Anthropic ಇಂಜಿನಿಯರ್‌ಗಳು ಹೊಸ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವುದನ್ನು ಏಕೆ ನಿಲ್ಲಿಸಿದರು: AI Skills ನ ಸಾಮರ್ಥ್ಯ

Anthropic ಇಂಜಿನಿಯರ್‌ಗಳು ಇತ್ತೀಚೆಗೆ ತಮ್ಮ ಆಂತರಿಕ ಸಂಶೋಧನೆಯಿಂದ ಒಂದು ಅಚ್ಚರಿಯ ಪಾಠವನ್ನು ಹಂಚಿಕೊಂಡಿದ್ದಾರೆ: ಅವರು ಪ್ರತಿಯೊಂದು ಕಾರ್ಯಕ್ಕೂ ಹೊಸ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿದರು. ವಿಶೇಷ ಪರಿಣತಿ ಹೊಂದಿದ ಏಜೆಂಟ್‌ಗಳ ಸೈನ್ಯವನ್ನೇ ನಿಯೋಜಿಸುವ ಬದಲು, ಅವರು ಒಂದೇ ಸಮರ್ಥ ಏಜೆಂಟ್‌ಗಾಗಿ ಮಾಡ್ಯುಲರ್ AI skills ನಿರ್ಮಿಸುವತ್ತ ತಮ್ಮ ಗಮನವನ್ನು ಕೇಂದ್ರೀಕರಿಸಿದರು.

ಇಂದು ಅಕ್ಟೋಬರ್ 8, 2026. ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ, ಸಂಶೋಧನೆ ಮತ್ತು ವ್ಯವಹಾರ ಕಾರ್ಯಾಚರಣೆಗಳಾದ್ಯಂತ ಸ್ವಾಯತ್ತ ವ್ಯವಸ್ಥೆಗಳು ಪ್ರೊಡಕ್ಷನ್‌ಗೆ ಪ್ರವೇಶಿಸುತ್ತಿದ್ದಂತೆ, multi-agent ಪ್ರವೃತ್ತಿಯು ಸಂಕೀರ್ಣತೆಯ ಗೋಡೆಗೆ ಡಿಕ್ಕಿ ಹೊಡೆಯುತ್ತಿದೆ. ಬರವಣಿಗೆ, code review, ಡೇಟಾ ಹೊರತೆಗೆಯುವಿಕೆ (data extraction) ಮತ್ತು ಗ್ರಾಹಕ ಬೆಂಬಲಕ್ಕಾಗಿ ಪ್ರತ್ಯೇಕ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಿದ ತಂಡಗಳು ಕೆಲಸ ಮುಗಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಸಮನ್ವಯದ ವೈಫಲ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವುದರಲ್ಲೇ ಹೆಚ್ಚು ಸಮಯ ಕಳೆಯುತ್ತಿವೆ. AI skills ಈ ಅಡಚಣೆಯನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ನೀವು ಸ್ವಯಂಚಾಲಿತ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ವಿಧಾನವನ್ನೇ ಬದಲಾಯಿಸುತ್ತದೆ.

Multi-Agent ಸಂಕೀರ್ಣತೆಯ ಬಲೆ

ಡೆವಲಪರ್‌ಗಳು ಮೊದಲ ಬಾರಿಗೆ agentic automation ಅನ್ನು ಅನ್ವೇಷಿಸುವಾಗ, ಶ್ರಮ ವಿಭಜನೆಯು ಸಹಜವಾದ ಪ್ರವೃತ್ತಿಯಾಗಿರುತ್ತದೆ. ನೀವು ಸಂಶೋಧನೆಗಾಗಿ ಒಂದು ಏಜೆಂಟ್, ಕಂಟೆಂಟ್ ಕರಡು ರಚಿಸಲು ಒಂದು ಏಜೆಂಟ್, ಇಮೇಲ್‌ಗಳನ್ನು ಕಳುಹಿಸಲು ಒಂದು ಏಜೆಂಟ್ ಮತ್ತು ಇವೆಲ್ಲವನ್ನೂ ಸಂಘಟಿಸಲು (orchestrate) ಒಬ್ಬ ಮೇಲ್ವಿಚಾರಕ (supervisor) ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸುತ್ತೀರಿ.

ಸಿದ್ಧಾಂತದಲ್ಲಿ, ವಿಶೇಷ ಏಜೆಂಟ್‌ಗಳು ಆಕರ್ಷಕವಾಗಿ ಕಾಣುತ್ತವೆ. ಆದರೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಈ ಮಾದರಿಯು ತೀವ್ರವಾದ ಕಾರ್ಯಾಚರಣೆಯ ಘರ್ಷಣೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ:

• State synchronization ನ ಹೆಚ್ಚುವರಿ ಹೊರೆ: ಪ್ರತಿಯೊಂದು ಏಜೆಂಟ್ ತನ್ನದೇ ಆದ ಸಂಭಾಷಣೆಯ ಇತಿಹಾಸ, ಮೆಮೊರಿ ಬಫರ್ ಮತ್ತು prompt engineering ಸೂಚನೆಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ಏಜೆಂಟ್‌ಗಳ ನಡುವೆ state ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ವರ್ಗಾಯಿಸಲು ವ್ಯಾಪಕವಾದ glue code ಮತ್ತು ದೋಷ ನಿರ್ವಹಣೆ (error handling) ಅಗತ್ಯವಿರುತ್ತದೆ.
• ಸಂಯುಕ್ತಗೊಳ್ಳುವ ವೈಫಲ್ಯ ದರಗಳು: ಪ್ರತಿಯೊಂದು ಏಜೆಂಟ್ ತೊಂಬತ್ತು ಪ್ರತಿಶತ ಯಶಸ್ಸಿನ ಪ್ರಮಾಣವನ್ನು ಹೊಂದಿದ್ದರೆ, ನಾಲ್ಕು ಏಜೆಂಟ್‌ಗಳನ್ನು ಒಟ್ಟಿಗೆ ಜೋಡಿಸುವುದರಿಂದ ಒಟ್ಟಾರೆ ಕಾರ್ಯದ ಯಶಸ್ಸಿನ ಪ್ರಮಾಣವು ಅರವತ್ತಾರು ಪ್ರತಿಶತಕ್ಕಿಂತ ಕಡಿಮೆಯಾಗುತ್ತದೆ.
• ನಿರ್ವಹಣೆಯ ಆಯಾಸ: ಹಂಚಿಕೊಂಡ ಬಿಸಿನೆಸ್ ನಿಯಮವನ್ನು ನವೀಕರಿಸಲು ಪ್ರತಿಯೊಂದು ಏಜೆಂಟ್‌ನ system prompt ಅನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪರಿಶೀಲಿಸಬೇಕಾಗುತ್ತದೆ.

ನಿಮ್ಮ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಬಗ್ಗೆ ಯೋಚಿಸಿ. ಆಧಾರವಾಗಿರುವ ಹಾರ್ಡ್‌ವೇರ್ ಪ್ರೊಸೆಸರ್ ಆಗಿದೆ, ಏಜೆಂಟ್ ಲೂಪ್ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್ ಆಗಿದೆ ಮತ್ತು skills ಅಪ್ಲಿಕೇಶನ್‌ಗಳಾಗಿವೆ. ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ ನಿಮಗೆ ಹೊಸ ಸಾಮರ್ಥ್ಯ ಬೇಕಾದಾಗ, ನೀವು ಇನ್ನೊಂದು ಫೋನ್ ಖರೀದಿಸುವುದಿಲ್ಲ; ಬದಲಿಗೆ ನೀವು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡುತ್ತೀರಿ. AI skills ಇದೇ ತತ್ವವನ್ನು ಏಜೆಂಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗೆ ಅನ್ವಯಿಸುತ್ತವೆ.

AI Skill ಎಂದರೇನು?

ಅತ್ಯಂತ ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, AI skill ಎಂಬುದು ಸೂಚನಾ ಫೈಲ್ ಅನ್ನು ಒಳಗೊಂಡಿರುವ ಒಂದು ರಚನಾತ್ಮಕ ಡೈರೆಕ್ಟರಿಯಾಗಿದ್ದು, ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ skill.md ಎಂದು ಹೆಸರಿಸಲಾಗುತ್ತದೆ ಅಥವಾ ಪ್ರಮಾಣಿತ ಮೆಟಾಡೇಟಾದೊಂದಿಗೆ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ. ಇದು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಡೊಮೇನ್ ಜ್ಞಾನ, ಕಾರ್ಯಾಚರಣೆಯ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ವರ್ಕ್‌ಫ್ಲೋ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಒಂದು ಪ್ರಮಾಣಿತ skill ಫೈಲ್ ಎರಡು ಪ್ರಾಥಮಿಕ ಘಟಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ:

1. Frontmatter ಮೆಟಾಡೇಟಾ: ಒಂದು ಸ್ಪಷ್ಟವಾದ ಹೆಸರು ಮತ್ತು ಸಂಕ್ಷಿಪ್ತ ವಿವರಣೆ. ಈ ವಿವರಣೆಯನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ಭಾಷಾ ಮಾದರಿಗಾಗಿ (language model) ಬರೆಯಲಾಗಿದ್ದು, ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಈ skill ಸಕ್ರಿಯಗೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು ಇದು ವಿವರಿಸುತ್ತದೆ.
2. ಕಾರ್ಯವಿಧಾನದ ಸೂಚನೆಗಳು: ಕೆಲಸವನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬೇಕು, ಯಾವ ಟೂಲ್‌ಗಳನ್ನು ಬಳಸಬೇಕು ಮತ್ತು ಯಾವ ಔಟ್‌ಪುಟ್ ರಚನೆಯನ್ನು ನೀಡಬೇಕು ಎಂಬುದನ್ನು ವಿವರಿಸುವ ಸರಳ ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿನ ಸ್ಪಷ್ಟ, ಹಂತ-ಹಂತದ ಮಾರ್ಗದರ್ಶನ.

ಒಂದು skill ಅನ್ನು ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಅಥವಾ ಬಳಕೆದಾರ ಸಂರಚನೆಯೊಂದಿಗೆ (user configuration) ಪ್ಲೇನ್ ಟೆಕ್ಸ್ಟ್ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸುವುದರಿಂದ, ಸಾಮಾನ್ಯ ಕೋಡ್‌ಗಾಗಿ ನೀವು ಬಳಸುವ ಅದೇ ವರ್ಷನ್ ಕಂಟ್ರೋಲ್ ಪರಿಕರಗಳನ್ನು ಬಳಸಿಕೊಂಡು skills ಅನ್ನು ಆವೃತ್ತಿಗೊಳಿಸಬಹುದು, ಪರಿಶೀಲಿಸಬಹುದು ಮತ್ತು ನವೀಕರಿಸಬಹುದು.

Progressive Disclosure ನ ಆರ್ಕಿಟೆಕ್ಚರ್

skills ನ ಹಿಂದಿರುವ ನಿಜವಾದ ತಾಂತ್ರಿಕ ಮುನ್ನಡೆಯು ಈ ಹೆಸರಿನ ಆರ್ಕಿಟೆಕ್ಚರಲ್ ಪ್ಯಾಟರ್ನ್ ಆಗಿದೆ: progressive disclosure.

ಪ್ರತಿಯೊಂದು ಸೆಷನ್‌ನ ಪ್ರಾರಂಭದಲ್ಲಿ ಒಂದು ಏಜೆಂಟ್ ಐವತ್ತು ವಿಭಿನ್ನ skills ನ ಸಂಪೂರ್ಣ ಪಠ್ಯವನ್ನು ತನ್ನ ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋಗೆ (context window) ಲೋಡ್ ಮಾಡಿದರೆ, ನೀವು ಪ್ರಶ್ನೆಯನ್ನು ಟೈಪ್ ಮಾಡುವ ಮೊದಲೇ ಅದು ಹತ್ತಾರು ಸಾವಿರ ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ. ಈ ಟೋಕನ್ ಉಬ್ಬರವು (token bloat) ಲೇಟೆನ್ಸಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, API ವೆಚ್ಚವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ಅಪ್ರಸ್ತುತ ಸೂಚನೆಗಳ ನಡುವೆ ಮಾದರಿಯ ಗಮನವನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತದೆ.

Progressive disclosure ಇದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪರಿಹರಿಸುತ್ತದೆ:

1. Lightweight ಅನ್ವೇಷಣೆ: ಪ್ರಾರಂಭದಲ್ಲಿ, ಏಜೆಂಟ್ ಲಭ್ಯವಿರುವ ಎಲ್ಲಾ skills ನ ಹೆಸರುಗಳು ಮತ್ತು ಸಂಕ್ಷಿಪ್ತ ವಿವರಣೆಗಳನ್ನು ಮಾತ್ರ ಓದುತ್ತದೆ. ಈ ಸಾರಾಂಶವು ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋದ ಅತ್ಯಂತ ಸಣ್ಣ ಭಾಗವನ್ನು ಮಾತ್ರ ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ.
2. ಉದ್ದೇಶ ಹೊಂದಾಣಿಕೆ (Intent matching): ನೀವು ವಿನಂತಿಯನ್ನು ಸಲ್ಲಿಸಿದಾಗ, ಏಜೆಂಟ್ ತನ್ನ skill ಕ್ಯಾಟಲಾಗ್ ವಿರುದ್ಧ ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ.
3. On-demand ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆ: ಒಂದು skill ನಿಮ್ಮ ವಿನಂತಿಗೆ ಹೊಂದಿಕೆಯಾದಾಗ ಮಾತ್ರ, ಏಜೆಂಟ್ ಸಂಪೂರ್ಣ skill.md ಫೈಲ್ ಅನ್ನು ಸಕ್ರಿಯ ಮೆಮೊರಿಗೆ ಓದಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ವಿವರವಾದ ಹಂತಗಳನ್ನು ನಿಖರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ.

ನಿರ್ದಿಷ್ಟ ಪರಿಕರದ ಅಗತ್ಯವಿರುವವರೆಗೆ ಟೂಲ್‌ಬಾಕ್ಸ್ ಮುಚ್ಚಿಯೇ ಇರುತ್ತದೆ, ಇದು ಏಜೆಂಟ್ ಅನ್ನು ವೇಗವಾಗಿ, ನಿಖರವಾಗಿ ಮತ್ತು ವೆಚ್ಚ-ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಇರಿಸುತ್ತದೆ.

ಹಂತ-ಹಂತವಾಗಿ AI Skill ಅನ್ನು ನಿರ್ಮಿಸುವುದು ಹೇಗೆ

AI skill ಅನ್ನು ರಚಿಸಲು ಸಂಕೀರ್ಣವಾದ Python orchestrations ಬರೆಯುವುದು ಅಥವಾ ಡಿಸ್ಟ್ರಿಬ್ಯೂಟೆಡ್ ಕ್ಯೂಗಳನ್ನು (distributed queues) ನಿರ್ವಹಿಸುವುದು ಅಗತ್ಯವಿಲ್ಲ. ನೇರ ಹಸ್ತಚಾಲಿತ ರಚನೆಯಿಂದ ಹಿಡಿದು ಸ್ವಯಂಚಾಲಿತ ವರ್ಕ್‌ಫ್ಲೋ ಕ್ಯಾಪ್ಚರ್‌ವರೆಗೆ ಪ್ರೊಡಕ್ಷನ್-ರೆಡಿ skill ಅನ್ನು ನಿರ್ಮಿಸಲು ಮೂರು ಪ್ರಾಥಮಿಕ ವಿಧಾನಗಳಿವೆ.

ಹಂತ 1: Skill ರಚನೆಯನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ರಚಿಸಿ

ಒಂದು skill ಅನ್ನು ಕೈಯಾರೆ ಬರೆಯುವುದು ಅದರ ಆಂತರಿಕ ಕಾರ್ಯವಿಧಾನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಅತ್ಯುತ್ತಮ ಮಾರ್ಗವಾಗಿದೆ. ಗಡಿ ನಿಯಮಗಳು (boundary conditions), ಪ್ರಚೋದಕ ನಿಯಮಗಳು (trigger rules) ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ನೀವು ನೇರವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತೀರಿ.

ನಿಮ್ಮ skill ಗಾಗಿ ಒಂದು ಫೋಲ್ಡರ್ ಅನ್ನು ರಚಿಸಿ ಮತ್ತು ಅದರಲ್ಲಿ ಒಂದು skill.md ಫೈಲ್ ಅನ್ನು ಬರೆಯಿರಿ:

---
name: youtube-researcher
description: Identifies viral content themes and outlier videos in a specified niche. Use when asked to find YouTube trends, viral topics, or video ideas.
---

### Workflow Instructions
1. Search the target niche on the video database.
2. Filter for uploads published within the last 30 days.
3. Identify videos with an outlier multiplier of at least 2x average channel views.
4. Group the top results into distinct thematic patterns.
5. Provide actionable title structures based on the top performers.

ಈ ಸೆಟಪ್‌ನಲ್ಲಿ, intent classification ಸಮಯದಲ್ಲಿ ಪ್ರಸ್ತುತತೆಯನ್ನು ನಿರ್ಧರಿಸಲು ನಿಮ್ಮ ಏಜೆಂಟ್ ಬಳಸುವ ನಿಖರವಾದ ಸೆಮ್ಯಾಂಟಿಕ್ ಆಧಾರಗಳನ್ನು (semantic anchors) ವಿವರಣೆಯು ಒದಗಿಸುತ್ತದೆ.

ಹಂತ 2: ಸಂವಾದಾತ್ಮಕ ಏಜೆಂಟ್-ಸಹಾಯಿತ ರಚನೆಯನ್ನು ಬಳಸಿ (Interactive Agent-Assisted Generation)

ಅತ್ಯಂತ ಪ್ರಾಯೋಗಿಕ ದೈನಂದಿನ ವಿಧಾನವೆಂದರೆ skill ಅನ್ನು ರೂಪಿಸಲು ನಿಮ್ಮ ಏಜೆಂಟ್ ನಿಮ್ಮನ್ನು ಸಂದರ್ಶಿಸುವಂತೆ ಮಾಡುವುದು. ಮೊದಲಿನಿಂದಲೂ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಬರೆಯುವ ಬದಲು, ನೀವು ಸಂಭಾಷಣೆಯಲ್ಲಿ ನಿಮ್ಮ ಹಸ್ತಚಾಲಿತ ದಿನಚರಿಯನ್ನು ವಿವರಿಸುತ್ತೀರಿ ಮತ್ತು ಏಜೆಂಟ್ ರಚನಾತ್ಮಕ ಸ್ಪಷ್ಟೀಕರಣ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತದೆ.

ಕೇಂದ್ರೀಕೃತ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ನೀವು ಈ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಪ್ರಾರಂಭಿಸಬಹುದು:

I want to turn my repetitive task into a reusable AI skill. Ask me detailed questions one by one about my inputs, edge cases, tool dependencies, and desired output formats until you have enough information to write a comprehensive skill.md file.

ಏಜೆಂಟ್ ವ್ಯವಸ್ಥಿತವಾಗಿ ಇವುಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ:

• ಯಾವ APIಗಳು ಅಥವಾ ಕಮಾಂಡ್-ಲೈನ್ ಟೂಲ್‌ಗಳು ಅಗತ್ಯವಿದೆ ಎಂಬುದು.
• ಅನಿರೀಕ್ಷಿತ ದೋಷಗಳು ಅಥವಾ ಖಾಲಿ ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬೇಕು ಎಂಬುದು.
• ಅಂತಿಮ ವಿತರಣೆಯು ಯಾವ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಶೈಲಿ ಅಥವಾ ಸ್ಕೀಮಾಗಳನ್ನು ಅನುಸರಿಸಬೇಕು ಎಂಬುದು.

ಸಂಭಾಷಣೆ ಮುಗಿದ ನಂತರ, ಏಜೆಂಟ್ ಉತ್ತರಗಳನ್ನು ನಿಯೋಜನೆಗೆ (deployment) ಸಿದ್ಧವಾಗಿರುವ ಅಂತಿಮ skill ಫೈಲ್ ಆಗಿ ಸಂಕಲಿಸುತ್ತದೆ.

ಹಂತ 3: ಹಸ್ತಚಾಲಿತ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡಿ ಮತ್ತು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಿ

ಮೂರನೇ ವಿಧಾನವು ಸ್ಕ್ರೀನ್ ರೆಕಾರ್ಡಿಂಗ್ ಮತ್ತು ಬ್ರೌಸರ್ ಆಟೊಮೇಷನ್ ಅನ್ನು ಸದುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಮಾತಿನಲ್ಲಿ ವಿವರಿಸಲು ಕಷ್ಟಕರವಾದ ಡೇಟಾ ಎಂಟ್ರಿ, ಪೋರ್ಟಲ್ ನ್ಯಾವಿಗೇಷನ್ ಅಥವಾ ಫೈಲ್ ಪ್ರೊಸೆಸಿಂಗ್ ಕಾರ್ಯಗಳಿಗಾಗಿ, ನೀವು ಆ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸುವುದನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡಿಕೊಳ್ಳುತ್ತೀರಿ.

ಏಜೆಂಟ್ ಬಳಕೆದಾರರ ಕ್ರಿಯೆಗಳ ಅನುಕ್ರಮವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ:

• ಯಾವ ಡೈರೆಕ್ಟರಿಗಳನ್ನು ತೆರೆಯಲಾಗಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುವುದು.
• ರಚಿಸಲಾದ ಫೈಲ್‌ಗಳಿಗಾಗಿ ಬಳಸಲಾದ ನಾಮಕರಣ ನಿಯಮಗಳನ್ನು (naming conventions) ಹೊರತೆಗೆಯುವುದು.
• ಎಂಟರ್‌ಪ್ರೈಸ್ ವೆಬ್ ಫಾರ್ಮ್‌ಗಳ ನಡುವೆ ನಕಲಿಸಲಾದ ನಿಖರವಾದ ನಿಯತಾಂಕಗಳನ್ನು (parameters) ಪತ್ತೆಹಚ್ಚುವುದು.

ಏಜೆಂಟ್ ಈ ಗಮನಿಸಿದ ಸಂವಹನಗಳನ್ನು ನಿಖರವಾದ ಶೆಲ್ ಕಮಾಂಡ್‌ಗಳು ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ಹಂತಗಳಾಗಿ ಭಾಷಾಂತರಿಸುತ್ತದೆ, ನಿಮ್ಮ ನಿಖರವಾದ ಕಾರ್ಯಾಚರಣೆಯ ದಿನಚರಿಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ skill ಅನ್ನು ರಚಿಸುತ್ತದೆ.

ಕಮ್ಯೂನಿಟಿ Skills ಅನ್ನು ಅನ್ವೇಷಿಸುವುದು, ಹಂಚಿಕೊಳ್ಳುವುದು ಮತ್ತು ಸುರಕ್ಷಿತಗೊಳಿಸುವುದು

ಆಧುನಿಕ AI skill ಪರಿಸರ ವ್ಯವಸ್ಥೆಯು ಮುಕ್ತ ಮಾನದಂಡಗಳನ್ನು (open standards) ಬಳಸುವುದರಿಂದ, Claude, Cursor, Hermes ಮತ್ತು ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ರನ್‌ಟೈಮ್‌ಗಳು ಸೇರಿದಂತೆ ಬಹು ಏಜೆಂಟ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಲ್ಲಿ ಒಂದೇ skill ಫೋಲ್ಡರ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳಬಹುದು.

GitHub ನಲ್ಲಿನ ಕಮ್ಯೂನಿಟಿ ರೆಪೊಸಿಟರಿಗಳು ಮತ್ತು ಕ್ಯುರೇಟೆಡ್ skill ಮಾರ್ಕೆಟ್‌ಪ್ಲೇಸ್‌ಗಳು API ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ರಚಿಸುವುದು, pull requests ಆಡಿಟ್ ಮಾಡುವುದು ಮತ್ತು ಕ್ಲೌಡ್ ಮೂಲಸೌಕರ್ಯವನ್ನು ಪರಿಶೀಲಿಸುವಂತಹ ಸಾಮಾನ್ಯ ಎಂಜಿನಿಯರಿಂಗ್ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮೊದಲೇ ನಿರ್ಮಿಸಲಾದ skills ಅನ್ನು ಒದಗಿಸುತ್ತವೆ.

ಆದಾಗ್ಯೂ, ಥರ್ಡ್-ಪಾರ್ಟಿ skills ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಭದ್ರತಾ ಜವಾಬ್ದಾರಿಗಳನ್ನು ತರುತ್ತದೆ:

• ಸ್ಕ್ರಿಪ್ಟ್ ಎಕ್ಸಿಕ್ಯೂಶನ್ ಅಪಾಯಗಳು: Skills ಸ್ಥಳೀಯ ಶೆಲ್ ಕಮಾಂಡ್‌ಗಳನ್ನು ಚಲಾಯಿಸಬಹುದು, ನೆಟ್‌ವರ್ಕ್ ಡಿಪೆಂಡೆನ್ಸಿಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳಬಹುದು ಅಥವಾ ಸ್ಥಳೀಯ ಕಾನ್ಫಿಗರೇಶನ್ ಫೈಲ್‌ಗಳನ್ನು ಓದಬಹುದು.
• ದುರುದ್ದೇಶಪೂರಿತ ಪ್ರಾಂಪ್ಟ್ ಇಂಜೆಕ್ಷನ್: ಕಳಪೆಯಾಗಿ ರಚಿಸಲಾದ ಅಥವಾ ದುರುದ್ದೇಶಪೂರಿತ skill ಪರಿಸರ ವೇರಿಯೇಬಲ್‌ಗಳು (environment variables) ಅಥವಾ ಖಾಸಗಿ API ಕೀಗಳನ್ನು ಕದಿಯಲು ಪ್ರಯತ್ನಿಸಬಹುದು.
• ಕಡ್ಡಾಯ ಆಡಿಟಿಂಗ್: ಡೌನ್‌ಲೋಡ್ ಮಾಡಿದ ಯಾವುದೇ skill ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುವ ಮೊದಲು, ಪಠ್ಯವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪರಿಶೀಲಿಸಿ ಅಥವಾ ಅನುಮಾನಾಸ್ಪದ ನೆಟ್‌ವರ್ಕ್ ಕರೆಗಳು, ರುಜುವಾತು ಪ್ರವೇಶ (credential access) ಅಥವಾ ಶೆಲ್ ಬದಲಾವಣೆಗಳಿಗಾಗಿ skill ಫೈಲ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಲು ನಿಮ್ಮ ಸ್ಥಳೀಯ ಸಹಾಯಕರನ್ನು ನಿರ್ದೇಶಿಸಿ.

ಉಪಸಂಹಾರ

Multi-agent ಮಾದರಿಯು AI ಸ್ವಾಯತ್ತತೆಯ ಕಡೆಗೆ ಒಂದು ಅರ್ಥಗರ್ಭಿತ ಮೊದಲ ಹೆಜ್ಜೆಯಾಗಿತ್ತು, ಆದರೆ ಮಾಡ್ಯುಲರ್ skills ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹ ಎಂಜಿನಿಯರಿಂಗ್ ಅಡಿಪಾಯವನ್ನು ಒದಗಿಸುತ್ತವೆ. ಮರುಬಳಕೆ ಮಾಡಬಹುದಾದ ಪಠ್ಯ-ಆಧಾರಿತ ಸೂಚನೆಗಳಾಗಿ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಕ್ರೋಢೀಕರಿಸುವ ಮೂಲಕ ಮತ್ತು progressive disclosure ಮೂಲಕ ಅವುಗಳನ್ನು ಲೋಡ್ ಮಾಡುವ ಮೂಲಕ, ಡೆವಲಪರ್‌ಗಳು ವಾಸ್ತುಶಿಲ್ಪದ ಸಂಕೀರ್ಣತೆಯನ್ನು ಹೆಚ್ಚಿಸದೆ ಕಾಲಾನಂತರದಲ್ಲಿ ತಮ್ಮ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ವಿಸ್ತರಿಸುವ ದೃಢವಾದ, ವೆಚ್ಚ-ಪರಿಣಾಮಕಾರಿ ಸಹಾಯಕಗಳನ್ನು ನಿರ್ಮಿಸಬಹುದು.

ಅನುಕೂಲಗಳು

• ಸಿಸ್ಟಮ್ ನಿರ್ವಹಣೆಯನ್ನು ಬಹು ದುರ್ಬಲ ಉಪ-ಏಜೆಂಟ್‌ಗಳ ಬದಲಿಗೆ ಒಂದೇ ಕೋರ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಕ್ರೋಢೀಕರಿಸುತ್ತದೆ.
• Progressive disclosure ಮತ್ತು on-demand ಲೋಡಿಂಗ್ ಮೂಲಕ ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋ ಬಳಕೆಯನ್ನು ಕನಿಷ್ಠಗೊಳಿಸುತ್ತದೆ.
• ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಪ್ಲೇನ್ ಮಾರ್ಕ್‌ಡೌನ್ ಪಠ್ಯವಾಗಿ ಸಂಗ್ರಹಿಸುವ ಮೂಲಕ ವರ್ಷನ್ ಕಂಟ್ರೋಲ್ ಮತ್ತು ಪೀರ್ ರಿವ್ಯೂ ಅನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ.
• ಆಧುನಿಕ ಏಜೆಂಟ್ ಪರಿಸರಗಳಾದ್ಯಂತ ತಡೆರಹಿತ ಕ್ರಾಸ್-ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ skill ಪೋರ್ಟಬಿಲಿಟಿಯನ್ನು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ.
• ಏಜೆಂಟ್‌ಗಳ ನಡುವಿನ ಅನಗತ್ಯ ಸಂಭಾಷಣೆಯನ್ನು ನಿವಾರಿಸುವ ಮೂಲಕ ಕಾರ್ಯಾಚರಣೆಯ API ವೆಚ್ಚಗಳು ಮತ್ತು ಲೇಟೆನ್ಸಿಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಅನನುಕೂಲಗಳು

• ಸಂಕೀರ್ಣ ಬಹು-ಹಂತದ ತಾರ್ಕಿಕತೆಗೆ (multi-step reasoning) ಇನ್ನೂ skill ಫೈಲ್‌ನೊಳಗೆ ಎಚ್ಚರಿಕೆಯ ಸೂಚನಾ ಎಂಜಿನಿಯರಿಂಗ್ (instruction engineering) ಅಗತ್ಯವಿದೆ.
• ಕಳಪೆಯಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ skill ವಿವರಣೆಗಳು ತಪ್ಪು-ಧನಾತ್ಮಕ (false-positive) ಸಕ್ರಿಯಗೊಳಿಸುವಿಕೆಗಳಿಗೆ ಅಥವಾ ಪ್ರಚೋದಕಗಳು ತಪ್ಪಿಹೋಗಲು ಕಾರಣವಾಗಬಹುದು.
• ಆಡಿಟ್ ಮಾಡದೆ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಸೇರಿಸಿದರೆ ಥರ್ಡ್-ಪಾರ್ಟಿ skills ಸಂಭಾವ್ಯ ಭದ್ರತಾ ಅಪಾಯಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ.
• ಒಂದೇ ಪ್ರಾಂಪ್ಟ್ ಏಕಕಾಲದಲ್ಲಿ ಪರಸ್ಪರ ವ್ಯಾಪಿಸಿರುವ (overlapping) ಬಹು skills ಅನ್ನು ಪ್ರಚೋದಿಸಿದರೆ ಮೊನೊಲಿಥಿಕ್ ಏಜೆಂಟ್ ಲೂಪ್‌ಗಳು ಕಷ್ಟಪಡಬಹುದು.

ಎಚ್ಚರಿಕೆ

ಈ ಲೇಖನವು ಶೈಕ್ಷಣಿಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ. ಕಾರ್ಯವಿಧಾನಗಳು, ಕೋಡ್ ಮಾದರಿಗಳು ಮತ್ತು ಪ್ಲೇಸ್‌ಹೋಲ್ಡರ್ ಕಾನ್ಫಿಗರೇಶನ್‌ಗಳನ್ನು ನಿಮ್ಮ ನಿರ್ದಿಷ್ಟ ಪರಿಸರ ಮತ್ತು ಭದ್ರತಾ ನೀತಿಗಳಿಗೆ ಅಳವಡಿಸಿಕೊಳ್ಳಬೇಕು. ಪ್ರೊಡಕ್ಷನ್ ಡೇಟಾ ಅಥವಾ ಖಾಸಗಿ ರುಜುವಾತುಗಳಿಗೆ (private credentials) ಪ್ರವೇಶವನ್ನು ಹೊಂದಿರುವ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ ಮೂರನೇ ವ್ಯಕ್ತಿಯ AI skills ಅನ್ನು ನಿಯೋಜಿಸುವ ಮೊದಲು ಯಾವಾಗಲೂ ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಆಡಿಟ್ ಮಾಡಿ.

ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

• ಇಂಜಿನಿಯರ್‌ಗಳು multi-agent ಸಿಸ್ಟಮ್‌ಗಳಿಂದ ಏಕೆ ದೂರ ಸರಿಯುತ್ತಿದ್ದಾರೆ? — ಮಾಡ್ಯುಲರ್ skills ಹೊಂದಿದ ಏಕೈಕ ಏಜೆಂಟ್‌ಗೆ ಹೋಲಿಸಿದರೆ multi-agent ಸಿಸ್ಟಮ್‌ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚಿನ ಸಮನ್ವಯದ ಹೆಚ್ಚುವರಿ ಹೊರೆ (coordination overhead), ಸಂಯುಕ್ತಗೊಳ್ಳುವ ವೈಫಲ್ಯದ ದರಗಳು ಮತ್ತು ಕಷ್ಟಕರವಾದ state ನಿರ್ವಹಣೆಯನ್ನು ತಂದೊಡ್ಡುತ್ತವೆ.
• AI skill ಎಂದರೇನು? — AI skill ಎಂಬುದು ಸಾಮಾನ್ಯವಾಗಿ ಮಾರ್ಕ್‌ಡೌನ್ ಫೈಲ್‌ನಲ್ಲಿ ಸೂಚನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಒಂದು ರಚನಾತ್ಮಕ ಫೋಲ್ಡರ್ ಆಗಿದ್ದು, ಇದು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯವನ್ನು ಹೇಗೆ ಮತ್ತು ಯಾವಾಗ ಕಾರ್ಯಗತಗೊಳಿಸಬೇಕು ಎಂಬುದನ್ನು ಏಜೆಂಟ್‌ಗೆ ಕಲಿಸುತ್ತದೆ.
• AI ಏಜೆಂಟ್‌ಗಳಲ್ಲಿ progressive disclosure ಎಂದರೇನು? — Progressive disclosure ಎಂಬುದು ಒಂದು ವಿನ್ಯಾಸ ಮಾದರಿಯಾಗಿದ್ದು (design pattern), ಇದರಲ್ಲಿ ಏಜೆಂಟ್ ಆರಂಭದಲ್ಲಿ ಕೇವಲ skill ಹೆಸರುಗಳು ಮತ್ತು ವಿವರಣೆಗಳನ್ನು ಮಾತ್ರ ಲೋಡ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯವು ಹೊಂದಿಕೆಯಾದಾಗ ಮಾತ್ರ ಪೂರ್ಣ ಸೂಚನೆಗಳನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ.
• ಯಾವ skill ಅನ್ನು ಬಳಸಬೇಕೆಂದು ಏಜೆಂಟ್‌ಗೆ ಹೇಗೆ ತಿಳಿಯುತ್ತದೆ? — ಸಂಬಂಧಿತ ಸಾಧನವನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಏಜೆಂಟ್ ಬಳಕೆದಾರರ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ತನ್ನ skill ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿರುವ ಸೆಮ್ಯಾಂಟಿಕ್ ವಿವರಣೆಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ.
• AI skills ಕೋಡ್ ಅನ್ನು ಚಲಾಯಿಸಬಹುದೇ? — ಹೌದು, ಏಜೆಂಟ್‌ಗೆ ನೀಡಲಾದ ಅನುಮತಿಗಳನ್ನು ಆಧರಿಸಿ ಶೆಲ್ ಕಮಾಂಡ್‌ಗಳು, ಕಮಾಂಡ್-ಲೈನ್ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳು ಅಥವಾ ಬಾಹ್ಯ APIಗಳನ್ನು ಪ್ರಾರಂಭಿಸಲು skills ಸೂಚನೆಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು.
• ಕಮ್ಯೂನಿಟಿ skills ಅನ್ನು ಸ್ಥಾಪಿಸುವುದು ಸುರಕ್ಷಿತವೇ? — ಕಮ್ಯೂನಿಟಿ skills ಅನ್ನು ಬಳಸುವ ಮೊದಲು ಯಾವಾಗಲೂ ಆಡಿಟ್ ಮಾಡಬೇಕು, ಏಕೆಂದರೆ ಪರಿಶೀಲಿಸದಿದ್ದರೆ ಅವು ಅನಧಿಕೃತ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಚಲಾಯಿಸುವ ಅಥವಾ ಸೂಕ್ಷ್ಮ ಫೈಲ್‌ಗಳನ್ನು ಪ್ರವೇಶಿಸುವ ಸಾಧ್ಯತೆ ಇರುತ್ತದೆ.
• AI skills ವಿಭಿನ್ನ AI ಪರಿಕರಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆಯೇ? — ಹೌದು, ಮುಕ್ತ skill ವಿಶೇಷಣಗಳು (open skill specifications) ಹೊಂದಾಣಿಕೆಯಾಗುವ ಮಾರ್ಕ್‌ಡೌನ್ skills ಅನ್ನು Claude, Cursor, Antigravity ಮತ್ತು ಇತರ ಆಧುನಿಕ ಏಜೆಂಟ್ ಫ್ರೇಮ್‌ವರ್ಕ್‌ಗಳಂತಹ ಪರಿಕರಗಳಾದ್ಯಂತ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅನುಮತಿಸುತ್ತವೆ.

ಟ್ಯಾಗ್‌ಗಳು

#aiagents #anthropic #softwareengineering #promptengineering #automation #artificialintelligence #developers #aiarchitecture #llm #techguide