Anthropic ने वास्तविक प्रोडक्शन अनुभव के आधार पर AI एजेंट वर्कफ़्लो के सबसे व्यावहारिक और सबसे अधिक इस्तेमाल होने वाले 3 पैटर्न और कब कौन-सा चुनना चाहिए, इसका सार संक्षेप में बताया है.
मुख्य संदेश
- एजेंट जितने बढ़ते हैं, संरचना (वर्कफ़्लो) उतनी ही अधिक महत्वपूर्ण हो जाती है
- गलत पैटर्न → latency↑, लागत↑, reliability↓
- पैटर्न का मतलब स्वायत्तता खत्म करना नहीं, बल्कि स्वायत्तता की सीमा को डिज़ाइन करना है
1. क्रमिक वर्कफ़्लो (Sequential)
- चरणों को एक-एक करके क्रम से चलाना (A → B → C)
- उपयुक्त : जब चरणों के बीच निर्भरता स्पष्ट हो
उदाहरण: मार्केटिंग कॉपी → अनुवाद → समीक्षा
दस्तावेज़ डेटा निष्कर्षण → schema validation → DB लोड - फ़ायदा: हर एजेंट एक ही काम पर केंद्रित → सटीकता ↑
- नुकसान: इंतज़ार के कारण latency बढ़ जाती है
- टिप: हर बार multi-step पर जाने की ज़रूरत नहीं, पहले single agent से पर्याप्त परीक्षण करें
2. समानांतर वर्कफ़्लो (Parallel)
- स्वतंत्र कामों को एक साथ कई एजेंटों में बाँटना → नतीजे इकट्ठा करना (fan-out → fan-in)
- उपयुक्त : जब कई पहलुओं का एक साथ मूल्यांकन करना हो
उदाहरण: code review (कमज़ोरियों के प्रकार के अनुसार बाँटना)
दस्तावेज़ विश्लेषण (विषय·sentiment·fact-checking एक साथ)
बहु-आयामी quality evaluation - फ़ायदा: टीमों के हितों को अलग रखना आसान, अलग-अलग optimization संभव
- नुकसान: एक साथ API calls ज़्यादा होने से लागत ↑, और परिणामों को जोड़ने की logic (बहुमत? वेटेज? विशेषज्ञ को प्राथमिकता?) पहले से डिज़ाइन करनी पड़ती है
3. मूल्यांकनकर्ता-ऑप्टिमाइज़र वर्कफ़्लो (Evaluator-Optimizer)
- generation agent ↔ evaluation agent के बीच बार-बार feedback का आदान-प्रदान
- generation → evaluation → संशोधन → evaluation… (जब तक quality standard पूरा न हो जाए या अधिकतम iterations न पहुँच जाएँ)
- उपयुक्त : जब गुणवत्ता बहुत महत्वपूर्ण हो
उदाहरण: API documentation का स्वचालित निर्माण
ग्राहक संचार (tone·policy compliance)
सुरक्षा-संवेदनशील SQL query लिखना - फ़ायदा: generation और evaluation को विशेषज्ञता के अनुसार अलग करना → बेहतर परिष्कृत परिणाम
- नुकसान: token और समय की खपत अधिक → stop condition (अधिकतम iterations + quality threshold) ज़रूर सेट करें
व्यावहारिक उपयोग के सिद्धांत (महत्वपूर्ण!)
- सबसे सरल चीज़ से शुरू करें
single agent से पर्याप्त हो जाए → वहीं समाप्त
sequential से हल हो जाए → वहीं समाप्त
पहला परिणाम ही मानक पूरा कर दे → वहीं समाप्त - केवल ज़रूरत पड़ने पर ही अपग्रेड करें
- तीनों पैटर्न मिलाकर भी इस्तेमाल किए जा सकते हैं (sequential के भीतर parallel जोड़ना, evaluation loop में parallel evaluators आदि)
अभी कोई टिप्पणी नहीं है.