AI ඒජන්ට්ස් දැන් සමාගම් වල දෛනික කාර්යයන්ට සෘජු ලෙස සම්බන්ධ වෙමින්, සම්පූර්ණ සොෆ්ට්වේයාර් එකක් ලෙස පරිවර්තනය වෙමින් පවතී. එම ඒජන්ට්ස් සීමාසහිත ඉලක්කයක්, අනුමත පසුබැසි තොරතුරු, සීමාගත මෙවලම් පාවිච්චි කිරීම, ප්රතිඵල නිරීක්ෂණය කිරීම සහ ආරක්ෂිතව නවතී සිටීමේ හැකියාවක් තිබේ නම්, ඒවා ව්යාපාරික මෙවලමක් ලෙස සැලකේ.
AI ඒජන්ට්ස් කෙළවරේ ක්රියාකාරිත්වය
ඇත්තේ, භාෂා මොඩලය (LLM) එකක් පමණක් නොව, ඒජන්ට්ස්ගේ අනන්යතා, වැඩපිළිවෙළ තත්ත්වය, API, අනුමත නියමයන්, ලොග්ස් සහ fallback queues වැනි අංගයන් එකතු කරමින් එය විශ්වාසදායී සේවයක් බවට පත් කරයි. සම්ප්රදායික වැඩපිළිවෙළ කේතයෙන් ලියන අතර, සහකාර (assistant) තොරතුරු ලබා දෙනවා, නමුත් මනුෂ්යයාම ක්රියාකාරකම් පාලනය කරයි. ඒජන්ට් එකක් තමාගේ ඊළඟ පියවර තීරණය කරන්නේ, පූර්ව නියමිත ක්රියාකාරකම් අවකාශයේ ය.
ඒජන්ට් ලූප් (Agent Loop)
- ඉලක්කය (Goal) – පැහැදිලි, මැනිය හැකි ප්රතිඵලයක්.
- පසුබැසි තොරතුරු (Context) – තීරණය සඳහා අවශ්ය අවම තොරතුරු සහ ප්රතිපත්ති.
- ක්රියාව (Action) – කියවීම, ගණනය, මසුරු කිරීම හෝ ලියීම වැනි, වර්ගීකෘත මෙවලම් කොන්ට්රාක්ට් එකක්.
- නිරීක්ෂණය (Observation) – මෙවලමෙන් ලැබෙන ප්රතිඵලය හෝ අනුමත තීරණය.
- නවත්වන තත්ත්වය (Stop Condition) – සාර්ථකත්වය, කාල සීමාව, පිරිවැය අවසන් වීම හෝ මනුෂ්ය උත්සාහය.
ආරක්ෂක පාලකය (orchestrator) ඉලක්කය, උපදෙස්, වත්මන් තත්ත්වය සහ පවතින මෙවලම් සකස් කර LLM එකට යොමු කරයි. LLM එක මෙවලම් කැඳවීම, පරිශීලක පිළිතුර, පැහැදිලි කිරීමේ ඉල්ලීම හෝ නවත්වන සංඥාවක් ලෙස පිළිතුරු දෙයි. යෙදුම එම යෝජනාව තහවුරු කර, අවසර ලත් ක්රියාව සිදු කර, ප්රතිඵලය ලොග් කර, ඊළඟ වාරයට නිරීක්ෂණයක් ලෙස ලබා දෙයි.
මෙවලම් සහ මතකය (Tools & Memory)
මෙවලම් කියන්නේ බාහිර ලෝකයට සීමිත අරමුණක් සහිත, ඉන්පුට් ස්කීමා එකක් ඇති අතුරුමුහුණතකි. මතකය තත්ත්වය පවත්වාගෙන යාමට භාවිතා වන අතර, එය යෙදුමේ දත්ත ලෙස පරිභාෂා කර, ප්රවේශ නියමයන් සහ මකා දැමීමේ ක්රමවේදයන් සමඟ කළමනාකරණය කළ යුතුය.
දෝෂ මාර්ග සහ පාලන ක්රම
වැරදි පසුබැසි තොරතුරු, ප්රෝම්ට් ඉන්ජෙක්ශන්, අධික ක්රියා, ලූප් වීම සහ නිශ්ශබ්ද අංශික දෝෂය යනවා සාමාන්ය දෝෂ මාර්ග වේ. ඒවාට පළමු පියවර ලෙස සීමිත මෙවලම්, අවම අවසර, අනුමත ද්වාර, අනුපාත සීමා සහ idempotent ක්රියාත්මක කිරීම යොදා ගත යුතුය.
පියවරෙන් පියවර ප්රවර්ධනය
- වෙළඳපලේ එක් වැඩපිළිවෙළ, හිමිකරු සහ සාර්ථකත්ව මාර්ගෝපදේශය තීරණය කරන්න.
- සියළු දත්ත මූලාශ්ර සහ ක්රියාකාරකම් වර්ගීකරණය කරන්න (කියවීම/මසුරු කිරීම/ලියීම).
- ආරක්ෂිත පරිසරයේ සිදුවන අවස්ථා සැකසීමට පූර්ව-පරීක්ෂණයක් කරන්න.
- ‘Shadow mode’ හි ඒජන්ට් යෝජනා කරනවා, නමුත් ක්රියා නොකරයි.
- ‘Draft mode’ හි තෝරාගත් කුඩා කණ්ඩායමකට පරික්ෂා කර, සංස්කරණ හා අනුමත කිරීම් සටහන් කරන්න.
- අඩු-අපදායික, ආපසු හැරවිය හැකි ක්රියාකාරකමක් සීමිත අවසර සමඟ සක්රිය කරන්න.
- ගුණාත්මක, ව්යාතිරේක හා පිරිවැය විශ්ලේෂණය කර, සාක්ෂි පදනම් කරගෙන විහිදුවන්න.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI ඒජන්ට්ස් මූලික සැලසුම්, API එකතු කිරීම හා පාලන සැලසුම් ඉගෙන ගැනීමට නව පළපුරුද්දක් ලබා ගනී.
- ඩිවෙලපර්ස් – සීමිත මෙවලම්, memory governance සහ idempotent execution වැනි ප්රායෝගික නීති අධ්යයනයෙන්, ව්යාපාරික AI විසඳුම් ඉදිරිපත් කිරීමේ හැකියාව වැඩිවේ.
- ව්යාපාර – බහු-පියවර, වෙනස්කම් අඩංගු කාර්යයන් සඳහා AI ඒජන්ට්ස් භාවිතයෙන් කාර්ය සාධනය, වැරදි අවදානම සහ පිරිවැය අඩු කර ගත හැක.
සාරාංශයෙන්, AI ඒජන්ට්ස් එකක් මොඩලයෙහි යෝජනා පදනම වන අතර, යෙදුම් පාර්ශ්වය එය අනුමත, ක්රියාත්මක හා ලොග් කරයි. ඒජන්ට්ස් භාවිතා කිරීමේදී සීමිත මෙවලම්, පියවරෙන් පියවර rollout සහ ආරක්ෂිත පාලන ක්රම අත්යවශ්ය වේ.
