AI ඒජන්ට්ස් වැඩිදුරටත් අපගේ කේත පරීක්ෂණ, API නිවැරදි කිරීම වැනි දේවල් වලට යොදා ගත යුතු වේ. නමුත් ඒජන්ට් එක දිගුවට වැඩ කරන විට, ලොග්, සෙවුම්, පරීක්ෂණ ආදියෙන් ගොඩක් තොරතුරු එකතු වෙයි. මේ තොරතුරු සියල්ලම මතක තබාගන්න අවශ්ය නැත; එම නිසා Context Compression කියන නව තාක්ෂණය උදව් කරයි.
උදාහරණයක් ලෙස, ඔබ AI ඒජන්ට්ටාට "API 500 දෝෂය සකසන්න" කියලා උපදෙස් දෙයි. ඒජන්ට් එක ලොග් කියවීම, කේත සෙවීම, දත්ත ගබඩාව පරීක්ෂා කිරීම, පසුගිය commit බැලීම, පරීක්ෂණ ධාවනය කිරීම, සහ අන්තර්ගත විසඳුම් උත්සාහ කිරීම වැනි පියවර 30කට අධිකව කරයි. මේ ක්රියාවලියෙන් 40,000 ට වඩා වැඩි token ගණනක් එකතු වේ. එය පසුගිය කාලයේ වැදගත් වුවත්, දැන් ඒ තොරතුරු අඩු කර, ප්රධාන කරුණු පමණක් තබාගත යුතුය.
Context Compression තුළ ප්රධාන තේරීම් තුනක් ඇත: Pruning, Distillation, සහ Generalisation. Pruning යනු අවශ්ය නොවන පරණ ලොග්, අසාර්ථක සෙවුම්, හා නැවත නැවත පෙනෙන තොරතුරු ඉවත් කිරීමයි. Distillation යනු සම්පූර්ණ සංවාදය සංක්ෂිප්ත කර, ලක්ෂ්ය, තත්ත්වය, ගත් තීරණ, කරුණු, සහ ඊළඟ ක්රියාමාර්ග වැනි ව්යුහගත සාරාංශයක් සකස් කිරීමයි. Generalisation යනු මේ පරීක්ෂණයෙන් ලැබුණු පළපුරුද්ද අනාගත ගැටළු සඳහා පදනම් කර ගැනීමයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලාංකීය සංවර්ධකයින්, ආරම්භකයින්, හා ව්යාපාර සඳහා Context Compression තාක්ෂණය විශාල අවස්ථා ගෙන එයි. ප්රධාන වාසියන් කිහිපයක් මෙහි ඇත:
- වියදම් අඩුවීම – AI සේවා පරිභෝගය token ගණනට අනුව ගණන කරයි. අතිරේක තොරතුරු ඉවත් කිරීමෙන් පරිශීලන පිරිවැය අඩුවේ.
- වේගවත් ප්රතිචාර – කෙටි context එකක් AI මොඩලයට ඉක්මනින් සැකසීමට හැකිවීම නිසා, දෝෂ නිවැරදි කිරීමේ කාලය කෙටි වේ.
- සම්පත් ඉතිරි කිරීම – කලාපීය සර්වර් හෝ cloud වියදම් අඩුවීමෙන්, ස්ථානීය start‑up ව්යාපාරවලට වැඩි ප්රතිලාභ ලැබේ.
- ඉගෙනුම් හැකියාව වැඩිවීම – Distillation සහ Generalisation මඟින් පළපුරුද්ද ලේඛනය කර, නව සංවර්ධකයින්ට ඉගෙනීමට සරල උදාහරණ සපයයි.
මෙම පරිණාමය ශ්රී ලංකාවේ AI‑අපනයන කර්මාන්තයට, දේශීය SaaS සොෆ්ට්වෙයාර්, සහ විද්යාත්මක පර්යේෂණ සඳහා නව මාර්ගයක් විවෘත කරයි.
අවසන් වශයෙන්, Context Compression AI ඒජන්ට්ස්ගේ කාර්යක්ෂමතාවය ඉහළ ගෙන, පිරිවැය අඩු කර, සංවර්ධන ක්රියාවලිය සරල කරයි. ඔබත් ඔබේ ව්යාපාරයේ AI පද්ධති මෙය භාවිතා කර, තරගකාරීත්වය වැඩි කරගන්න.
