AI ඒජන්ට් එකක් සංවර්ධනය කරන කෙනෙක්ට ප්රතිචාරයක් හුදෙක් “billing වෙත යොමු කරන්න” කියලා දෙන්න ඕනේ. නමුත් ප්රොම්ට් එකක් වෙනස් කරලා හොඳ තෝන් එකක් ගත්තාම, ඒ ඒජන්ට් එක අහම්බෙන් billing ප්රශ්න වෙනත් ස්ථානයකට යොමු කරනවා. මේ වගේ ගැටළුවක් පාරිභෝගිකයාගේ පැමිණීමෙන් පසු හොයාගන්න පුළුවන්. මෙවැනි ගැටළුවේ මූලික හේතුව AI ඒජන්ට්වල නො-ඩිටර්මිනාස්ටික් (non‑deterministic) ස්වභාවයයි. සාම්ප්රදායික unit test එකක් expect(output).toBe("transfer to billing") වගේ එකක් 30% කාලෙකට සාර්ථකයි, නමුත් ඒජන්ට් එකේ සුක්ෂ්ම දෝෂයක් තිබුණාමත් පසුතැවීමක් නොවෙයි.
මෙම ගැටළුවට විසඳුමක් ලෙස AgentSpec නමැති නව පරීක්ෂණ රාමුකයක් හදලා දීලා තියෙනවා. AgentSpec, AI ආශ්රිත ප්රතිචාරවල අස්ථිරත්වය සලකා, YAML ගොනුවකින් පරීක්ෂණ නියම කරගන්න හැකියාව සපයයි. උදාහරණයක් වශයෙන්, billing ප්රශ්නකට "I want a refund" කියලා ඇතුළත් කරලා contains_any හරහා "billing", "refund", "support" වචන අඩංගුදැයි පරීක්ෂා කරයි. තවත් උදාහරණයක් ලෙස, "my token expired" කියලා ඇතුළත් කරලා contains සහ not_contains භාවිතා කරලා ප්රතිචාරයේ නිවැරදිත්වය සහ අසත්ය වචන නොමැති බව පරීක්ෂා කරයි.
AgentSpec හි විශේෂත්වය, contains / not_contains, contains_any / contains_all, semantically_similar, regex, tool_called සහ max_latency_ms වැනි බහු‑දෘශ්ය පරීක්ෂණ ක්රමයන් ඇතුළත් කර ඇති බවයි. ඒ මඟින් ප්රතිචාරයේ වචන ගැළපීම, අර්ථගත සමානත්වය, රූප රීති, සහ කාල සීමා ආදී සියලුම පැතිකඩක් පරීක්ෂා කළ හැකිය. CI/CD පරිසරයේ agentspec run --ci ලෙස ධාවනය කරලා, අසාර්ථක වුවහොත් JUnit XML වාර්තාවක් ලබාගත හැකිය.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ඉගෙනුම් ආයතන, ස්ථානයේම AI ඒජන්ට්වල නිර්මාණය කරන startups, සහ විශාල සමාගම් සියලුම පරිසරයකම AgentSpec එකෙන් ප්රයෝජනය ලබාගත හැකිය.
- සැලසුම් ශිෂ්යයන් – ප්රායෝගික පරීක්ෂණ අභ්යාසයක් ලෙස, AI ප්රතිචාරයේ අස්ථිරත්වය හඳුනාගැනීමට සහ ඒ සඳහා නිවැරදි පරීක්ෂණ ලේඛනයක් ලියීමට ඉගෙන ගනී.
- ඩිවෙලපර්ලා – Prompt, model, tool යන වෙනස්කම් කරන විට පසුබැසීම් (regression) හඳුනාගැනීමට CI pipeline එකට සරලව ඒකාබද්ධ කරගත හැකිය.
- ව්යාපාරිකයන් – AI‑චැට්බොට්, ගනුදෙනු කළමනාකරණය, සහ support automation වැනි සේවා වල නිවැරදි ක්රියාකාරීත්වය තහවුරු කර, පාරිභෝගික අත්දැකීම අඩු නොකරයි.
AgentSpec, GitHub Actions, Docker, හෝ සරල HTTP endpoint එකක් (උදා: http://localhost:3000/chat) මත ධාවනය කළ හැකි නිසා, පරිසරය කිසිවක්ම සීමා නොවේ. ඉන් පසු, agentspec run --diff baseline.json ලෙස පරණ ප්රතිඵල සමඟ වෙනස්කම් සොයා, model හෝ prompt වෙනස්කම් කළ පසු නිවැරදිව ක්රියා කරන්නේදැයි තහවුරු කළ හැකිය.
මෙම නව පරීක්ෂණ රාමුකය, AI ඒජන්ට්වල ගුණාත්මකභාවය, වේගය, සහ tool integration නිවැරදිව පරීක්ෂා කර, සංවර්ධන කාලය අඩු කර, පාරිභෝගික තෘප්තිය වැඩි කරයි. Sri Lanka’s tech ecosystem එකට මේ වගේ නවෝත්පාදන තාක්ෂණික මෙවලම් ඉතා වැදගත්.
අදම AgentSpec ඔබේ ව්යාපෘතියේ කොටසක් කරගන්න. නව AI ප්රොම්ට් වලට හොඳ පරීක්ෂණයක් නැතිව වැඩ කරන අවස්ථාවට තවත් අවස්ථාවක් නොලැබේ.
