AI एजेंट्स बनानामध्यमपाठ 2045 मिनट का पाठ

एजेंट कब नहीं बनाना चाहिए

एजेंट ताकतवर होते हैं लेकिन धीमे, महंगे और उनका अंदाज़ा लगाना मुश्किल होता है। अक्सर एक अकेला प्रॉम्प्ट या एक तय वर्कफ़्लो काम को बेहतर तरीके से कर देता है। यहाँ जानें कि चुनाव कैसे करें।

✦ ट्यूटर से पूछें🧪 लैब · 20 min📝 पाठ का टेस्ट
पाठ वीडियो में

60 सेकंड में

एजेंट कब नहीं बनाना चाहिए

एजेंट ताकतवर होते हैं लेकिन धीमे, महंगे और उनका अंदाज़ा लगाना मुश्किल होता है। अक्सर एक अकेला प्रॉम्प्ट या एक तय वर्कफ़्लो काम को बेहतर तरीके से कर देता है। यहाँ जानें कि चुनाव…

1/5
आसान शब्दों में
सड़क पार करने के लिए ड्राइवर रखने की ज़रूरत नहीं होती। बगल के कमरे में जाने के लिए साइकिल की ज़रूरत नहीं होती। ऐसा सबसे छोटा टूल चुनना जो काम अच्छे से कर दे, हुनर की निशानी है, आलस की नहीं।
हर चीज़ को एजेंट बनाने का मन ज़रूर करता है। लेकिन मॉडल की हर अतिरिक्त कॉल से खर्च, देरी और गलती की गुंजाइश बढ़ जाती है। कई परेशानियाँ किसी आसान तरीके से बेहतर हल हो जाती हैं। एक सीढ़ी के बारे में सोचें, और सिर्फ उतना ही ऊपर चढ़ें जितनी ज़रूरत हो।

विकल्पों की सीढ़ी

विकल्पयह क्या हैसबसे बेहतर कब है
साधारण कोडकोई मॉडल बिल्कुल नहीं।नियम साफ हों: GST का हिसाब लगाना, तारीख के हिसाब से छांटना, कोई फ़ॉर्मैट जांचना।
सिंगल प्रॉम्प्टएक मॉडल कॉल, शायद कुछ उदाहरणों के साथ।सारांश निकालना, क्लासिफ़ाई करना, अनुवाद करना, किसी एक दस्तावेज़ से ज़रूरी जानकारी निकालना।
तय वर्कफ़्लोकई मॉडल कॉल, जिनका क्रम आपका कोड तय करता है: स्टेप A, फिर B, फिर C।कदम पहले से पता हों, जैसे: जानकारी निकालो, फिर जांचो, फिर जवाब का ड्राफ़्ट बनाओ।
सिंगल एजेंटमॉडल खुद तय करता है कि कौन-से टूल इस्तेमाल करने हैं और कब रुकना है।आगे के कदम इस बात पर निर्भर करते हैं कि उसे क्या मिला, और आप पहले से उनकी लिस्ट नहीं बना सकते।
मल्टीपल एजेंटकई एजेंट, जो मिलकर काम करते हैं।बड़े काम जो अलग-अलग स्वतंत्र हिस्सों में बांटे जा सकते हैं।

वर्कफ़्लो या एजेंट?

एक तय वर्कफ़्लो
  • कदमों का क्रम आपका कोड तय करता है
  • खर्च और समय का पहले से अंदाज़ा रहता है
  • हर कदम को टेस्ट करना आसान है
  • गड़बड़ी जानी-पहचानी जगहों पर ही होती है
एक एजेंट
  • मॉडल अगला कदम खुद तय करता है
  • हर बार खर्च और समय अलग हो सकता है
  • टेस्ट करना मुश्किल: कई संभावित रास्ते होते हैं
  • ऐसी अनपेक्षित चीज़ों को संभाल सकता है जो वर्कफ़्लो नहीं संभाल सकता
उदाहरण: एक कंपनी को ईमेल से इनवॉइस मिलते हैं और उसे रकम, तारीख और वेंडर का नाम एक स्प्रेडशीट में चाहिए। इसके कदम हमेशा एक जैसे होते हैं: PDF पढ़ो, ज़रूरी फ़ील्ड निकालो, उन्हें जांचो, और सेव कर लो। यह एक वर्कफ़्लो है, और मुमकिन है कि जांच के साथ सिर्फ एक सिंगल प्रॉम्प्ट से ही हो जाए (सबक 3)। यहाँ एजेंट लगाने से सिर्फ खर्च और गड़बड़ी के नए रास्ते बढ़ेंगे, कोई फायदा नहीं होगा।
अब इसकी तुलना इससे करें: "पता लगाओ कि इस ग्राहक का पेमेंट क्यों फ़ेल हुआ और अगर गलती हमारी तरफ से है तो उसे ठीक करो।" यहाँ आगे के कदम इस बात पर निर्भर करते हैं कि आपको लॉग्स में क्या मिलता है। यहाँ एक एजेंट का इस्तेमाल सही हो सकता है, बशर्ते उसकी सीमाएं सावधानी से तय की गई हों।

खर्च और गड़बड़ी की आशंका जुड़ती जाती है

एजेंट कई कदमों को आपस में जोड़ते हैं। अगर हर कदम पर गलती होने की थोड़ी भी संभावना हो, तो कदमों की संख्या बढ़ने के साथ कम से कम एक कदम के फ़ेल होने का खतरा बढ़ता जाता है। यह सीधा सा गणित है, किसी एक खास मॉडल की बात नहीं। छोटे और तय रास्तों को भरोसेमंद बनाना आसान होता है। इसके अलावा हर मॉडल कॉल में पैसा और समय लगता है, इसलिए 20 कदमों वाला एजेंट उसी नतीजे के लिए एक सिंगल प्रॉम्प्ट के मुकाबले कई गुना महंगा पड़ सकता है।

फैसले की चेकलिस्ट

  1. क्या साधारण कोड साफ़ नियमों के साथ यह काम कर सकता है? तो वही करें।
  2. क्या अच्छी तरह लिखा गया एक प्रॉम्प्ट जांच के साथ यह काम कर सकता है? पहले उसे आज़माएं और नतीजे मापें।
  3. क्या कदम पहले से पता हैं? एक तय वर्कफ़्लो बनाएं।
  4. क्या आगे के कदम सच में इस बात पर निर्भर करते हैं कि रास्ते में क्या जानकारी मिलती है? तब एजेंट के बारे में सोचें।
  5. क्या आप उसके टूल्स, बजट और जोखिम को सीमित कर सकते हैं, और असली स्थितियों में उसका टेस्ट ले सकते हैं? अगर नहीं, तो अभी इसे रिलीज़ न करें।
  6. क्या गलती होने पर नुकसान कम होगा और उसे आसानी से सुधारा जा सकेगा? अगर नहीं, तो किसी इंसान की निगरानी रखें, या कोई आसान तरीका चुनें।
नोट
आप अलग-अलग स्तरों को मिला भी सकते हैं। किसी वर्कफ़्लो में उस हिस्से के लिए एक एजेंट स्टेप शामिल हो सकता है जहाँ समझ-बूझ की ज़रूरत हो। कोई एजेंट किसी तय वर्कफ़्लो को एक टूल की तरह इस्तेमाल कर सकता है। फैसला हर कदम के हिसाब से करें, पूरे प्रोजेक्ट के लिए एक जैसा नहीं।
यह करें
साधारण तरीके से शुरुआत करना कोई बंद गली नहीं है। अगर सिंगल प्रॉम्प्ट असली मामलों में फ़ेल हो जाता है, तो आपके पास एक टेस्ट सेट और तुलना का पैमाना तैयार हो जाता है जिससे यह साबित किया जा सके कि एजेंट बेहतर है।
यह आज़माएं। अपने काम या कॉलेज से जुड़े AI के तीन आइडिया सोचें। हर एक के लिए सीढ़ी का एक पायदान चुनें और एक वाक्य में बताएं कि उससे नीचे का पायदान क्यों नहीं चुना।

और देखें और पढ़ें

लैब

एक निर्णय तालिका जो पांच असली कामों को सीढ़ी पर रखती है, कारणों और एक टेस्ट प्लान के साथ।

~20 min

समस्या

पाँच कामों पर इस फैसले की चेकलिस्ट का इस्तेमाल करें। आप इन उदाहरणों या अपने खुद के कामों का इस्तेमाल कर सकते हैं:

  • दुकान के समय के बारे में ग्राहकों के WhatsApp संदेशों का जवाब देना।
  • 500 स्कैन किए गए फ़ॉर्मों को 6 श्रेणियों में छांटना।
  • कोड रिपॉजिटरी में फ़ेल हो रहे टेस्ट को ढूंढना और ठीक करना।
  • प्रोडक्ट की लिस्ट से हर हफ़्ते के सोशल मीडिया पोस्ट का ड्राफ़्ट तैयार करना।
  • किसी परिवार की योजना के अनुसार सबसे सस्ती ट्रेन टिकट बुक करना।

हर एक के लिए यह भरें: आपने कौन-सा पायदान चुना (कोड, प्रॉम्प्ट, वर्कफ़्लो, एजेंट, मल्टी-एजेंट), उससे नीचे का पायदान क्यों नहीं चुना, सबसे बड़ा जोखिम क्या है, और एक मीट्रिक जिसे आप मापेंगे।

आपका काम तब पूरा होगा जब

कठिन सवाल

उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।

Q1ट्रेन बुकिंग के काम के लिए एजेंट की ज़रूरत लग सकती है। इसके कौन-से हिस्से अभी भी तय वर्कफ़्लो स्टेप्स या साधारण कोड हो सकते हैं?दिखाएं

डेटा मिलने के बाद, साधारण कोड तारीख, समय और बजट के आधार पर ट्रेनों को फ़िल्टर कर सकता है, और कीमतों की बिल्कुल सही तुलना कर सकता है। ट्रेन का डेटा लाना किसी तय सोर्स से एक तय टूल कॉल हो सकता है। सिर्फ उलझे हुए हिस्सों के लिए मॉडल की ज़रूरत है, जैसे किसी मैसेज से परिवार की पसंद समझना। पेमेंट इंसान के हाथ में ही रहना चाहिए। इस तरह "एजेंट" वाला हिस्सा सिर्फ रिक्वेस्ट को समझने और विकल्प सुझाने तक सीमित रह सकता है।

Q2किसी डेमो में एजेंट का प्रोटोटाइप हर किसी को बहुत पसंद आता है। फिर भी प्रोडक्शन के लिए यह गलत चुनाव क्यों हो सकता है?दिखाएं

डेमो में किसी चुने हुए उदाहरण पर सिर्फ एक अच्छा रन दिखाया जाता है। प्रोडक्शन में कई असली मामलों में अच्छे नतीजों की ज़रूरत होती है, वह भी ऐसे खर्च और रफ़्तार पर जिसे लोग स्वीकार कर सकें, और जहाँ गलतियाँ नुकसानदेह न हों। एक इवैल्यूएशन सेट और खर्च के माप के बिना, आपको सफलता की दर या प्रति काम आने वाले खर्च का पता नहीं होता। एक आसान डिज़ाइन बहुत कम खर्च और जोखिम में लगभग वैसा ही काम कर सकता है।

जारी रखने के लिए कृपया साइन इन करें।

अक्सर पूछे जाने वाले सवाल

क्या एजेंट हमेशा ज़्यादा लचीला और इसलिए बेहतर नहीं होता?

ज़्यादा लचीला तो है, हाँ। पर हमेशा बेहतर हो, ऐसा नहीं। लचीलेपन के लिए पैसे, रफ़्तार और भरोसे की कीमत चुकानी पड़ती है। अगर आपके काम में उस लचीलेपन की ज़रूरत ही नहीं है, तो आप बिना बात के पैसे खर्च करते हैं और गड़बड़ी की नई वजहें पैदा कर लेते हैं।

मैं अपने मैनेजर को कैसे समझाऊं कि आसान समाधान ही काफी है?

असली उदाहरणों का एक छोटा टेस्ट सेट बनाएं और नतीजे मापें। सफलता की दर, प्रति काम खर्च और प्रति काम लगने वाले समय के आधार पर आसान तरीके और एजेंट की तुलना करें। अपने ही डेटा के आंकड़े किसी भी राय से ज़्यादा असरदार होते हैं।

अगर काम बाद में बदल जाए तो क्या होगा?

तब अपने फैसले पर फिर से विचार करें। एक अच्छा डिज़ाइन इसके हिस्सों को (जैसे जांची-परखी जानकारी निकालना और टूल्स) दोबारा इस्तेमाल करने लायक रखता है, ताकि बाद में वर्कफ़्लो से एजेंट पर जाना पड़े तो पूरा कोड दोबारा न लिखना पड़े।

क्या ऐसे काम हैं जहाँ एजेंट वाकई सबसे सही बैठते हैं?

ऐसे काम जहाँ आगे का रास्ता इस बात पर निर्भर करता है कि क्या सामने आता है: डीबगिंग, खुली रिसर्च, कोडिंग के कुछ काम, और कई सिस्टम्स में की जाने वाली जांच-पड़ताल। तब भी एजेंट की सीमाएं तय होनी चाहिए, अच्छे टूल्स होने चाहिए और उसकी जांच होनी चाहिए।

पाठ का टेस्ट

5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।

टेस्ट देने और अपनी प्रोग्रेस सेव करने के लिए साइन इन करें