AI කේතකරණ ඒජන්ට් සඳහා ලියන නීති සරල පේළි බවට පෙනේ. නමුත් Hacker News හි ඉදිරිපත් කරපු ActPlane පර්යේෂණය, ඒ නීති ක්රියාත්මක කිරීමේදී පරිසරය, කාලය, පද්ධති මට්ටමේ හුක්ස් (hooks) ඇතුළත් කරගත යුතු බව පෙන්වා දෙයි.
ඉදිරිපත් කරපු පර්යේෂණය 64 ප්රසිද්ධ GitHub රිපොසිටරීන් විශ්ලේෂණය කරමින්, සමස්ත 2,116 CLAUDE.md සහ AGENTS.md ප්රකාශයන් සොයාගත්තා. ඒ අතර 64% ක් නීතිමය (policy) ප්රකාශයන් වන අතර, ඉතිරි 36% ක් ව්යාපෘතියේ ව්යුහය, පසුබැසි තොරතුරු වැනි විස්තරමය අන්තර්ගතයයි. නීතිවල බහුලත්වය රිපොසිටරී අනුව 0% සිට 97% දක්වා වෙනස් වුණා, බොහෝ ව්යාපෘති වල නීති ප්රකාශයන් වඩා වැඩි බව පෙනේ.
පර්යේෂකයන් ප්රකාශයන් සෑම එකක්ම සත්ය LLM (Claude, Codex) සහ මනුෂ්ය සමාලෝචකයන්ගෙන් පරීක්ෂා කරමින්, ඒවායේ අන්තර්ගත වර්ගය, විෂය, ක්රියාත්මක මට්ටම, අවශ්ය පසුබැසි තොරතුරු යන ලේබල් හතරක් යොදාගත්තා. ප්රතිඵල පෙන්වන්නේ, බොහෝ නීති “පෙර-සිදුවීම්” හෝ “ව්යාපෘති-මට්ටමේ” තොරතුරු මත පදනම් වූ නිසා, එක පද්ධති හුක් එකෙන් සියල්ල පරීක්ෂා කළ නොහැකි බවයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයන්ට, AI කේතකරණ ඒජන්ට් භාවිතය ඉක්මනින් වර්ධනය වෙමින් පවතී. මේ පර්යේෂණය පෙන්වන වගුව, නීති ලිවීමෙන් පසු ඒවා පද්ධති මට්ටමේ සැලැස්වීමේ අපහසුතා ගැන අවධාරණය කරයි. එමනිසා, දේශීය සංවර්ධකයන්ට:
- AI ඒජන්ට් සඳහා නිශ්චිත, පද්ධති-අනුවැදි නීති ලියීමේ කුසලතා ඉගෙන ගත හැක.
- ආරක්ෂාව සහ නීතිමය පාලනය සඳහා eBPF වැනි Linux kernel තාක්ෂණයන් භාවිතා කිරීමේ අවශ්යතාව තේරුම් ගත හැක.
- ව්යාපාරික ආයතන AI-ආධාරිත CI/CD පයිප්ලයින් සකස් කරන විට, නීති‑පදනම් පාලන මට්ටමක් එක්කර ගත හැක.
ඉන් පසු, ශ්රී ලංකාවේ තාක්ෂණික ආයතන AI ඒජන්ට් භාවිතයෙන් සිදුවිය හැකි වැරදි, දත්ත රහස්යතා උල්ලංඝනය වීම වැනි අවදානම් අඩු කර, ගුණාත්මක මෘදුකාංග නිෂ්පාදනයේ තරඟශීලීත්වය වැඩි කර ගත හැක.
සාරාංශයෙන්, නීති ලිවීම සහ ඒවා පද්ධති මට්ටමේ පරික්ෂා කිරීම අතර ඇති පාලන පාලන පරතරය, AI ඒජන්ට් ආරක්ෂාවට අත්යවශ්ය අංශයක් බව මේ පර්යේෂණයෙන් තේරුම් ගත හැක. මෙවැනි ගැඹුරු අවබෝධයක් දේශීය සංවර්ධකයන්, ආයතන, සහ විශ්වවිද්යාල සිසුන්ට අනාගත AI-ආධාරිත වැඩසටහන් සාර්ථකව ක්රියාත්මක කිරීමට මාර්ගෝපදේශයක් වේ.
