স্বায়ত্তশাসিত এজেন্ট: এগুলো কী এবং কীভাবে কাজ করে

স্বায়ত্তশাসিত এজেন্ট কী

স্বায়ত্তশাসিত এজেন্ট হলো এমন একটি AI সিস্টেম, যা নিজে থেকেই কোনো লক্ষ্যের দিকে কাজ করে। একজন ব্যক্তি তাঁর কাঙ্ক্ষিত ফলাফল বর্ণনা করেন, আর এজেন্ট প্রয়োজনীয় ধাপগুলো নির্ধারণ করে সেগুলো সম্পন্ন করে।

ধরা যাক, কেউ তিনটি প্রজেক্ট ম্যানেজমেন্ট টুলের মধ্যে একটি বেছে নিতে চান। একটি স্বায়ত্তশাসিত এজেন্ট প্রতিটি টুল সার্চ করে খুঁজে বের করতে, সেটির মূল্য-তালিকার পেজ খুলতে, পার্থক্যগুলো লিখে রাখতে এবং একটি পূর্ণাঙ্গ তুলনা ফেরত দিতে পারে। ব্যক্তি লক্ষ্য নির্ধারণ করেন ও ফলাফল পর্যালোচনা করেন, আর মাঝের কাজটুকু করে এজেন্ট।

বর্তমানের অনেক সফটওয়্যার এজেন্ট নির্দেশনা বুঝতে এবং এরপর কী করতে হবে তা ঠিক করতে একটি লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) ব্যবহার করে। কিছু মডেল ছবি বা অডিও-ও প্রক্রিয়া করতে পারে। ওয়েবে সার্চ করতে, বাটনে ক্লিক করতে বা ইমেইল পাঠাতে এজেন্টের এমন সফটওয়্যার প্রয়োজন, যা মডেলকে বিভিন্ন টুলের সঙ্গে যুক্ত করে এবং মডেলের অনুরোধগুলো কার্যকর করে।

প্রজেক্ট ম্যানেজমেন্টের উদাহরণে LLM এবং এজেন্ট এভাবে কাজ করবে:

1. LLM লক্ষ্যটি পড়ে এবং প্রথম টুলের মূল্য সার্চ করার জন্য একটি অনুরোধ লেখে।
2. এজেন্টের সফটওয়্যার সার্চটি চালায় এবং ফলাফলগুলো টেক্সট আকারে LLM-এর কাছে ফেরত পাঠায়।
3. LLM ফলাফলগুলো পড়ে, পরবর্তী ধাপ (মূল্য-তালিকার পেজ খোলা) বেছে নেয় এবং একটি নতুন অনুরোধ লেখে।
4. যতক্ষণ না LLM সিদ্ধান্ত নেয় যে তুলনাটি সম্পূর্ণ হয়েছে এবং চূড়ান্ত উত্তর লেখে, ততক্ষণ এই চক্র চলতে থাকে।

বড় করুন

স্বায়ত্তশাসনের স্তর

একটি এজেন্টিক AI সিস্টেমে (এমন AI, যা শুধু প্রশ্নের উত্তর দেওয়ার জন্য নয়, পদক্ষেপ নেওয়ার জন্যও তৈরি), স্বায়ত্তশাসন হলো একটি ডিজাইন-সংক্রান্ত সিদ্ধান্ত। একই এজেন্টকে প্রতিটি ধাপের আগে জিজ্ঞাসা করার জন্য, অথবা পুরো কাজ একা শেষ করার জন্য সেট আপ করা যায়।

ওয়াশিংটন বিশ্ববিদ্যালয়ের গবেষকরা একটি এজেন্টের স্বায়ত্তশাসনের বিভিন্ন মাত্রা ব্যাখ্যা করতে একটি পাঁচ-স্তরের কাঠামো প্রস্তাব করেছেন:

স্তর ৪-এ একটি এজেন্ট নিজে থেকেই গবেষণা করে একটি ক্রয়াদেশের খসড়া তৈরি করতে পারে, তবে জমা দেওয়ার আগে থামবে। স্তর ৫-এ এটি ক্রয়াদেশটি জমাও দেবে।

স্বায়ত্তশাসিত AI এজেন্ট বনাম স্বয়ংক্রিয়করণ বনাম চ্যাটবট

স্বায়ত্তশাসিত এজেন্ট দুইভাবে চ্যাটবট এবং ওয়ার্কফ্লো স্বয়ংক্রিয়করণ থেকে আলাদা: এরা নিজেদের ধাপ নিজেরাই ঠিক করে, এবং অন্যান্য অ্যাপ ও ওয়েবসাইটে পদক্ষেপ নেয়।

একটি চ্যাটবট কথোপকথনের মধ্যে প্রশ্নের উত্তর দেয়, কিন্তু সাধারণত এর বাইরে কোনো পদক্ষেপ নেয় না। ওয়ার্কফ্লো স্বয়ংক্রিয়করণ পদক্ষেপ নেয় ঠিকই, তবে কেবল আগে থেকে কারও সেট আপ করা ধাপগুলো অনুসরণ করে। এর একটি প্রচলিত ধরন হলো রোবোটিক প্রসেস অটোমেশন (RPA) — এমন সফটওয়্যার, যা সহজ ও নিয়মভিত্তিক কাজ বারবার করে, যেমন একটি সিস্টেম থেকে আরেকটি সিস্টেমে ডেটা কপি করা।

একটি স্বায়ত্তশাসিত এজেন্ট দুটোই করে: এটি অন্যান্য সফটওয়্যারে পদক্ষেপ নেয়, এবং এটিকে দেওয়া টুল, অনুমতি ও নির্দেশনার সীমার মধ্যে থেকে লক্ষ্যের দিকে নিজের ধাপগুলো নিজেই বেছে নেয়।

বিলম্বিত অর্ডার নিয়ে একটি অভিযোগ থেকেই পার্থক্যটি বোঝা যায়। একটি চ্যাটবট শিপিং নীতির আগে থেকে লেখা একটি ব্যাখ্যা দিয়ে উত্তর দিতে পারে। একটি ওয়ার্কফ্লো স্বয়ংক্রিয়করণ একটি প্রমিত “অর্ডারে বিলম্ব” ইমেইল পাঠাতে পারে। একটি স্বায়ত্তশাসিত এজেন্ট অর্ডারটি খুঁজে দেখতে পারে, জানতে পারে যে এটি পরিবহনের সময় হারিয়ে গেছে, একটি প্রতিস্থাপন পাঠানোর ব্যবস্থা করতে পারে এবং গ্রাহককে হালনাগাদ তথ্য জানাতে পারে।

স্বায়ত্তশাসিত এজেন্ট কীভাবে কাজ করে

একটি কাজ সম্পন্ন করতে স্বায়ত্তশাসিত এজেন্ট চারটি সক্ষমতার ওপর নির্ভর করে: নিজের ধাপগুলোর পরিকল্পনা করা, টুল ব্যবহার করা, কী করা হয়েছে তা মনে রাখা এবং নিজের ফলাফল যাচাই করা। বড় কাজের ক্ষেত্রে কিছু এজেন্ট কাজটি একদল এজেন্টের মধ্যে ভাগও করে দেয়।

১. লক্ষ্যকে ছোট ছোট ভাগে ভাঙা এবং পরিকল্পনা তৈরি করা

একটি লক্ষ্য সাধারণত এক ধাপে বাস্তবায়নের জন্য অনেক বড় হয়, তাই এজেন্টের প্রথম কাজ হলো সেটিকে ছোট ছোট কাজে ভাগ করা। উদাহরণস্বরূপ, ব্যবহারকারী যদি এজেন্টকে দলের একটি অফসাইট আয়োজনের পরিকল্পনা করতে বলেন, তাহলে এটি লক্ষ্যটিকে তারিখ বেছে নেওয়া, বাজেটের মধ্যে ভেন্যু খোঁজা, প্রাপ্যতা যাচাই করা এবং একটি আমন্ত্রণপত্রের খসড়া তৈরি করা — এই কাজগুলোতে ভাগ করতে পারে।

এজেন্ট কীভাবে তৈরি, তার ওপর নির্ভর করে এটি আগেভাগেই পরিকল্পনা করতে পারে, অথবা কাজ করতে করতে পরিকল্পনা করতে পারে। আগেভাগে পরিকল্পনা মানে শুরু করার আগেই প্রতিটি ধাপ লিখে ফেলা, যা ছোট ও অনুমানযোগ্য কাজের জন্য কার্যকর। কাজ করতে করতে পরিকল্পনা মানে পরবর্তী এক বা দুটি ধাপ ঠিক করা, সে অনুযায়ী কাজ করা এবং যে ফলাফল আসে তার ভিত্তিতে পরিকল্পনা সংশোধন করা। অফসাইটের জন্য প্রথম পছন্দের ভেন্যুটি যদি আগেই বুক হয়ে যায়, তাহলে এজেন্ট নতুন করে শুরু না করেই পরবর্তী বিকল্পে চলে যেতে পারে।

বড় করুন

রেনমিন ইউনিভার্সিটি অব চায়নার একটি LLM-ভিত্তিক স্বায়ত্তশাসিত এজেন্ট বিষয়ক সমীক্ষায় দেখা গেছে যে এই দ্বিতীয় পদ্ধতিটি জটিল কাজ আরও ভালোভাবে সামলায়, কারণ কোনো ফলাফল দেখার আগেই নিখুঁত পরিকল্পনা লেখা কঠিন। অনেক এজেন্ট এই দুটি পদ্ধতি একসঙ্গে ব্যবহার করে — প্রথমে একটি পূর্ণ পরিকল্পনার খসড়া তৈরি করে এবং কাজ করতে করতে সেটি সংশোধন করে।

২. টুল ব্যবহার করে পদক্ষেপ নেওয়া

পরিকল্পনা তৈরি হয়ে গেলে এজেন্ট একবারে একটি করে কাজ ধরে সেটি অনুসরণ করে, এবং প্রতিটি কাজের জন্য একটি টুল বেছে নেয়।

• ভেন্যু খুঁজতে এটি “অস্টিনের কাছে ২০ জনের জন্য অফসাইট ভেন্যু”-এর মতো কোয়েরি দিয়ে ওয়েব সার্চ ব্যবহার করতে পারে।
• প্রাপ্যতা যাচাই করতে এটি ব্রাউজারে প্রতিটি ভেন্যুর বুকিং পেজ খুলে ক্যালেন্ডার দেখে নিতে পারে।
• আমন্ত্রণপত্র পাঠাতে এটি একটি API-এর মাধ্যমে ব্যক্তির ইমেইলের সঙ্গে সংযুক্ত হতে পারে — API হলো সেই সংযোগ, যার মাধ্যমে একটি সফটওয়্যার অন্য একটি সফটওয়্যারের কাছে ডেটা বা কোনো কাজের অনুরোধ করতে পারে।

প্রতিটি পদক্ষেপের পর এজেন্ট ফিরে আসা ফলাফল পড়ে এবং পরবর্তী পদক্ষেপ ঠিক করে। সার্চে পাঁচটি ভেন্যু পাওয়া গেলে এটি সেগুলোর প্রাপ্যতা যাচাই করে। কোনো বুকিং পেজ লোড না হলে এটি ভেন্যুর তালিকাভুক্ত ফোন নম্বর দেখে নেয়, অথবা পরবর্তী বিকল্পে চলে যায়।

একটি এজেন্টের কাছে কোন কোন টুল আছে, তা-ই ঠিক করে দেয় এটি কোন কাজগুলো নিজে শেষ করতে পারবে। ইমেইল অ্যাক্সেস না থাকলে এটি আমন্ত্রণপত্রের খসড়া তৈরি করতে পারবে, কিন্তু পাঠাতে পারবে না।

৩. মেমরির সাহায্যে অগ্রগতি ট্র্যাক করা

কাজ করার সময় এজেন্টকে মনে রাখতে হয় এটি কী কী করেছে এবং কী কী জেনেছে। তিনটি ভেন্যু যাচাই করার পর এটিকে জানতে হবে কোনগুলো বুক হয়ে গেছে, কোনগুলোতে জায়গা আছে এবং প্রতিটির খরচ কত। এই তথ্য থাকে LLM-এর কনটেক্সট উইন্ডোতে — অর্থাৎ মডেল একবারে যতটুকু টেক্সট বিবেচনা করতে পারে।

দীর্ঘ কাজ সেই কনটেক্সট উইন্ডোর সীমা ছাড়িয়ে যেতে পারে। দীর্ঘমেয়াদি মেমরিসম্পন্ন এজেন্টরা মডেলের বাইরে, সাধারণত একটি ডেটাবেসে, তথ্য সংরক্ষণ করে এবং বর্তমান ধাপে যতটুকু দরকার কেবল ততটুকুই পুনরুদ্ধার করে এই সমস্যা সামলায়।

দীর্ঘমেয়াদি মেমরি এক কাজ থেকে আরেক কাজেও বহাল থাকে। আগামী বছরের অফসাইটের পরিকল্পনা করার সময় এজেন্ট এ বছরের ভেন্যু-তালিকা ও বাজেট আবার ব্যবহার করতে পারে, অথবা মনে করতে পারে যে দলটি গাড়িতে এক ঘণ্টার দূরত্বের মধ্যে থাকা ভেন্যু পছন্দ করে।

৪. ফলাফল যাচাই করা এবং গতিপথ সংশোধন করা

কাজ চলাকালীন অনেক এজেন্ট লক্ষ্য রাখে কোনো ধাপে ভুল হয়েছে কি না। কোনো বুকিং ফর্ম ত্রুটি দেখালে বা সার্চে কিছু পাওয়া না গেলে এটি অন্য উপায়ে চেষ্টা করে। যখন এটি এমন কোনো সিদ্ধান্তের মুখোমুখি হয়, যা একা নেওয়া উচিত নয় — যেমন বাজেটের চেয়ে সামান্য বেশি খরচের কোনো ভেন্যু গ্রহণযোগ্য কি না — তখন এটি ব্যক্তিকে জিজ্ঞাসা করে এবং উত্তরের ভিত্তিতে প্রয়োজনীয় পরিবর্তন করে।

কাজ বুঝিয়ে দেওয়ার আগে অনেক এজেন্ট নিজেদের ফলাফল পর্যালোচনা করে। LLM নিজের তৈরি করা আউটপুট আবার পড়ে, লক্ষ্যের সঙ্গে মিলিয়ে দেখে এবং কোনো কিছু বাদ পড়েছে বা ভুল আছে কি না তার তালিকা করে। ফলাফল লক্ষ্য পূরণ না করা পর্যন্ত এজেন্ট সংশোধন করে এবং আবার যাচাই করে। উদাহরণস্বরূপ, আমন্ত্রণপত্রে যদি ভেন্যুর ঠিকানা না থাকে, তাহলে পর্যালোচনায় সেটি ধরা পড়ে এবং পাঠানোর আগে এজেন্ট ঠিকানাটি যোগ করে দেয়।

৫. একাধিক এজেন্টের মধ্যে কাজ ভাগ করা

কিছু কাজ কয়েকটি এজেন্ট মিলে ভাগ করে নিলে দ্রুত শেষ হয়। একটি প্রধান এজেন্ট কাজটি ভাগ করে এবং অংশগুলো সাব-এজেন্টদের হাতে তুলে দেয়।

Perplexity Computer এভাবেই কাজ করে। একজন ব্যক্তি তাঁর কাঙ্ক্ষিত ফলাফল বর্ণনা করেন, আর Computer সেটিকে বিভিন্ন কাজ ও উপকাজে ভাগ করে, তারপর সেগুলো সম্পন্ন করার জন্য সাব-এজেন্ট তৈরি করে। সাব-এজেন্টরা ওয়েবে গবেষণা করতে, ডকুমেন্ট তৈরি করতে, ডেটা প্রক্রিয়া করতে অথবা API-এর মাধ্যমে সংযুক্ত সেবাগুলো ব্যবহার করতে পারে।

Computer কোনো সমস্যার মুখোমুখি হলে সেটি সমাধানের জন্য নতুন সাব-এজেন্ট তৈরি করে। প্রতিটি সাব-এজেন্ট আলাদা AI মডেলেও চলতে পারে, ফলে কাজের প্রতিটি অংশ সেটির জন্য সবচেয়ে উপযুক্ত মডেলের কাছে যায়।

তাই অফসাইটের উদাহরণে একটি সাব-এজেন্ট ভেন্যু নিয়ে গবেষণা করতে পারে, অন্য একটি দলের সদস্যদের ক্যালেন্ডার যাচাই করতে পারে, আর তৃতীয়টি যাতায়াতের বিকল্পগুলো খতিয়ে দেখতে পারে।

বড় করুন

মানুষ কীভাবে স্বায়ত্তশাসিত এজেন্ট ব্যবহার করে

মানুষ মূলত দৈনন্দিন জ্ঞানভিত্তিক কাজে স্বায়ত্তশাসিত এজেন্ট ব্যবহার করে: গবেষণা, লেখালেখি, ইমেইল এবং পড়াশোনা। হার্ভার্ড ও Perplexity-এর গবেষকদের এক গবেষণায় দেখা গেছে, এজেন্টিক কোয়েরির ৫৭% ছিল উৎপাদনশীলতা ও শেখার কাজ। নিচের উদাহরণগুলোতে দেখানো হয়েছে প্রতিটি ধরনের কাজে একটি এজেন্ট কী করে।

গবেষণা ও বিশ্লেষণ

গবেষণার কাজ এজেন্টের জন্য বেশ উপযোগী, কারণ এতে অনেকগুলো ছোট ছোট ধাপ থাকে। একটি এজেন্ট সার্চ করতে, সূত্রগুলো খুলতে, সেগুলো পড়তে এবং সেগুলোতে কী বলা হয়েছে তা তুলনা করতে পারে। ধরুন একটি কোয়েরি: “রিমোট কাজ ও উৎপাদনশীলতা নিয়ে সাম্প্রতিক তিনটি গবেষণা খুঁজে বের করো এবং প্রতিটির ফলাফলের সারসংক্ষেপ দাও।” এজেন্ট গবেষণাগুলো সার্চ করে এবং সবচেয়ে প্রাসঙ্গিকগুলো খোলে। এটি প্রতিটি গবেষণার ফলাফল পড়ে এবং প্রতিটি সূত্রের লিংকসহ একটি সারসংক্ষেপ লেখে। কোনো গবেষণা পেওয়ালের আড়ালে থাকলে এজেন্ট পরেরটিতে চলে যায়। গবেষণাটিতে এজেন্টিক কোয়েরির ৭% ছিল গবেষণার সারসংক্ষেপ তৈরি ও বিশ্লেষণ।

ডকুমেন্ট, ইমেইল এবং ক্যালেন্ডার

এজেন্টরা প্রায়ই সেই টুলগুলোতেই কাজ করে, যেগুলো মানুষ প্রতিদিন ব্যবহার করে। হার্ভার্ড ও Perplexity-এর গবেষণায় Google-এর ডকুমেন্ট টুল এবং ইমেইল ছিল সবচেয়ে প্রচলিত দুটি, যা মিলিতভাবে এজেন্টিক কোয়েরির প্রায় এক-চতুর্থাংশ। ধরুন একটি কোয়েরি: “এই সপ্তাহের না-পড়া ইমেইলগুলো দেখো, ক্লায়েন্টদের পাঠানো সবকিছু চিহ্নিত করো এবং শিডিউলিং-সংক্রান্ত অনুরোধগুলোর উত্তরের খসড়া তৈরি করো।” এজেন্ট ইনবক্স খুলে বার্তাগুলো সাজায়। এটি ক্যালেন্ডারে খালি সময় দেখে এবং প্রতিটি অনুরোধের জন্য একটি উত্তরের খসড়া তৈরি করে। এটি খসড়াগুলো না পাঠিয়ে সংরক্ষণ করে রাখতে পারে, যাতে ব্যক্তি আগে প্রতিটি পর্যালোচনা করে নিতে পারেন।

শেখা ও কোর্সওয়ার্ক

শিক্ষার্থীরা পড়াশোনার জন্য এজেন্ট ব্যবহার করে। গবেষণাটিতে এজেন্ট ব্যবহারের একক বৃহত্তম ক্যাটাগরি হলো কোর্সওয়ার্ক, যা এজেন্টিক কোয়েরির ১৩%। “আমার কোর্সের পাঠ্যের চতুর্থ অধ্যায় থেকে আমাকে কুইজ দাও”-এর মতো একটি কোয়েরি এজেন্টকে কোর্সের ওয়েবসাইটে পাঠায়, যেখানে এটি অধ্যায়টি পড়ে, মূল বিষয়গুলোর ওপর প্রশ্ন লেখে এবং শিক্ষার্থীর উত্তর যাচাই করে। নতুন কোনো বিষয় শিখছেন এমন যে কারও জন্যই এই পদ্ধতি কার্যকর, যেমন অপরিচিত কোনো শিল্পখাত সম্পর্কে দ্রুত ধারণা নিতে চাওয়া একজন কর্মী।

কেনাকাটা ও তুলনা

এজেন্টিক কোয়েরির ১০% কেনাকাটা-সংক্রান্ত, যার বেশিরভাগই পণ্য খোঁজা ও তুলনা করা। “ভালো রিভিউসহ $৪০০-এর কম দামের একটি স্ট্যান্ডিং ডেস্ক খুঁজে দাও” বলা হলে একটি এজেন্ট কয়েকটি খুচরা বিক্রেতার সাইটে সার্চ করে, দাম ও রেটিং অনুযায়ী ফিল্টার করে, শীর্ষ বিকল্পগুলো তুলনা করে এবং সেরাটি কার্টে যোগ করতে পারে। একাধিক ওয়েবসাইট জুড়ে বিকল্পগুলোর তুলনা এজেন্টকে দিয়ে করালে অনেক সময় বাঁচে, কারণ ব্যক্তিকে আর প্রতিটি লিস্টিং খুলে মিলিয়ে দেখতে হয় না।

স্বায়ত্তশাসিত এজেন্ট ব্যবহারের সাতটি সেরা অনুশীলন

১. সহজে যাচাই করা যায় এমন কাজ দিয়ে শুরু করা

প্রথম কাজ হিসেবে সবচেয়ে ভালো সেগুলোই, যেখানে ভুল সহজে চোখে পড়ে এবং ঠিক করতেও খরচ কম। গবেষণার সারসংক্ষেপ ও পণ্যের তুলনা দিয়ে শুরু করা ভালো। এজেন্ট যদি তার উৎসগুলোর লিংক দেয়, তাহলে কাজটি যাচাই করতে মাত্র কয়েক মিনিট লাগে। আস্থা বাড়ার সঙ্গে সঙ্গে মানুষ আরও বেশি ধাপের দীর্ঘ কাজও হস্তান্তর করতে পারে।

২. স্পষ্ট ফলাফল ও সীমাবদ্ধতা নির্ধারণ করা

কাজটি কেন গুরুত্বপূর্ণ তা জানলে এজেন্ট আরও ভালো সিদ্ধান্ত নিতে পারে। একটি শক্তিশালী কোয়েরি অনেকটা কোনো ঠিকাদারকে দেওয়া ব্রিফের মতো: উদ্দেশ্য, লক্ষ্য পাঠক, কী আগে থেকেই জানা আছে এবং কী বাদ দেওয়া হয়েছে। “বোর্ড মেমোর জন্য এই তিনটি ভেন্ডরের তুলনা করুন; বোর্ড সবচেয়ে বেশি গুরুত্ব দেয় বাস্তবায়নের ঝুঁকিকে, আর SOC 2 কমপ্লায়েন্স নেই এমন সবাইকে আমরা আগেই বাদ দিয়েছি” — এমন নির্দেশনা এজেন্টকে নিজে থেকে বিচার-বিবেচনা করে সিদ্ধান্ত নেওয়ার জন্য প্রয়োজনীয় সবকিছু দেয়।

৩. অনুমোদনের চেকপয়েন্ট যোগ করা

কিছু কাজ আর ফেরানো যায় না, যেমন ইমেইল পাঠানো, কেনাকাটা করা, ফাইল মুছে ফেলা বা কোনো ফর্ম জমা দেওয়া। এজেন্টে সেই সুযোগ থাকলে, এসব ধাপের আগে থেমে অনুমতি চাওয়ার জন্য সেটি সেট করে নিন। কোয়েরিতেও একটি থামার জায়গা নির্ধারণ করে দেওয়া যায়। “উত্তরের খসড়া তৈরি করুন, কিন্তু পাঠাবেন না” বা “সবচেয়ে ভালো বিকল্পটি আমার কার্টে যোগ করুন, কিন্তু চেকআউট করবেন না” — এ ধরনের নির্দেশনা এজেন্টকে জানিয়ে দেয় ঠিক কোথায় থেমে নিয়ন্ত্রণ ফিরিয়ে দিতে হবে।

৪. কাজ শুরুর আগে পরিকল্পনা পর্যালোচনা করা

বড় কোনো কাজের ক্ষেত্রে, শুরু করার আগে এজেন্টকে তার পরিকল্পনার একটি রূপরেখা দিতে বলুন। একটি পরিকল্পনা পর্যালোচনা করতে এক মিনিট লাগে, আর সেই পর্যায়ে কোনো ভুল বোঝাবুঝি সংশোধন করা চূড়ান্ত কাজে তা খুঁজে পাওয়ার চেয়ে অনেক কম ব্যয়বহুল।

৫. কাজের জন্য যতটুকু প্রয়োজন, ততটুকুই অ্যাক্সেস দেওয়া

এজেন্ট যে অ্যাকাউন্টে পৌঁছাতে পারে, সেই অ্যাকাউন্টে সে কাজও করতে পারে। কোনো কাজের জন্য যেসব অ্যাপ প্রয়োজন শুধু সেগুলো সংযুক্ত করলে সংবেদনশীল ডেটা নাগালের বাইরে থাকে এবং ভুল হওয়ার সুযোগও সীমিত থাকে। ভেন্ডর নিয়ে গবেষণা করা এজেন্টের ইমেইল অ্যাক্সেসের প্রয়োজন নেই। উত্তরের খসড়া তৈরি করা এজেন্টের তা প্রয়োজন, তবে সেগুলো পাঠানোর অনুমতি তার না-ও লাগতে পারে।

৬. কোয়েরির মধ্যেই যাচাইয়ের নির্দেশনা রাখা

এজেন্টরা আগে থেকেই নিজেদের আউটপুট পর্যালোচনা করে, তাই কোয়েরিতেই বলে দেওয়া যায় তারা কী কী যাচাই করবে। একটি ভালো ফলাফল দেখতে কেমন হবে তা উল্লেখ করলে (“প্রতিটি পরিসংখ্যানের জন্য ২০২৫ বা তার পরের তারিখের উৎস লাগবে”) এজেন্ট কাজ ফেরত দেওয়ার আগে সেই মানদণ্ড প্রয়োগ করে। নিশ্চিত তথ্যকে তার নিজের অনুমান থেকে আলাদা করতে এবং ধরে নেওয়া বিষয়গুলো চিহ্নিত করতে বললে ব্যবহারকারীর পর্যালোচনা আরও দ্রুত ও কেন্দ্রীভূত হয়।

৭. কার্যকর পদ্ধতিগুলো আবার ব্যবহার করা

যে কোয়েরি থেকে ভালো ফলাফল পাওয়া গেছে, সেটি পরের অনুরূপ কাজের জন্য টেমপ্লেট হয়ে উঠতে পারে। এজেন্টকে ভালো আউটপুটের একটি উদাহরণ দেওয়া, যেমন গত প্রান্তিকের রিপোর্ট, প্রায়ই কথায় ফরম্যাট বর্ণনা করার চেয়ে বেশি কাজে দেয়। নিয়মিত পুনরাবৃত্ত কাজগুলো স্থায়ী ওয়ার্কফ্লোতে পরিণত হতে পারে।

স্বায়ত্তশাসিত এজেন্ট নিয়ে Perplexity-র দৃষ্টিভঙ্গি

Perplexity দুটি স্বায়ত্তশাসিত এজেন্ট অফার করে। Comet Assistant ব্রাউজারের ভেতরে দৈনন্দিন কাজগুলো সামলায়, আর Perplexity Computer বড় প্রকল্পের দায়িত্ব নেয়, যেগুলো কয়েক ঘণ্টা বা তারও বেশি সময় ধরে চলতে পারে।

Comet Assistant তৈরি করা হয়েছে Perplexity-র AI ব্রাউজার Comet-এর মধ্যেই। এটি ব্যবহারকারীর আগে থেকেই খোলা ওয়েবসাইটগুলোতে কাজ করে, তাই টুল পরিবর্তন না করেই এটি মিটিং শিডিউল করতে, ডকুমেন্ট এডিট করতে, ইমেইল পাঠাতে এবং ফ্লাইট বুক করতে পারে।

Computer ক্লাউডে চলে এবং আগে যেমন বর্ণনা করা হয়েছে, প্রতিটি লক্ষ্যকে বিভিন্ন সাব-এজেন্টের মধ্যে ভাগ করে দেয়। এটি শত শত সার্ভিসের সঙ্গে সংযুক্ত হয়, এবং কাজের নির্দিষ্ট অংশের জন্য ব্যবহারকারীরা নির্দিষ্ট AI মডেল বেছে নিতে পারেন। Pro ও Max সাবস্ক্রাইবাররা Computer ব্যবহার করতে পারেন।

ব্রাউজারে একটি এজেন্ট ব্যবহার করে দেখতে Comet Assistant এক্সপ্লোর করুন, অথবা বড় কোনো প্রকল্প হস্তান্তর করতে Perplexity Computer দেখুন।

সচরাচর জিজ্ঞাসিত প্রশ্ন

স্বায়ত্তশাসিত এজেন্ট আর এজেন্টিক AI কি একই জিনিস?

না, তবে শব্দ দুটির অর্থে কিছুটা মিল আছে। এজেন্টিক AI বলতে সাধারণত AI সিস্টেমের সেই বৃহত্তর শ্রেণিকে বোঝায়, যেগুলো পরিকল্পনা করে ও পদক্ষেপ নিয়ে লক্ষ্য অর্জনের চেষ্টা করে। স্বায়ত্তশাসিত এজেন্ট হলো সেই শ্রেণির একটি নির্দিষ্ট সিস্টেম, যা প্রতিটি ধাপে খুব সামান্য অনুমোদন নিয়েই তার কাজ সম্পন্ন করে।

সব AI এজেন্টই কি স্বায়ত্তশাসিত?

না। কিছু এজেন্ট কেবল তখনই প্রতিটি ধাপ সম্পন্ন করে, যখন কোনো ব্যক্তি নির্দেশ দেন, আবার অন্যগুলো নিজে থেকেই পুরো একটি কাজ শেষ করে। আগে বর্ণিত স্বায়ত্তশাসনের স্তরগুলো পুরো পরিসরটি তুলে ধরে — যেসব এজেন্ট একজন ব্যক্তি ধাপে ধাপে পরিচালনা করেন, সেগুলো থেকে শুরু করে যেসব এজেন্ট তিনি কেবল পর্যবেক্ষণ করেন, সেগুলো পর্যন্ত।

স্বায়ত্তশাসিত এজেন্ট কি কেনাকাটা বা পেমেন্ট করতে পারে?

ওয়েবসাইট, অনুমতি এবং সুরক্ষাব্যবস্থার ওপর নির্ভর করে কিছু এজেন্ট কেনাকাটায় সহায়তা করতে পারে। Comet Assistant পণ্যের তুলনা করতে এবং চেকআউট প্রক্রিয়ায় সাহায্য করতে পারে। Perplexity-র Instant Buy যোগ্য মার্কিন ব্যবহারকারীদের Perplexity-র ভেতরেই সমর্থিত পণ্য কেনার সুযোগ দেয়, আর চেকআউটের একটি বিকল্প হিসেবে PayPal পাওয়া যায়।

স্বায়ত্তশাসিত এজেন্ট ব্যবহারের জন্য কি কোডিং দক্ষতা লাগে?

অনেক রেডিমেড এজেন্ট কোডিং ছাড়াই ব্যবহার করা যায়। কিছু প্ল্যাটফর্মে স্বাভাবিক ভাষায় নির্দেশনা দিয়ে বা গ্রাফিক্যাল ইন্টারফেসের মাধ্যমে এজেন্ট তৈরির সুযোগও আছে। কাস্টম ইন্টিগ্রেশন, ডিবাগিং এবং আরও বিশেষায়িত আচরণের জন্য কোডিং কাজে আসতে পারে।