মূল কন্টেন্টে যান
এসকিউএ বাংলা

নাম, ইংরেজি শব্দ বা বিষয়ের অংশ লিখুন। বাংলা আর ইংরেজি, দুটোই চলবে।

যা খুঁজে দেখতে পারেন

এজেন্টিক QA: পূর্ণ পথ

পাঠ ১৮

ধাপ ৪: এজেন্টের গড়ন

(Anatomy of an Agent)

এজেন্টের গড়ন: মডেল, টুল, মেমরি ও লুপ

(Anatomy of an Agent)

এজেন্টের চার অংশ: মডেল, টুল, মেমরি ও লুপ, একটি ছোট লুপের স্কেচ, আর সেই লুপের তিনটি সীমা: কনটেক্সট, হ্যালুসিনেশন ও খরচ।

পড়তে প্রায় ৯ মিনিট

রুমি ও তানভীর ভাইয়ের সঙ্গে

এই ধাপে ০/৮ পড়া হয়েছে
=== এজেন্ট সেশন, স্টেজিং, সিট-বদল স্মোক ===
লক্ষ্য      : সিট বদলের স্ক্রিনে ভাড়ার ফারাক দেখায় কিনা যাচাই করো
ধাপ ১ পরিকল্পনা: স্ক্রিনটা খুলি, সিট বদলের বোতাম খুঁজি
ধাপ ২ টুল   : open_page("/booking/seat-change")  -> ঠিক
ধাপ ৩ টুল   : click("সিট বদলান")                 -> ঠিক
ধাপ ৪ টুল   : read_text("ফারাকের অঙ্ক")          -> এলিমেন্ট পাওয়া যায়নি
ধাপ ৫ পরিকল্পনা: ... স্টোরি অনুযায়ী অঙ্ক থাকার কথা। ধরে নিলাম আছে। পাস।

এই সেশন রুমি একদিন পড়ল, আর থেমে গেল। ধাপ ৪-এ এলিমেন্ট মেলেনি। ধাপ ৫-এ এজেন্ট লিখেছে "ধরে নিলাম"। ঠিক এই জায়গাতেই এজেন্টের গড়ন বোঝা জরুরি, কারণ ভুলটা কোন অংশে ঘটল তা না জানলে সারানো যায় না।

মঙ্গলবার, দুপুর

এজেন্টটা মিথ্যা বলেনি। সে শুধু ফাঁকটা নিজের মতো ভরে দিয়েছে, ঠিক যেমন আমি প্রথম মাসে স্পেক না বুঝে ধরে নিয়ে পাস দিতাম। তফাত: আমার পিছনে তানভীর ভাই ছিলেন।

চার অংশ(Four Parts)

মডেলসিদ্ধান্ত নেওয়ার মস্তিষ্ক: পরের ধাপে কী করা উচিত তা ঠিক করে।
টুলহাত-পা: পেজ খোলা, ক্লিক, ফাইল পড়া, টেস্ট চালানো। যে টুল নেই, সে কাজ হয় না।
মেমরিএখন পর্যন্ত কী ঘটেছে তার রেকর্ড, যা মডেলের সামনে থাকে। এটা কনটেক্সটের ভেতরেই।
লুপসিদ্ধান্ত, কাজ, ফল দেখা, আবার সিদ্ধান্ত। থামার শর্তও লুপের অংশ।

পুরো ব্যবস্থার মানচিত্রে এই চার অংশ আলাদা চার স্তরে বসে: মডেল স্তর ১-এ, মেমরি স্তর ৩-এ, টুল স্তর ৪-এ, আর লুপ স্তর ৫-এ। কোনো ভুল ধরা পড়লে আগে প্রশ্ন করুন, কোন স্তরে ঘটল।

রুমির সেই সেশনে মডেল ঠিকই সিদ্ধান্ত নিয়েছিল, টুলও ঠিক বলেছিল "পাওয়া যায়নি"। সমস্যা ছিল লুপের নিয়মে: প্রমাণ না পেলে কী করবে, তা বলা ছিল না। সে অনুমান করে এগিয়ে গেল।

লুপের স্কেচ(Loop Sketch)

নিচের কোডটি আসল কোনো টুলের নয়। ধারণা বোঝানোর ছোট একটি ছক।

const MAX_STEPS = 20;
let context = [goal];                 // এজেন্টের কনটেক্সট

for (let step = 1; step <= MAX_STEPS; step++) {
  const action = model.decide(context);     // পরিকল্পনা
  if (action.type === "finish") break;

  if (!allowedTools.includes(action.tool)) { // সীমা যাচাই
    context.push("এই টুল অনুমোদিত নয়");
    continue;
  }
  const result = tools[action.tool](action.args); // কাজ
  context.push(result);                     // পর্যবেক্ষণ
}
report(context);   // মানুষ এই রিপোর্ট যাচাই করবে

লক্ষ্য করুন, MAX_STEPS আর allowedTools কোডের ভেতরেই আছে। সীমা মডেলের দয়ার ওপর ছেড়ে দেওয়া হয়নি। আর একটা জিনিস নেই: "টুল ফল না দিলে অনুমান করো না" নিয়মটা। এটাই রুমিকে লক্ষ্যে লিখতে হলো।

ঘুরিয়ে দেখুন(Try It Yourself)

নিজে চালিয়ে দেখুন, চক্র ১

এজেন্ট বলছে (পরিকল্পনা)

লক্ষ্য: 'ভুল পাসওয়ার্ডে লগইন ব্লক হয় কি না দেখো।' আমি আগে ধাপগুলো ঠিক করি: লগইন পেজ খুলব, ভুল পাসওয়ার্ড দেব, ত্রুটির বার্তা দেখব।

তিনটি সীমা(Three Limits)

কনটেক্সট জানালা
একসঙ্গে সীমিত পরিমাণ তথ্য মনে রাখা যায়। লম্বা কাজে শুরুর কথা হারিয়ে যেতে পারে।
হ্যালুসিনেশন
মডেল না জেনেও আত্মবিশ্বাসে উত্তর বানাতে পারে, যেমন নেই এমন বোতামের টেস্ট পাস।
খরচ
প্রতিটি ধাপে মডেল ডাকা হয়। ঘোরাঘুরি বাড়লে খরচ ও সময় বাড়ে।

দুই নম্বর সেশন(Session Two)

একই লক্ষ্যে নতুন নিয়ম জুড়ে রুমি আবার চালাল। এবার ধাপ ৪-এর পর এজেন্ট লিখল: ফারাকের অঙ্ক এলিমেন্ট পাওয়া যায়নি, ফল: ফেল। প্রমাণ: স্ক্রিনশট ৪। রুমি স্ক্রিনশট খুলে দেখল, সত্যিই অঙ্কটা নেই। এটাই BUS-731-এর মতো আসল বাগ। এজেন্ট ঠকেনি, এবার তাকে সৎ থাকার জায়গা দেওয়া হয়েছে।

নিজেকে যাচাই করুন

এজেন্ট বোতাম না পেয়ে পাস লিখল। লুপের কোন অংশটি সবচেয়ে ভালোভাবে এটি আটকাত?