को एक क्लब के सुरक्षा गार्ड की तरह समझें। रोबोट सख्त कोड चलाने की कोशिश करता है। गार्ड जांच करता है: "क्या बटन अभी भी उसी स्थान पर है? क्या पेज लोड हो गया है?"
- यदि गेट खुलता है: रोबोट तेज़ कोड चलाता है।
- यदि गेट बंद होता है: रोबोट क्रैश नहीं होता। वह तुरंत "प्लान बी" (लचीले अंग्रेजी निर्देश) पर स्विच कर देता है ताकि एक अलग दृष्टिकोण आज़माया जा सके।
- यह "सब-या-कुछ-नहीं" वाली विफलता को रोकता है जहाँ एक छोटा सा बदलाव पूरी प्रक्रिया को रोक देता है।
"ऑडिट ट्रेल" (साक्ष्य-आधारित):
हर बार जब रोबोट एक कदम उठाने की कोशिश करता है, तो नोटबुक परिणाम रिकॉर्ड करती है: एक स्क्रीनशॉट, एक एरर मैसेज, या एक सफलता लॉग।- यदि कोई चरण अक्सर विफल होता है, तो नोटबुक साक्ष्य देखती है और कहती है, "ठीक है, यह विशिष्ट कोड बहुत नाजुक है। आइए इसका उपयोग करना बंद करें और वापस लचीले निर्देशों पर जाएँ।"
- यह क्या काम किया, क्या टूटा और क्यों, इसका इतिहास रखता है, ताकि रोबोट हर बार किसी इंसान द्वारा ठीक किए जाने की प्रतीक्षा किए बिना अपनी गलतियों से सीख सके।
3. वास्तविक दुनिया के परिणाम: "GitLab माइग्रेशन" टेस्ट
शोधकर्ताओं ने इसका परीक्षण एक वास्तविक परिदृश्य पर किया: एक सॉफ्टवेयर प्लेटफॉर्म (GitLab 15) के पुराने संस्करण से नए संस्करणों (GitLab 16 और 18) में कार्यों को माइग्रेट करना। इन संस्करणों में अलग-अलग लेआउट और बटन थे।
- पुराना तरीका: अन्य AI सिस्टम पुराने लेआउट पर अपने पुराने "स्मृति" (पुरानी रेसिपी) का उपयोग करने की कोशिश करते थे। वे बुरी तरह विफल हुए क्योंकि वे पुराने लेआउट में फंसे हुए थे। उनकी सफलता दर लगभग 10-14 अंक गिर गई।
- SKILL.nb का तरीका: क्योंकि SKILL.nb के पास "गेटकीपर्स" और "लचीले/सख्त" स्विच थे, इसने महसूस किया कि पुराना कोड नए वेबसाइट के लिए फिट नहीं बैठता है। यह स्वचालित रूप से लचीले निर्देशों पर वापस आ गया।
- परिणाम: इसने अपनी सफलता दर को लगभग वैसा ही बनाए रखा, भले ही वह बिल्कुल नई, बदली हुई वेबसाइटों पर था। इसे सब कुछ फिर से सीखने की आवश्यकता नहीं पड़ी; इसने बस अपनी रणनीति को समायोजित किया।
4. यह क्यों महत्वपूर्ण है
पेपर का तर्क है कि AI एजेंट्स के वास्तव में लंबे समय तक उपयोगी होने के लिए, हम उनकी यादों (मेमोरी) को केवल स्थिर फाइलों के रूप में नहीं मान सकते। हमें उन्हें प्रबंधित आर्टिफैक्ट्स (managed artifacts) के रूप में मानना होगा।
- लाइफसाइकिल मैनेजमेंट: जैसे सॉफ्टवेयर इंजीनियर कोड अपडेट को मैनेज करते हैं, वैसे ही SKILL.nb एक एजेंट के कौशल के "लाइफसाइकिल" को मैनेज करता है। यह जानता है कि किसी कौशल को प्रमोट कब करना है (इसे सख्त कोड बनाना), कब डिमोट करना है (इसे लचीला बनाना), और कब रिटायर करना है (इसे फेंक देना क्योंकि यह बहुत टूटा हुआ है)।
- विश्वसनीयता: यह एजेंट्स को अधिक टिकाऊ बनाता है। वे केवल एक बार सफल नहीं होते; वे तब भी सफल होते रहते हैं जब वातावरण बदल जाता है।
संक्षेप में: SKILL.nb एक ऐसा फ्रेमवर्क है जो AI एजेंट्स को एक "स्वयं-सुधारने वाली" रेसिपी बुक देता है। यह जानता है कि कब एक सख्त स्क्रिप्ट का पालन करना है और कब सुधार (इम्प्रोवाइज) करना है, जिससे यह सुनिश्चित होता है कि रोबोट काम करता रहे, भले ही उसके आसपास की दुनिया बदल जाए।
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।