AI මොඩලයක් භාවිතා කරමින් වැඩපිළිවෙළක් ස්වයංක්රීය කිරීමේදී, Mapper එක නිවැරදි නොවන පළිගැනීම් සෑදීමේ ගැටලුවක් පසුපසින් හමුවුණි. ඒ නිසා, මූලික සැලසුම සකස් කිරීමේදී මොඩලය මනුෂ්යයන්ට තේරුම් ගත හැකි නමුත්, වේදිකාවට අනුකූල නොවන අච්චු සෑදූ බව හඳුනා ගැනුණි.
මෙම අසාර්ථකත්වය මූලිකව මොඩලයට වැඩි ප්රමාණයේ, එකම සංවාදයකින් බොහෝ කාර්ය භාරය පැවරීමට ඉල්ලීමෙන් උද्भව වුණි. වැරදි සැලැස්මක් මුලින්ම පිළිගැනීමෙන් පසු, විශ්ලේෂණ, මැප් කිරීම, නිර්මාණ, සහ අනුමත කිරීම යන පියවර අතර වෙනස්කම් අස්ථානගත විය. අවසාන වශයෙන්, වලිතාපනයකදී වැරදි පියවරක් තවදුරටත් පවතින තුරු පද්ධතිය සෑම වතාවකම ඒම පියවර නැවත සිදු කරමින් පවතිනවා.
මෙම ගැටළුව විසඳීමට, සංවර්ධකයා පද්ධතියේ සැලැස්ම Prompt Stack එකක් ලෙස නොලබා, State Machine එකක් වැනි ආකාරයට පරිවර්තනය කළා. runner/azure_foundry/src/orchestrator.py ගොනුවේ Kernel එක සකස් කිරීම, plugins ලියාපදිංචි කිරීම, agents එකතු කිරීම, කවුරුන් කතා කරනවාද කියා තීරණය කිරීම, සහ කාර්යය අවසන් වීම තීරණය කිරීම වැනි කාර්යයන් මෙහි සිදු වේ. එමෙන්ම runner/azure_foundry/src/state_manager.py හි State Manager එක, පසුගිය සංවාද ඉතිහාසය මත පදනම්ව පණිවිඩ ඉතිරි කිරීමේ හැකියාව ලබා දී, නව සංවාදයක් ආරම්භ කිරීමේ අවශ්යතාවය අඩු කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම නිර්මාණය ශ්රී ලංකාවේ තාක්ෂණික පරිසරයට පහත පරිදි වාසිදායක වේ:
- දැනුම් වර්ධනය: සිසුන් හා නවක සංවර්ධකයන්ට State Machine සහ AgentGroupChat වැනි නවතම AI පද්ධති සැලසුම් ගැන අත්දැකීම් ලබාගත හැක.
- ආර්ථික ඵලදායීතාව: ස්වයංක්රීය වැඩපිළිවෙළ නිවැරදිව ක්රියාත්මක කිරීමෙන් ව්යාපාරික ප්රොජෙක්ට් වල වැරදි අවශ්යතාවය අඩුවීම, කාලය හා සම්පත් ඉතිරි කිරීම සිදු වේ.
- කලාපීය තරඟකාරිත්වය: ශ්රී ලංකාවේ සොෆ්ට්වේයාර් සමාගම්, මෙවැනි ප්රගතිශීලී ආකෘති භාවිතයෙන් ජාත්යන්තර AI තරඟකාරිත්වයට පත් විය හැක.
අවසන් වශයෙන්, AgentGroupChat ආකෘතියේ ‘selection strategy’, ‘termination strategy’, සහ ‘history buffer’ යන තත්ත්වයන් පද්ධතියේ සංකීර්ණතාවය අඩු කර, නිවැරදි පියවර පසුපසින් පසුපසින් ක්රියාත්මක වීමට ඉඩ සලසයි. මෙය AI‑සහාය වැඩපිළිවෙළ නිර්මාණය කරන ඕනෑම සංවර්ධකයකුට අත්යවශ්ය මාර්ගෝපදේශයක් බවට පත්වේ.
