Claude වැනි AI මොඩලයක් සෑම නව සැසියකදීම හිස් තලයක් ලෙස ආරම්භ වේ. පසුගිය පැයක්, සතියකදී කළ තීරණය හෝ පසුගිය සතියේ නිර්මාණය කළ වාස්තුකලාව ගැන කිසිදු මතකයක් නැත. එමනිසා එක්-කාර්යයක් – ලේඛනයක් සාරාංශ කිරීම, කේතයක් නිවැරදි කිරීම, ප්රශ්නයකට පිළිතුරු දීම – සඳහා මෙය ගැළපේ, නමුත් කාර්යය බහු-සැසි පරාසයක පැතිර යන විට හිස් තලයක් පුරවා ගැනීමේ පිරිවැය වැඩි වේ.
මම දසක් සකස් කළ සූචිත ඇජන්ට් කට්ටලයක් 24/7 ක්රියාත්මක කිරීමේදී මේ පිරිවැය සෘජු ලෙස දැකගත්තෙමි. එක් එක් ඇජන්ට් එක නව සැසියක් ඇරඹූ විට, පසුගිය වැඩ පිළිබඳ මතකයක් නොමැති බැවින් පළමුව පසුබැසි තොරතුරු නැවත සොයාගත යුතුය. ගොනු කියවා, ලොග් පරීක්ෂා කර, Git ඉතිහාසය විශ්ලේෂණය කර, පද්ධතියේ වත්මන් තත්ත්වය අත්යවශ්ය කලාපයන්ගෙන් හඳුනාගත යුතුය.
මෙම “පූර්ව-කාර්ය” ගැටලුව එක්-ඇජන්ට් පද්ධතියකදී අඩු පරිමාණයක් වුවත්, දසක් ඇජන්ට් එකක් එක් දිනයකදී දෙවරක් පවා ක්රියාත්මක වන විට, සෑම සැසියකම පළමු කිහිප පියවර පසුබැසි තොරතුරු සොයා ගැනීමට විය යුතු වේ. අපගේ පරීක්ෂණය පෙන්වයි, සාමාන්යයෙන් එක් ඇජන්ට් එකට 15 පියවරක් (turns) වැය කර පසුබැසි තොරතුරු නැවත සකස් කිරීමෙන් පසු ප්රධාන කාර්යය ආරම්භ කරයි.
හිස් තල අහිමි වීමේ ප්රභේද තුන:
- කාර්යය පිළිලීම – මතක නොමැති නිසා ඇජන්ට් එක පසුගිය සැසියේ සම්පූර්ණ කළ ලේඛනය නැවත නිර්මාණය කරයි.
- තීරණ විකෘතිකරණය – ගොනු නාමකරණය, මොඩියුල නාමය, අනෝමාලි සීමා වැනි තීරණයන් එක් එක් ඇජන්ට් එක විසින් නැවත ගණනය කරයි, ඒකකයක් නොවන්නේ.
- පසුබැසි නැවත ඇතුළත් කිරීමේ පිරිවැය – සංක්ෂිප්ත සාරාංශය ප්රෝම්ප්ට් වලට ඇතුළත් කිරීම, තත්ත්ව ගොනු ලිවීම වැනි මනුෂ්ය-අධිෂ්ඨාන ක්රියාවලි.
මෙම ගැටලුවට විසඳුමක් ලෙස LoreConvo නාමක පERSISTENT MEMORY මෙවලම ඇතුළත් කළාම, සෑම ඇජන්ට් එකක්ම සැසිය අවසානයේ සාරාංශය, ගත් තීරණ, ඉතිරි ප්රශ්න සහ තාක්ෂණික තත්ත්වයන් සුරක්ෂිත කරයි. එවිට අලුත් සැසියක් ආරම්භ වන විට, පසුබැසි තොරතුරු ස්වයංක්රියව ලබා ගත හැකිවීම නිසා පූර්ව-කාර්ය පිරිවැය දැඩි ලෙස අඩු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්, තාක්ෂණ ආයතන සහ ව්යාපාර සඳහා AI ඇජන්ට් පද්ධති භාවිතය ඉක්මනින් වැඩිවෙමින් පවතී. පසුබැසි අහිමි වීමේ පිරිවැය අවම කර ගැනීමෙන්, දේපළ කළමනාකරණය, සොෆ්ට්වෙයා සංවර්ධන, සහ IT සේවා වැනි ක්ෂේත්රයන්හි කාර්යක්ෂමතාවය ඉහළ යයි. පසුබැසි මතකයක් ඇතිවීම නිසා, කාර්යයන් අධිකාලයක් නොගෙන, තීරණ ගැලපීමේ අස්ථිරතා අඩු වෙයි, එමෙන්ම සංවර්ධකයින්ට කේත පරීක්ෂණ, ලොග් විශ්ලේෂණය වැනි කාර්යයන්ට වඩා නව නිර්මාණාත්මක වැඩකට කාලය වෙන් කර ගත හැක. මෙය ශ්රී ලංකාවේ තාක්ෂණික ආයතනවල ගුණාත්මක නිෂ්පාදන, ග්ලෝබල් වෙළඳපලේ තරඟකාරීත්වය සහ දේශීය IT සේවා සපයන්නන්ගේ ආදායම් වර්ධනයට සෘජු ප්රතිඵලයක් ලබා දේ.
අවසන් වශයෙන්, AI සැසි පසුබැසි අහිමි වීමේ සැබෑ පිරිවැය අවධාරණය කර, පERSISTENT MEMORY විසඳුම් භාවිතා කිරීමෙන්, බහු-ඇජන්ට් පද්ධතිවල කාර්යක්ෂමතාවය ගුණාත්මකව වැඩි කළ හැකි බව අපගේ පරීක්ෂණය පෙන්වයි. ශ්රී ලංකාවේ තාක්ෂණික පරිසරය මේ අලුත් පියවරෙන් ලාභ ලබන බව සැලකිල්ලට ගත යුතුය.
