ඉතා සරලව කියනවානම්, ඔබ ලියන වචන කිහිපයක් ඇතුළත් කරලා තත්කාලිකව සකස් කළ හැකි ඩයග්රාම් එකක් ලැබීමට AI‑වලට ඉල්ලීමක් යැවීමේ නව තාක්ෂණයක් දැන් පළ වෙලා. මුලින් එය එකම LLM (Large Language Model) ඇමතුමකින් ක්රියාත්මක වූවාද, පළමු පරීක්ෂණ කාලයේදී දෙකක් වගේ වැරදි පෙනුනා – කේතයේ ව්යාකරණ දෝෂ සහ පරිශීලකගේ අදහස් නොගැලපීම.
එම ගැටලු දෙකම “එකම ප්රෝම්ප්ට්” එකෙන් විසඳා ගන්න බැරි වූ නිසා, සංවර්ධකයා පද්ධතියේ ව්යුහය අලුත් කර, බහු‑පියවර සංවාදයක් (multi‑turn agent) හැඳින්වූවා. මෙහි මූලික අදහස දෙකේ ලූප් දෙකක් – බාහිර ලූප් (request අර්ථකථනය) සහ ඇතුළත ලූප් (කේත නිර්මාණ‑සංස්කරණ) – එකට එකතු නොකිරීමයි.
බාහිර ලූප් පරිශීලකගේ ඉල්ලීම හොඳින් තේරුම් ගන්නවාද කියා පරීක්ෂා කරන අතර, ඇතුළත ලූප් නිර්මාණය කළ Mermaid කේතය සකස් කර, සyntax පරීක්ෂා කර, අවශ්ය නම් ස්වයං‑සංස්කරණය කරයි. මෙය සාර්ථකව ක්රියාත්මක වීමට ව්යවස්ථාමය රූපක 6කින් සමන්විත කණ්ඩායමක් (Front Desk, Clerk, Auditor, Planner, Lawyer, Reviewer) නිර්මාණය කර ඇත.
Front Desk එකම තැනේ පවතින state‑වලින් සම්පූර්ණ සංවාද ඉතිහාසය තබා, අනෙකුත් පදනම් සියල්ල pure function (එකම input එකට එකම output) ලෙස ක්රියා කරයි. Clerk පරිශීලකගේ පැහැදිලි තොරතුරු ගොඩක් රෙකෝඩ් කරයි, Auditor හිස් පවතින ක්ෂේත්ර ලැයිස්තුගත කරයි, Planner මඟින් පසුගිය ප්රශ්න සහ ප්රතිපත්ති මත පදනම්ව අලුත් ප්රශ්නයක් අසන්නෝ නැතිනම් ඩයග්රාම් එක සකස් කරයි. Lawyer Mermaid කේතය ලියයි, Reviewer එය syntax සහ semantics පරීක්ෂා කර, වැරදි ඇත්නම් Lawyer වෙත ආපසු යොමු කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම තාක්ෂණය ශ්රී ලංකාවේ ඩෙවලපර්, තාක්ෂණ උපාධි සිසුන් සහ ව්යාපාරිකයන්ට විශාල වාසියක් ගෙන එයි. සිසුන්ට ලේඛන විශ්ලේෂණය කරමින් සංකීර්ණ flowchart එකක් තැනීම ඉතා පහසු වේ, ඉගෙනුම් වේගය ඉහළ යයි. ඩෙවලපර්ලාට API හරහා AI‑වලින් තත්කාලික diagram generation ලබා ගත හැකි බැවින්, නිර්මාණ කාලය අඩු කර, prototyping ක්රියාවලිය වේගවත් කරයි. ව්යාපාරිකයන්ට අභ්යන්තර SOP හෝ පාරිභෝගික journey map සකස් කිරීමේදී අඩු වැරදි, ඉක්මන් අනුමත කිරීමේ හැකියාව ලැබේ.
අවසානයේ, බහු‑පියවර එජන්ට් ආකෘතිය LLM‑වල අඩුපාඩු සකස් කර, AI‑කෙරෙහි විශ්වාසය වැඩි කරයි. මේ නිසා ශ්රී ලංකාවේ තාක්ෂණික ප්රගතියට නව පියවරක් එක්වීමක් ලෙස සැලකිය හැක.
