Google, තමන්ගේ coding agent සඳහා නව "skill" එකක් නිකුත් කරලා. මේක AI agent ගුණාත්මකත්වය වඩාත් නිරවද්යව මැනීමට, නිවැරදිව අලුත් කර ගැනීමට සහ පද්ධතියේ flywheel ක්රියාවලිය වේගවත් කිරීමට උදව් කරන උපාය මාර්ගයක්.
කණ්ඩායම් සාමාජිකයින් සාමාන්යයෙන් ප්රොම්ප්ට් එකක් සකස් කර, කිසිඳු පරික්ෂණයක් නොකර පමණක් "ආදර්ශ 3කින්" වැඩිදියුණු වුණා කියලා හිතනවා. නමුත් ඒ වෙනස සත්යයෙන් පරිසරයේ සියලු භාවිතයන්ට හොඳද කියලා තේරුම්ගත නොහැක. Google එම ගැටළුවට පිළිතුරු ලෙස Build & Test → Ship & Monitor → Learn & Refine යන ත්රි-පියවර flywheel එකේ Build & Test පියවරේම කේන්ද්ර කරමින් පියවර 5ක ක්රමයක් හදුන්වා දෙයි.
පියවර 1 – Prepare Data: පවතින OTel trace, අතින් සකස් කළ උදාහරණ හෝ සංශෝධිත සිදුවීම් වලින් මූලික පරීක්ෂණ දත්ත සකස් කරයි.
පියවර 2 – Run Inference: එම දත්ත මත agent එක ක්රියාත්මක කර trace එකක් ලබා ගනී; දැනටමත් trace තිබේ නම් මෙම පියවර මඟ හැරිය හැක.
පියවර 3 – Grade: Google හි AutoRaters (මොඩලය‑මත පදනම් වූ විනිශ්චයකරු) හෝ ඔබගේම මැනුම්කරණ මාර්ගය භාවිතා කර trace එක අගය කරයි. මේ පියවර සැමවිටම ක්රියාත්මක වේ.
පියවර 4 – Analyze Failures: රූබ්රික් අධාරිත තීරණ බලන්න, 10කට වැඩි අසාර්ථකතා තිබේ නම් Automatic Loss Analysis මගින් කණ්ඩායම්ගත කරයි.
පියවර 5 – Optimize & Iterate: නිශ්චිත විසඳුමක් යොදයි, පියවර 2‑4 නැවත ක්රියාත්මක කර, පෙර මට්ටමට එරෙහිව ප්රතිඵල සැසඳේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණ විද්යා ශිෂ්යයින්, සංවර්ධකයින් සහ ව්යාපාරිකයන්ට මෙම නව skill එකෙන් ලැබෙන ප්රතිලාභ කිහිපයක් ඇත:
- ඉගෙනුම් වේගය වැඩිදියුණු කිරීම – AutoRaters මඟින් සිද්ධි‑මූලික විග්රහයක් ලබා දෙන නිසා, ශිෂ්යයින්ට AI agent එකේ දෝෂ හඳුනා ගැනීමට සහ නිවැරදි කිරීමට ඉක්මනින් ඉගෙන ගත හැක.
- දැනුම‑ආශ්රිත නිෂ්පාදන සංවර්ධනය – ශ්රී ලංකාවේ startups වෙත අධිකාරී පරික්ෂණ පද්ධතියක් ලැබෙන බැවින්, නිෂ්පාදන ගුණාත්මකත්වය පරික්ෂා කරමින් ගනුදෙනුකරුවන්ට විශ්වාසදායක සේවාවන් ලබා දිය හැක.
- වියදම් ඉතිරි කිරීම – සින්තතික සිදුවීම් (User Simulator) භාවිතයෙන් නව ප්රොම්ප්ට් පරීක්ෂා කළ හැකි නිසා, නිරවද්ය real‑traffic පරීක්ෂණවලට පෙර වැරදි හඳුනා ගෙන වියදම් අඩු කරයි.
මෙම ක්රමවේදය තනිවම ස්වයංක්රීය නොවේ; මිනිස් අත්දැකීම් සමඟින් යුතුව, ඔබගේ කේත‑agent එක විසින් යෝජනා කරන විසඳුම් ඔබ අනුමත කරයි. එම නිසා metric‑වලට පමණක් නොව, සැබෑ පරිශීලක අරමුණටත් අදාළව agent එක වැඩිදියුණු කරගත හැක.
Google නව skill එකේදී AutoRaters, GenAI evaluation service සහ User Simulator වැනි උපාංග එකට එක් කරමින්, AI agent ගුණාත්මකත්වය වඩාත් පරීක්ෂා කළ හැකි පද්ධතියක් ගොඩනැගී ඇත. ශ්රී ලංකාවේ සංවර්ධකයින්ට මෙය අත්හදා බැලීමට, google-agents-cli-eval හෝ google-agents-cli-eval-v2 පෑකේජ් භාවිතා කරමින්, තමන්ගේ පද්ධතියේ තත්ත්වය තක්සේරු කර, නිරන්තරයෙන් ඉදිරියට ගෙන යා හැක.
අදම ඔබේ AI agent එකේ ගුණාත්මකත්වය තදබල කර, ලොව පුරා තරඟකරුවන් අතර ඉදිරියට යන්න.
