Harness എഞ്ചിനീയറിംഗ്: അത് എന്താണ്, എങ്ങനെ പ്രവർത്തിക്കുന്നു

harness എഞ്ചിനീയറിംഗ് എന്നാൽ എന്ത്

ഒരു AI ടൂളിന്റെ harness, അതായത് AI മോഡൽ ഒഴികെ ആ ടൂളിന്റെ മറ്റെല്ലാ ഭാഗങ്ങളും, നിർമ്മിക്കുന്ന ജോലിയാണ് harness എഞ്ചിനീയറിംഗ്.

മോഡൽ എന്നത് AI സിസ്റ്റമാണ്; ഭാഷ വായിക്കാനും എഴുതാനും കഴിയുന്ന തരത്തിൽ വലിയ അളവിലുള്ള ടെക്സ്റ്റ് ഉപയോഗിച്ച് അതിന് പരിശീലനം നൽകിയിട്ടുണ്ട്. OpenAI-യുടെ GPT, Anthropic-ന്റെ Claude, Google-ന്റെ Gemini എന്നിവ AI മോഡലുകൾക്ക് ഉദാഹരണങ്ങളാണ്.

സ്വന്തമായി, ഒരു മോഡലിന് ടെക്സ്റ്റ് (ചിലപ്പോൾ ചിത്രങ്ങളോ ഓഡിയോയോ) സ്വീകരിക്കാനും മറുപടിയായി ടെക്സ്റ്റ് എഴുതാനും മാത്രമേ കഴിയൂ. മുൻ സംഭാഷണങ്ങൾ ഓർമ്മിക്കാനോ ഏറ്റവും പുതിയ വിവരങ്ങൾ തിരയാനോ കോഡ് റൺ ചെയ്യാനോ അതിന് കഴിയില്ല. അതിനാൽ മോഡലിന് എന്തെല്ലാം വിവരങ്ങൾ ലഭിക്കുന്നു, ഏതെല്ലാം ആപ്പുകൾ അതിന് ഉപയോഗിക്കാം, എന്തെല്ലാം ചെയ്യാൻ അതിന് അനുവാദമുണ്ട്, അതിന്റെ ജോലി എങ്ങനെ പരിശോധിക്കപ്പെടുന്നു എന്നിവ നിയന്ത്രിക്കുന്ന ഒരു harness അതിന് ആവശ്യമാണ്.

ഒരു അടിസ്ഥാന ചാറ്റ് അസിസ്റ്റന്റിനുപോലും ഒരു harness ആവശ്യമാണ്. മറുപടി നൽകിയാലുടൻ മോഡൽ ഓരോ സംഭാഷണഭാഗവും മറന്നുപോകുന്നു, അതിനാൽ harness സംഭാഷണത്തിന്റെ ഒരു രേഖ സൂക്ഷിക്കുന്നു. ആരെങ്കിലും പാരീസിനെക്കുറിച്ച് ചോദിച്ച ശേഷം "അതിന്റെ ജനസംഖ്യ എത്രയാണ്?" എന്ന് തുടർന്ന് ചോദിച്ചാൽ, harness രണ്ട് ചോദ്യങ്ങളും ഒരുമിച്ച് മോഡലിന് അയയ്ക്കുന്നു. "അതിന്റെ" എന്നത് പാരീസിനെയാണ് സൂചിപ്പിക്കുന്നതെന്ന് മോഡൽ മനസ്സിലാക്കുന്നത് അങ്ങനെയാണ്.

ഒരേ മോഡലിൽ നിർമ്മിച്ച രണ്ട് ടൂളുകൾ ഇത്ര വ്യത്യസ്തമായി പ്രവർത്തിക്കാനുള്ള കാരണങ്ങളിലൊന്ന് harness എഞ്ചിനീയറിംഗ് ആണ്. ഉദാഹരണത്തിന്, ഒരു സ്വതന്ത്ര പരീക്ഷണത്തിൽ ഗവേഷകർ മോഡൽ (GPT5) മാറ്റാതെ harness മാത്രം മാറ്റിയപ്പോൾ, ഒരു കോഡിംഗ് ടെസ്റ്റിലെ മോഡലിന്റെ സ്കോർ 11% വരെ മാറി.

Anthropic, OpenAI പോലുള്ള AI മോഡൽ ഡെവലപ്പർമാർ Claude Code, Codex തുടങ്ങിയ സ്വന്തം AI ഉൽപ്പന്നങ്ങൾക്കായി harness-കൾ നിർമ്മിക്കുന്നു. AI ഉൽപ്പന്നങ്ങൾ നിർമ്മിക്കുന്ന കമ്പനികൾ തങ്ങൾ തിരഞ്ഞെടുക്കുന്ന അടിസ്ഥാന മോഡലുകൾക്കായി harness-കൾ രൂപകൽപ്പന ചെയ്യുന്നു. AI ടൂളുകൾ ഉപയോഗിക്കുന്നവരും harness-ന്റെ ഒരു ഭാഗം രൂപപ്പെടുത്തുന്നുണ്ട്. സ്ഥിര നിർദ്ദേശങ്ങൾ ചേർക്കാനും ആപ്പുകൾ കണക്റ്റ് ചെയ്യാനും, ടൂൾ മുന്നോട്ട് പോകുന്നതിന് മുമ്പ് ഏതെല്ലാം പ്രവർത്തനങ്ങൾക്ക് തങ്ങളുടെ അംഗീകാരം ആവശ്യമാണെന്ന് തിരഞ്ഞെടുക്കാനും പല ടൂളുകളും അവരെ അനുവദിക്കുന്നു.

AI ഏജന്റുകൾക്കായുള്ള harness എഞ്ചിനീയറിംഗ്

എല്ലാ AI ടൂളിനും ഒരു harness ഉണ്ട്, എന്നാൽ AI ഏജന്റുകളുമായി പ്രവർത്തിക്കുമ്പോൾ harness എഞ്ചിനീയറിംഗ് പ്രത്യേകിച്ചും പ്രധാനമാകുന്നു. എതിരാളികളെക്കുറിച്ച് ഗവേഷണം നടത്തി കണ്ടെത്തലുകൾ ഒരു സ്പ്രെഡ്ഷീറ്റിൽ ചേർക്കുന്നത് പോലെയുള്ള, ഒന്നിലധികം ഘട്ടങ്ങളുള്ള ടാസ്കുകൾ ഏജന്റുകൾ സ്വയം കൈകാര്യം ചെയ്യുന്നു; ഓരോ ഘട്ടവും പ്രവർത്തിപ്പിക്കുന്നത് harness ആണ്. അതിനാൽ കഴിഞ്ഞ വർഷത്തെ വിലകൾ എടുക്കുന്നത് പോലെ harness ഒരു തെറ്റ് വരുത്തിയാൽ, അത് ബാക്കി ഘട്ടങ്ങളെയും ബാധിക്കും.

മിക്ക ഏജന്റ് harness-കൾക്കും ആറ് പ്രധാന ഭാഗങ്ങളുണ്ട്:

1. ഏജന്റ് ലൂപ്പ്

വലുതാക്കുക

ഒരു ടാസ്കിനെ ഓരോ ഘട്ടമായി മുന്നോട്ട് കൊണ്ടുപോകുന്ന, harness-നുള്ളിലെ കോഡാണ് ഏജന്റ് ലൂപ്പ്.

ടാസ്ക് പൂർത്തിയാക്കാൻ ആവശ്യമായ അടുത്ത ഘട്ടം AI മോഡൽ തീരുമാനിക്കുകയും ഒരു ടൂൾ കോൾ എഴുതുകയും ചെയ്യുന്നു: വെബ് സെർച്ച് പോലെ harness-ലെ ഒരു ടൂളിന്റെ പേരും ആ ടൂൾ എന്ത് ചെയ്യണമെന്നും വ്യക്തമാക്കുന്ന ഒരു ചെറിയ അഭ്യർത്ഥനയാണിത്.

harness ആ അഭ്യർത്ഥന തിരിച്ചറിഞ്ഞ് തിരയൽ നടത്തുകയും, ഫലങ്ങൾ മോഡലിന് കാണാനാകുന്ന വിവരങ്ങളിലേക്ക് ചേർക്കുകയും ചെയ്യുന്നു. മോഡൽ അവ വായിച്ച് അടുത്തതായി എന്ത് ചെയ്യണമെന്ന് തീരുമാനിക്കുന്നു.

2. കോൺടെക്സ്റ്റ് മാനേജ്മെന്റ്

പരിശീലന സമയത്ത് ഒരു മോഡൽ പൊതുവിജ്ഞാനം നേടുന്നു, എന്നാൽ ആ അറിവ് പരിശീലനം അവസാനിച്ച തീയതിയിൽ നിലയ്ക്കുന്നു. ഒരു കമ്പനിയുടെ ഫയലുകൾ, ഇന്നത്തെ വാർത്തകൾ, അല്ലെങ്കിൽ സംഭാഷണത്തിൽ മുമ്പ് പറഞ്ഞ കാര്യങ്ങൾ എന്നിങ്ങനെ നിലവിലെ ടാസ്കിന് മാത്രം ബാധകമായ ഒന്നും അതിൽ ഉൾപ്പെടുന്നില്ല.

ഇവയ്‌ക്കെല്ലാം മോഡൽ അതിന്റെ കോൺടെക്സ്റ്റ് വിൻഡോയെ ആശ്രയിക്കുന്നു: ഓരോ മറുപടിക്കും മുമ്പ് harness അതിന് നൽകുന്ന ടെക്സ്റ്റാണിത്; അതിനുള്ള നിർദ്ദേശങ്ങൾ, ചോദ്യം, ഇതുവരെയുള്ള സംഭാഷണം, തിരയൽ ഫലങ്ങൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

വിൻഡോയ്ക്ക് ഒരു നിശ്ചിത അളവ് ടെക്സ്റ്റ് മാത്രമേ ഉൾക്കൊള്ളാനാകൂ. വിൻഡോ നിറയുന്നതിന് മുമ്പുപോലും, ദൈർഘ്യമേറിയ ഇൻപുട്ടുകളുടെ മധ്യഭാഗത്ത് മറഞ്ഞുകിടക്കുന്ന വിവരങ്ങൾ മോഡലുകൾ ചിലപ്പോൾ ശ്രദ്ധിക്കാതെ പോകാറുണ്ട്.

അതിനാൽ harness കോൺടെക്സ്റ്റ് മാനേജ്മെന്റ് കൈകാര്യം ചെയ്യുകയും ഓരോ ഘട്ടത്തിനും ആവശ്യമായ വിവരങ്ങൾ മാത്രം തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, അഞ്ച് എതിരാളികളുടെ വിലനിർണ്ണയം താരതമ്യം ചെയ്യുകയാണ് ടാസ്കെങ്കിൽ, ഓരോ കമ്പനിയുടെയും മുഴുവൻ വെബ്സൈറ്റിന് പകരം അവരുടെ പ്രൈസിംഗ് പേജ് മാത്രം harness ഉൾപ്പെടുത്തിയേക്കാം. ദൈർഘ്യമേറിയ ടാസ്കുകളിൽ, മുൻ ഘട്ടങ്ങളുടെ വിശദമായ രേഖയ്ക്ക് പകരം ഒരു ചെറിയ സംഗ്രഹം ചേർക്കാനും harness-ന് കഴിയും; അങ്ങനെ ആ ചരിത്രം വിൻഡോ നിറയ്ക്കാതെ തന്നെ, ഇതുവരെ ചെയ്തതെന്താണെന്ന് മോഡലിന് ട്രാക്ക് ചെയ്യാനാകും.

3. ടൂളുകൾ

മോഡൽ ആവശ്യപ്പെടുന്ന പ്രവർത്തനങ്ങൾ നിർവ്വഹിക്കുന്ന കോഡാണ് ടൂളുകൾ. വെബിൽ തിരയുക, ഒരു വെബ് പേജ് തുറന്ന് വായിക്കുക, കോഡ് റൺ ചെയ്യുക, ഒരു ഫയൽ എഡിറ്റ് ചെയ്യുക എന്നിങ്ങനെ ഓരോ ടൂളും ഒരുതരം പ്രവർത്തനം കൈകാര്യം ചെയ്യുന്നു. മോഡൽ ഒരു ടൂൾ കോൾ എഴുതുമ്പോൾ, harness അത് ശരിയായ ടൂളിലേക്ക് കൈമാറുകയും ഫലം തിരികെ നൽകുകയും ചെയ്യുന്നു.

പല harness-കളിലും കണക്ടറുകളും ഉൾപ്പെടുന്നു; ഒരു വ്യക്തി നൽകിയ ആക്സസ് ഉപയോഗിച്ച്, ഇമെയിൽ, കലണ്ടർ, ഷെയേർഡ് ഡ്രൈവ് പോലുള്ള ഒരു നിർദ്ദിഷ്ട ആപ്പുമായി ഏജന്റിനെ ബന്ധിപ്പിക്കുന്ന ടൂളുകളാണ് ഇവ. ഉദാഹരണത്തിന്, ഒരു കലണ്ടർ കണക്ടർ ഉപയോഗിച്ച്, മീറ്റിംഗ് സമയം നിർദ്ദേശിക്കുന്നതിന് മുമ്പ് ഒരാളുടെ ലഭ്യത പരിശോധിക്കാൻ ഏജന്റിന് കഴിയും.

4. മെമ്മറി

ഒരു സെഷനിൽ നിന്ന് അടുത്തതിലേക്ക് തുടരുന്ന, സംഭരിച്ച വിവരങ്ങളാണ് മെമ്മറി. ഒരു വ്യക്തിയുടെ മുൻഗണനകൾ അല്ലെങ്കിൽ ഒരു പ്രോജക്റ്റ് ഏത് ഘട്ടത്തിലാണ് എന്നിങ്ങനെയുള്ള ചെറിയ കുറിപ്പുകൾ ഒരു സെഷനിടയിൽ harness സേവ് ചെയ്യുന്നു. അടുത്ത സെഷന്റെ തുടക്കത്തിൽ, harness ആ കുറിപ്പുകൾ കോൺടെക്സ്റ്റ് വിൻഡോയിലേക്ക് ചേർക്കുന്നു, അതിനാൽ പുതിയ ചോദ്യം വായിക്കുന്നതിന് മുമ്പ് മോഡൽ അവ വായിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു പ്രതിവാര റിപ്പോർട്ട് വീണ്ടും ആദ്യം മുതൽ തുടങ്ങുന്നതിന് പകരം നിർത്തിയിടത്തുനിന്ന് തുടരാൻ ഏജന്റിന് കഴിയുന്നത് അങ്ങനെയാണ്.

5. അനുമതികൾ

ഒരു ഏജന്റിന് എന്തെല്ലാം ആക്സസ് ചെയ്യാമെന്നും എന്തെല്ലാം ചെയ്യാമെന്നും നിശ്ചയിക്കുന്ന നിയമങ്ങളാണ് അനുമതികൾ. ഏതെല്ലാം ഫയലുകൾ, ആപ്പുകൾ, അല്ലെങ്കിൽ വെബ്സൈറ്റുകൾ അതിന് തുറക്കാമെന്ന് ആക്സസ് നിയമങ്ങൾ നിശ്ചയിക്കുന്നു. സന്ദേശം അയയ്ക്കുക, വാങ്ങൽ നടത്തുക പോലുള്ള ഏതെല്ലാം പ്രവർത്തനങ്ങൾ ഒരു വ്യക്തിയുടെ അംഗീകാരത്തിനായി കാത്തിരിക്കണമെന്ന് അംഗീകാര നിയമങ്ങൾ നിശ്ചയിക്കുന്നു.

ഏജന്റ് നിർമ്മിക്കുന്ന കമ്പനി ഈ നിയമങ്ങളിൽ ചിലത് harness-ന്റെ കോഡിൽ സജ്ജമാക്കുന്നു. തുടർന്ന് ഒരു സ്ഥാപനത്തിന്റെ അഡ്മിൻമാർക്ക് സ്വന്തം നിയമങ്ങൾ ചേർക്കാം; ഏതെല്ലാം അക്കൗണ്ടുകൾ കണക്റ്റ് ചെയ്യണം എന്നതുപോലുള്ള കാര്യങ്ങൾ വ്യക്തിഗത ഉപയോക്താക്കൾക്ക് തിരഞ്ഞെടുക്കാം.

6. വെരിഫിക്കേഷൻ

ഏജന്റിന്റെ ജോലി ഒരു വ്യക്തിയിലേക്ക് എത്തുന്നതിന് മുമ്പ് അത് പരിശോധിക്കുന്ന കോഡാണ് വെരിഫിക്കേഷൻ. ഇത് രണ്ട് തരം പരിശോധനകൾ ഉപയോഗിക്കുന്നു:

• നിശ്ചിത നിയമങ്ങൾ: ഓരോ തവണയും ഒരേ രീതിയിൽ വിജയിക്കുകയോ പരാജയപ്പെടുകയോ ചെയ്യുന്ന നിർദ്ദിഷ്ട ടെസ്റ്റുകളാണ് ഇവ; ഉദാഹരണത്തിന്, ഒരു റിപ്പോർട്ടിലെ ഓരോ കണക്കും ഏജന്റ് യഥാർത്ഥത്തിൽ വായിച്ച ഒരു ഡോക്യുമെന്റിൽ ഉണ്ടെന്ന് സ്ഥിരീകരിക്കുന്നത്.
• മറ്റൊരു AI മോഡലിന്റെ അവലോകനം: അത് ജോലി വായിച്ച് വിലയിരുത്തുന്നു. ഒരു പ്രധാന കാര്യം വിട്ടുപോയ സംഗ്രഹം പോലെ, ഒരു നിയമമാക്കി മാറ്റാൻ പ്രയാസമുള്ള പ്രശ്നങ്ങൾ കണ്ടെത്താൻ ഇതിന് കഴിയും.

ഒരൊറ്റ പരിശോധനയ്ക്കും എല്ലാം കണ്ടെത്താനാകില്ല, അതിനാൽ harness-കൾ സാധാരണയായി ഈ രണ്ട് തരവും സംയോജിപ്പിക്കുന്നു. ഒരു പരിശോധന ഒരു പ്രശ്നം കണ്ടെത്തുമ്പോൾ, harness അതിന്റെ വിവരണം മോഡലിന്റെ കോൺടെക്സ്റ്റ് വിൻഡോയിലേക്ക് ചേർക്കുകയും ടാസ്ക് ഏജന്റ് ലൂപ്പിലൂടെ തിരികെ അയയ്ക്കുകയും ചെയ്യുന്നു. മോഡൽ പ്രശ്നം പരിഹരിച്ച് വീണ്ടും ശ്രമിക്കുന്നു; അതിനാൽ ഉപയോക്താവ് ഫലം കാണുന്നതിന് മുമ്പുതന്നെ പല തെറ്റുകളും തിരുത്തപ്പെടുന്നു.

harness എഞ്ചിനീയറിംഗ് ഉദാഹരണങ്ങൾ

ഒരു ക്ലയന്റ് മീറ്റിംഗിനായി തയ്യാറെടുക്കൽ

ടാസ്ക്: പരിഹരിക്കാത്ത പ്രശ്നങ്ങളും ഒരു കരട് അജണ്ടയും ഉൾപ്പെടുത്തി, നാളെ ഒരു ക്ലയന്റുമായുള്ള മീറ്റിംഗിനായി ഒരു ബ്രീഫിംഗ് തയ്യാറാക്കാൻ ഒരു അക്കൗണ്ട് മാനേജർ ഏജന്റിനോട് ആവശ്യപ്പെടുന്നു.

harness ചെയ്യുന്നത്:

• ഒരു ഇമെയിൽ കണക്ടറിലൂടെ, ക്ലയന്റുമായുള്ള സന്ദേശങ്ങൾക്കായി ഏജന്റ് മാനേജറുടെ ഇൻബോക്സിൽ തിരയുന്നു.
• അനുമതികൾ പ്രകാരം അതിന് ഇമെയിൽ വായിക്കാം, എന്നാൽ ഒന്നും അയയ്ക്കാനാകില്ല.
• കോൺടെക്സ്റ്റ് മാനേജ്മെന്റ് മുഴുവൻ ഇൻബോക്സിനും പകരം, ആ ക്ലയന്റുമായുള്ള കഴിഞ്ഞ മൂന്ന് മാസത്തെ സന്ദേശങ്ങൾ മാത്രം മോഡലിന് കൈമാറുന്നു.
• ഏജന്റ് ലൂപ്പ് തിരയലിന്റെയും വായനയുടെയും നിരവധി റൗണ്ടുകൾ പ്രവർത്തിപ്പിക്കുന്നു; കണ്ടെത്തുന്നവയെ മോഡൽ പരിഹരിക്കാത്ത പ്രശ്നങ്ങളായി തരംതിരിക്കുന്നു.
• തുടർന്ന്, ബ്രീഫിംഗിലെ ഓരോ പ്രശ്നവും ഒരു യഥാർത്ഥ ഇമെയിലുമായി ബന്ധിപ്പിച്ചിട്ടുണ്ടെന്ന് വെരിഫിക്കേഷൻ പരിശോധിക്കുന്നു.

സാധ്യമായ ഫലം: ഓരോ പോയിന്റും അതിന്റെ ഉറവിട ഇമെയിലിലേക്ക് പിന്തുടർന്ന് കണ്ടെത്താനാകുന്ന, ഒരു പേജുള്ള ബ്രീഫിംഗ് മാനേജർക്ക് ലഭിക്കുന്നു.

പ്രതിമാസ സെയിൽസ് റിപ്പോർട്ട് അപ്ഡേറ്റ് ചെയ്യൽ

ടാസ്ക്: ഈ മാസത്തെ കണക്കുകൾ ഉപയോഗിച്ച് പ്രതിമാസ സെയിൽസ് റിപ്പോർട്ട് അപ്ഡേറ്റ് ചെയ്യാൻ ഒരു ഓപ്പറേഷൻസ് ലീഡ് ഏജന്റിനോട് ആവശ്യപ്പെടുന്നു.

harness ചെയ്യുന്നത്:

• റിപ്പോർട്ടിന്റെ ഫോർമാറ്റും കണക്കുകൾ ഏറ്റവും അടുത്ത ആയിരത്തിലേക്ക് റൗണ്ട് ചെയ്യണമെന്ന ലീഡിന്റെ അഭ്യർത്ഥനയും ഉൾപ്പെടെ, കഴിഞ്ഞ മാസത്തെ സെഷനിൽ നിന്നുള്ള കുറിപ്പുകൾ മെമ്മറി ലോഡ് ചെയ്യുന്നു.
• ഒരു ഫയൽ ടൂൾ ടീമിന്റെ ഷെയേർഡ് ഡ്രൈവിലുള്ള സെയിൽസ് സ്പ്രെഡ്ഷീറ്റ് തുറക്കുന്നു.
• അനുമതികൾ കരട് റിപ്പോർട്ട് എഡിറ്റ് ചെയ്യാൻ ഏജന്റിനെ അനുവദിക്കുന്നു, എന്നാൽ ഉറവിട സ്പ്രെഡ്ഷീറ്റ് എഡിറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നില്ല; അതിനാൽ യഥാർത്ഥ കണക്കുകൾ അബദ്ധത്തിൽ മാറ്റപ്പെടില്ല.
• റിപ്പോർട്ടിലെ ആകെ തുകകൾ സ്പ്രെഡ്ഷീറ്റുമായി പൊരുത്തപ്പെടുന്നുണ്ടെന്ന് വെരിഫിക്കേഷൻ പരിശോധിക്കുന്നു.

സാധ്യമായ ഫലം: ഉപയോക്താവ് വീണ്ടും വിശദീകരിക്കേണ്ട ആവശ്യമില്ലാതെ, കഴിഞ്ഞ മാസത്തെ അതേ ഫോർമാറ്റിൽ റിപ്പോർട്ട് ലഭിക്കുന്നു.

ഒരു ഷെയേർഡ് ഇൻബോക്സ് തരംതിരിക്കൽ

ടാസ്ക്: രാവിലെ ലഭിച്ച അഭ്യർത്ഥനകൾ വിഷയമനുസരിച്ച് തരംതിരിക്കാനും സാധാരണയായി വരുന്നവയ്ക്കുള്ള മറുപടികളുടെ കരട് തയ്യാറാക്കാനും ഒരു സപ്പോർട്ട് ടീം ഏജന്റിനോട് ആവശ്യപ്പെടുന്നു.

harness ചെയ്യുന്നത്:

• ഏജന്റ് ലൂപ്പ് ഇൻബോക്സിലെ സന്ദേശങ്ങൾ ഓരോന്നായി കൈകാര്യം ചെയ്യുന്നു.
• ഓരോന്നിനും മോഡൽ ഒരു വിഷയ ലേബൽ തിരഞ്ഞെടുക്കുന്നു, harness അത് ഇമെയിൽ കണക്ടറിലൂടെ പ്രയോഗിക്കുന്നു.
• ടാസ്കിന്റെ തുടക്കത്തിൽ, ടീം അംഗീകരിച്ച മറുപടി ടെംപ്ലേറ്റുകൾ മാർഗ്ഗനിർദ്ദേശങ്ങളായി harness കോൺടെക്സ്റ്റ് വിൻഡോയിലേക്ക് ചേർക്കുന്നു; അതിനാൽ മോഡൽ ഓരോ കരടും ഒരു ടെംപ്ലേറ്റിനെ അടിസ്ഥാനമാക്കി തയ്യാറാക്കുന്നു.
• ടീമിലെ ആരെങ്കിലും അവലോകനം ചെയ്ത് അയയ്ക്കുന്നത് വരെ, ഒരു അംഗീകാര നിയമം ഓരോ മറുപടിയും കരടായി നിലനിർത്തുന്നു.

സാധ്യമായ ഫലം: തരംതിരിച്ച അഭ്യർത്ഥനകളും അവലോകനത്തിനായി കാത്തിരിക്കുന്ന മറുപടികളുമായി ടീം ദിവസം ആരംഭിക്കുന്നു.

ഒരു വെബ്സൈറ്റിലെ ബഗ് പരിഹരിക്കൽ

ടാസ്ക്: ഒരു ചെക്ക്ഔട്ട് ബട്ടൺ പ്രവർത്തിക്കാതിരിക്കാൻ കാരണമാകുന്ന ബഗ് പരിഹരിക്കാൻ ഒരു ഡെവലപ്പർ കോഡിംഗ് ഏജന്റിനോട് ആവശ്യപ്പെടുന്നു.

harness ചെയ്യുന്നത്:

• ഏജന്റ് ഒരു സാൻഡ്‌ബോക്സിൽ പ്രവർത്തിക്കുന്നു; അതിന്റെ മാറ്റങ്ങൾ ലൈവ് വെബ്സൈറ്റിനെ ബാധിക്കാത്ത, കോഡിന്റെ ഒറ്റപ്പെട്ട ഒരു പകർപ്പാണിത്.
• ഒരു കോഡ് ടൂൾ ഫയലുകൾ വായിക്കാനും എഡിറ്റ് ചെയ്യാനും മോഡലിനെ അനുവദിക്കുന്നു.
• ഓരോ മാറ്റത്തിനും ശേഷം, വെരിഫിക്കേഷൻ പ്രോജക്റ്റിന്റെ ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ റൺ ചെയ്യുന്നു.
• ഏതെങ്കിലും പരാജയങ്ങൾ ഉണ്ടെങ്കിൽ അവ പുതിയ വിവരമായി മോഡലിലേക്ക് തിരികെ പോകുന്നു.

സാധ്യമായ ഫലം: ടെസ്റ്റുകൾ വിജയിക്കുന്നത് വരെ ഏജന്റ് അതിന്റെ പരിഹാരം ക്രമീകരിച്ചുകൊണ്ടിരിക്കുന്നു. തുടർന്ന്, മാറ്റം ലൈവ് ആകുന്നതിന് മുമ്പ് ഡെവലപ്പർ അത് അവലോകനം ചെയ്യുന്നു.

harness എഞ്ചിനീയറിംഗും പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗും കോൺടെക്സ്റ്റ് എഞ്ചിനീയറിംഗും തമ്മിലുള്ള വ്യത്യാസം

ഒരൊറ്റ ചോദ്യം തയ്യാറാക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്ന ജോലിയാണ് പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ്. മോഡൽ കാണുന്ന എല്ലാ കാര്യങ്ങളും കൈകാര്യം ചെയ്യുന്ന ജോലിയാണ് കോൺടെക്സ്റ്റ് എഞ്ചിനീയറിംഗ്. മോഡൽ പ്രവർത്തിക്കുന്ന മുഴുവൻ സിസ്റ്റവും രൂപകൽപ്പന ചെയ്യുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്ന പ്രക്രിയയാണ് harness എഞ്ചിനീയറിംഗ്.

ഒരു AI harness-നെ ഉപയോക്താക്കൾക്ക് എങ്ങനെ സ്വാധീനിക്കാം

ഒരു ഏജന്റ് harness-ന്റെ ഭൂരിഭാഗവും ഏജന്റ് നിർമ്മിക്കുന്ന കമ്പനിയിൽ നിന്നാണ് വരുന്നത്, എന്നാൽ കസ്റ്റം നിർദ്ദേശങ്ങൾ, കണക്റ്റ് ചെയ്ത ആപ്പുകൾ, അംഗീകാരങ്ങൾ തുടങ്ങിയ ക്രമീകരണങ്ങളിലൂടെ അതിന്റെ ഒരു ഭാഗം ക്രമീകരിക്കാൻ പല AI ഉൽപ്പന്നങ്ങളും ഉപയോക്താക്കളെ അനുവദിക്കുന്നു.

ഉപയോക്താക്കൾക്ക് നാല് രീതികളിൽ ഒരു ഏജന്റ് harness രൂപപ്പെടുത്താനും ഏജന്റിന്റെ ഫലങ്ങൾ മെച്ചപ്പെടുത്താനും കഴിയും:

1. സ്ഥിര നിർദ്ദേശങ്ങൾ

ഒരു വ്യക്തി ഒരിക്കൽ എഴുതുന്ന കുറിപ്പുകളാണ് സ്ഥിര നിർദ്ദേശങ്ങൾ; ഓരോ ടാസ്കിന്റെയും തുടക്കത്തിൽ harness-ന് അവ കോൺടെക്സ്റ്റ് വിൻഡോയിലേക്ക് ചേർക്കാനാകും. അല്ലാത്തപക്ഷം ഓരോ ചോദ്യത്തിലും ആവർത്തിച്ച് പറയേണ്ടി വരുന്ന ഏതു കാര്യത്തിനും ഇവ സജ്ജീകരിക്കുന്നത് ഉപകാരപ്രദമാണ്: അവർ ആരാണ്, എന്ത് ചെയ്യുന്നു, ജോലി എങ്ങനെ എഴുതണമെന്നാണ് അവർക്ക് ഇഷ്ടം, അല്ലെങ്കിൽ ഒരു ക്ലയന്റിന്റെ പ്രതിമാസ റിപ്പോർട്ട് പോലെ ആവർത്തിച്ചുവരുന്ന ഒരു ജോലിയുടെ നിയമങ്ങൾ.

പല AI ഉൽപ്പന്നങ്ങളും രണ്ട് തലങ്ങളിൽ സ്ഥിര നിർദ്ദേശങ്ങൾ നൽകുന്നു. സ്പെല്ലിംഗ് മുൻഗണനകൾ പോലെ എല്ലാ ജോലിക്കും ബാധകമായ കാര്യങ്ങൾക്ക് അക്കൗണ്ട് മുഴുവനായുള്ള നിർദ്ദേശങ്ങൾ അനുയോജ്യമാണ്. ഒരൊറ്റ ക്ലയന്റിനോ വർക്ക്ഫ്ലോയ്ക്കോ പ്രോജക്റ്റ് നിർദ്ദേശങ്ങൾ അനുയോജ്യമാണ്; അതിനാൽ ഒന്നിനുള്ള മാർഗ്ഗനിർദ്ദേശം മറ്റൊന്നിലേക്ക് കടന്നുവരില്ല.

ചാറ്റ് അസിസ്റ്റന്റുകളിലും ഏജന്റുകളിലും സ്ഥിര നിർദ്ദേശങ്ങൾ ഒരേ രീതിയിലാണ് പ്രവർത്തിക്കുന്നത്, എന്നാൽ ഏജന്റുകൾ അവയെ കൂടുതൽ ആശ്രയിക്കുന്നു. ഒരു ചാറ്റിൽ, ഓരോ മറുപടിക്കും ശേഷം ഒരാൾക്ക് AI-യെ തിരുത്താനാകും. എന്നാൽ ആരെങ്കിലും അതിന്റെ ജോലി കാണുന്നതിന് മുമ്പ് ഒരു ഏജന്റ് നിരവധി ഘട്ടങ്ങൾ പിന്നിട്ടേക്കാം; അതിനാൽ മുൻകൂട്ടി നൽകുന്ന നിർദ്ദേശങ്ങളാണ് പ്രവർത്തനത്തിനിടെ അതിനെ നയിക്കാനുള്ള ചുരുക്കം ചില വഴികളിലൊന്ന്.

ഫലപ്രദമായ സ്ഥിര നിർദ്ദേശങ്ങൾ എങ്ങനെ എഴുതാം

• ഒരു ചെറിയ നിർദ്ദേശത്തോടെ ആരംഭിക്കുക, ഉദാഹരണത്തിന്: "ഞാൻ ഒരു സോഫ്റ്റ്‌വെയർ കമ്പനിയിലെ മാർക്കറ്റിംഗ് മാനേജറാണ്. ലളിതമായ ഇംഗ്ലീഷിൽ എഴുതുക, സംഗ്രഹങ്ങൾ 200 വാക്കുകളിൽ താഴെയാക്കുക, U.S. സ്പെല്ലിംഗ് ഉപയോഗിക്കുക."
• AI ഒരു തെറ്റ് വരുത്തുമ്പോൾ നിർദ്ദേശങ്ങളിൽ പുതിയ കാര്യങ്ങൾ ചേർക്കുക. ടീമിന് കൃത്യമായി വേണ്ട കണക്കുകൾ AI തുടർച്ചയായി റൗണ്ട് ചെയ്യുന്നുണ്ടെങ്കിൽ, അത് വ്യക്തമാക്കുന്ന ഒരു വരി ചേർക്കുക.
• നിർദ്ദേശങ്ങൾ കൃത്യമാക്കുക: "കൃത്യമായ കണക്കുകൾ നൽകുക, ഒരിക്കലും റൗണ്ട് ചെയ്യരുത്" എന്നത് "കൃത്യത പാലിക്കുക" എന്നതിനേക്കാൾ മികച്ചതാണ്.
• ഓരോ വരിയും കോൺടെക്സ്റ്റ് വിൻഡോയിൽ ഇടം എടുക്കുന്നതിനാൽ, ലിസ്റ്റ് ചെറുതാക്കി വയ്ക്കുകയും ഉപയോഗപ്രദമല്ലാതാകുന്ന വരികൾ നീക്കം ചെയ്യുകയും ചെയ്യുക.

2. കണക്റ്റ് ചെയ്ത ആപ്പുകൾ

കണക്റ്റ് ചെയ്ത ആപ്പുകൾ, ഇമെയിൽ, കലണ്ടർ, ഷെയേർഡ് ഡ്രൈവ് പോലെ ഒരു വ്യക്തി ഇതിനകം ഉപയോഗിക്കുന്ന ടൂളുകളുമായി ഒരു AI ഉൽപ്പന്നത്തെ ബന്ധിപ്പിക്കുന്നു. ഒരു ആപ്പ് കണക്റ്റ് ചെയ്തുകഴിഞ്ഞാൽ, ചാറ്റിൽ പേസ്റ്റ് ചെയ്യുന്നവയുമായി മാത്രമല്ല, ആ വ്യക്തിയുടെ സ്വന്തം വിവരങ്ങളുമായും AI-ക്ക് പ്രവർത്തിക്കാനാകും.

ഇമെയിൽ ത്രെഡുകളിൽ നിന്ന് ഒരു മീറ്റിംഗ് ബ്രീഫിംഗ് തയ്യാറാക്കുക, ഷെയേർഡ് ഡ്രൈവിലെ ഡോക്യുമെന്റുകൾ സംഗ്രഹിക്കുക എന്നിങ്ങനെ, ആ ആപ്പുകളിലുള്ള വിവരങ്ങളെ ആശ്രയിക്കുന്ന ടാസ്കുകൾക്ക് കണക്ഷനുകൾ സജ്ജീകരിക്കുന്നത് ഉപകാരപ്രദമാണ്.

ആപ്പുകൾ എങ്ങനെ സുരക്ഷിതമായി കണക്റ്റ് ചെയ്യാം

• ഓരോ കണക്ഷനും പിശകുകൾക്ക് മറ്റൊരു സാധ്യത കൂടി സൃഷ്ടിക്കുന്നതിനാൽ, ഒരു ടാസ്കിന് ആവശ്യമായ ആപ്പുകൾ മാത്രം കണക്റ്റ് ചെയ്യുക.
• ലഭ്യമാണെങ്കിൽ റീഡ്-ഒൺലി ആക്സസ് തിരഞ്ഞെടുക്കുക. ഉദാഹരണത്തിന്, മീറ്റിംഗ് ബ്രീഫിംഗുകൾ തയ്യാറാക്കുന്ന ഒരു ഏജന്റിന് ഇമെയിൽ വായിക്കേണ്ടതുണ്ട്, അയയ്ക്കേണ്ടതില്ല.
• ഉൽപ്പന്നം അനുവദിക്കുന്നിടത്ത് പ്രോജക്റ്റ് അടിസ്ഥാനത്തിൽ കണക്ഷനുകൾ സജ്ജീകരിക്കുക. ഉദാഹരണത്തിന്, Perplexity-യിൽ ഓരോ പ്രോജക്റ്റും ഏതെല്ലാം കണക്ടറുകൾ ഉപയോഗിക്കണമെന്ന് ആളുകൾക്ക് തിരഞ്ഞെടുക്കാം.
• ഇനി ഉപയോഗത്തിലില്ലാത്ത ആപ്പുകൾ ഡിസ്കണക്റ്റ് ചെയ്യാൻ ഓർക്കുക.

3. അംഗീകാര ക്രമീകരണങ്ങൾ

AI മുന്നോട്ട് പോകുന്നതിന് മുമ്പ് ഏതെല്ലാം പ്രവർത്തനങ്ങൾ ഒരു വ്യക്തിയുടെ അംഗീകാരത്തിനായി കാത്തിരിക്കണമെന്ന് അംഗീകാര ക്രമീകരണങ്ങൾ തീരുമാനിക്കുന്നു. ചില അംഗീകാരങ്ങൾ ഉൽപ്പന്നത്തിൽ തന്നെ ഉൾച്ചേർത്തവയാണ്; മറ്റ് ഏതെല്ലാം പ്രവർത്തനങ്ങൾക്ക് അംഗീകാരം ആവശ്യമാണെന്ന് തിരഞ്ഞെടുക്കാൻ ചില ഉൽപ്പന്നങ്ങൾ ആളുകളെ അനുവദിക്കുന്നു.

അംഗീകാര നിയമങ്ങൾ എങ്ങനെ സജ്ജമാക്കാം

• സന്ദേശം അയയ്ക്കുക, വാങ്ങൽ നടത്തുക, ഫയൽ ഇല്ലാതാക്കുക എന്നിങ്ങനെ പഴയപടിയാക്കാൻ കഴിയാത്ത പ്രവർത്തനങ്ങൾക്ക് അംഗീകാരം നിർബന്ധമാക്കുക.
• അംഗീകാരം ആവശ്യമുള്ള കാര്യങ്ങളുടെ പട്ടിക ചെറുതാക്കി വയ്ക്കുക. ഓരോ ചെറിയ ഘട്ടത്തിനും ഒരു ഏജന്റ് അനുമതി ചോദിച്ചാൽ, ആളുകൾ വായിക്കാതെ തന്നെ അംഗീകരിക്കാൻ തുടങ്ങും.

4. മാനദണ്ഡങ്ങളും പരിശോധനകളും

മിക്ക AI ഉൽപ്പന്നങ്ങളിലും ചില മാനദണ്ഡങ്ങൾ മുൻകൂട്ടി ഉൾച്ചേർത്തിട്ടുണ്ടാകും. ഉദാഹരണത്തിന്, ഓരോ അവകാശവാദവും പരിശോധിക്കാൻ കഴിയുന്ന വിധത്തിൽ Perplexity അതിന്റെ ഉത്തരങ്ങൾക്കൊപ്പം ഉദ്ധരണികൾ നൽകുന്നു. ഒരു ടീമിന് ഇഷ്ടപ്പെട്ട റിപ്പോർട്ട് ഫോർമാറ്റ് പോലെ, ഒരു ഉൽപ്പന്നത്തിന് സ്വയം അറിയാൻ കഴിയാത്ത കാര്യങ്ങളാണ് ഉപയോക്താക്കൾ സജ്ജമാക്കുന്ന മാനദണ്ഡങ്ങൾ കൂട്ടിച്ചേർക്കുന്നത്.

AI ചെയ്യുന്ന ജോലികൾക്ക് മാനദണ്ഡങ്ങൾ എങ്ങനെ സജ്ജമാക്കാം

• ആവർത്തിച്ചുവരുന്ന ജോലികൾക്കായി ഒരു ടെംപ്ലേറ്റ് നൽകുക, അങ്ങനെ AI-ക്ക് പൂരിപ്പിക്കാൻ ഒരു നിശ്ചിത ഘടന ലഭിക്കും.
• ടീമിന് ഇഷ്ടപ്പെട്ട മുൻകാല ജോലിയുടെ ഒരു ഉദാഹരണം പങ്കിടുക, അങ്ങനെ AI-ക്ക് അതേ ശൈലിയും വിശദാംശങ്ങളുടെ അളവും പിന്തുടരാനാകും.
• ഓരോ കണക്കിനൊപ്പവും ഒരു ഉറവിട ലിങ്ക് നൽകാൻ ആവശ്യപ്പെടുക.
• ആദ്യകാല ഫലങ്ങൾ സൂക്ഷ്മമായി അവലോകനം ചെയ്യുക, ആവർത്തിച്ചു കാണുന്ന പോരായ്മകളെ സ്ഥിരമായി പാലിക്കേണ്ട പുതിയ നിർദ്ദേശങ്ങളാക്കി മാറ്റുക.

Perplexity ഏജന്റ് harness-കളെ എങ്ങനെ സമീപിക്കുന്നു

Perplexity Computer പ്രവർത്തിക്കുന്നത് ഒരു മോഡൽ-നിരപേക്ഷ harness-ലാണ്, അത് 20-ലധികം നൂതന മോഡലുകളെ ഒരൊറ്റ സിസ്റ്റത്തിലേക്ക് കൊണ്ടുവരുന്നു. ഇത് ഓരോ ടാസ്കിനെയും ഉപടാസ്കുകളായി വിഭജിക്കുകയും, അവയെ സബ്ഏജന്റുകൾക്ക് (ഓരോന്നും ഓരോ ഭാഗം ഏറ്റെടുക്കുന്ന വെവ്വേറെ ഏജന്റുകൾ) കൈമാറുകയും, ഓരോ ജോലിയും അതിന് അനുയോജ്യമായ മോഡലിലേക്ക് അയയ്ക്കുകയും ചെയ്യുന്നു.

നിർദ്ദേശങ്ങൾ, ഫയലുകൾ, കണക്ടറുകൾ എന്നിവ എങ്ങനെ സജ്ജമാക്കാമെന്ന് Perplexity പ്രോജക്റ്റുകൾക്കുള്ള ഗൈഡിൽ കണ്ടെത്തുക.

പതിവ് ചോദ്യങ്ങൾ

എന്താണ് ഒരു harness എഞ്ചിനീയർ?

ഒരു AI മോഡലിനെ വിശ്വസനീയമായി ജോലി ചെയ്യാൻ പ്രാപ്തമാക്കുന്ന സിസ്റ്റം രൂപകൽപ്പന ചെയ്യുകയും പരിപാലിക്കുകയും ചെയ്യുന്നയാളാണ് harness എഞ്ചിനീയർ. ഏജന്റിന് ഉപയോഗിക്കാൻ ഒരു പുതിയ ടൂൾ ചേർക്കുക, ഒരു ഏജന്റ് എന്തുകൊണ്ടാണ് ഒരേ തെറ്റ് ആവർത്തിക്കുന്നതെന്ന് കണ്ടെത്തുക, അല്ലെങ്കിൽ ഒരു ടാസ്ക് പൂർത്തിയാക്കുന്നതിന് മുമ്പ് അത് നടത്തുന്ന പരിശോധനകൾ കൂടുതൽ കർശനമാക്കുക എന്നിവയെല്ലാം ഇതിൽ ഉൾപ്പെടാം. ഇത് ഇതുവരെ ഒരു സ്ഥാപിത തൊഴിൽപ്പേരായിട്ടില്ല, എങ്കിലും അത് മാറിയേക്കാം. AI കമ്പനികളിലോ ഏജന്റുകളെ നിർമ്മിക്കുന്ന ടീമുകളിലോ ഉള്ള സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയർമാരാണ് സാധാരണയായി ഈ ജോലി ചെയ്യുന്നത്. ഉൽപ്പാദന വ്യവസായത്തിൽ, ഇതേ പേര് കാറുകളിലും യന്ത്രങ്ങളിലും ഉള്ള കേബിൾ കെട്ടുകളായ വയർ harness-കൾ രൂപകൽപ്പന ചെയ്യുന്നവരെയാണ് സൂചിപ്പിക്കുന്നത്.

എന്താണ് ഒരു ഏജന്റ് harness?

ഒരു AI ഏജന്റിൽ മോഡൽ ഒഴികെയുള്ള എല്ലാറ്റിനെയുമാണ് സാധാരണയായി ഏജന്റ് harness എന്ന് വിളിക്കുന്നത്. ഏജന്റ് ലൂപ്പ് പ്രവർത്തിപ്പിക്കുകയും, കോൺടെക്സ്റ്റ് കൈകാര്യം ചെയ്യുകയും, ടൂൾ കോളുകൾ നടപ്പിലാക്കുകയും, മെമ്മറി സൂക്ഷിക്കുകയും, അനുമതികൾ നടപ്പാക്കുകയും, ഏജന്റിന്റെ ജോലി ഒരു വ്യക്തിയിലേക്ക് എത്തുന്നതിന് മുമ്പ് പരിശോധിക്കുകയും ചെയ്യുന്ന കോഡ് ഇതിൽ ഉൾപ്പെടുന്നു.

എല്ലാ AI ടൂളുകൾക്കും ഒരു harness ഉണ്ടോ?

ഉണ്ട്. മോഡലിന് മുൻ സന്ദേശങ്ങൾ സ്വയം ഓർമ്മിക്കാൻ കഴിയാത്തതിനാൽ, സംഭാഷണത്തിന്റെ ഗതി പിന്തുടരാൻ ഒരു അടിസ്ഥാന ചാറ്റ് അസിസ്റ്റന്റ് പോലും ഒരു harness-നെ ആശ്രയിക്കുന്നു.

ഡെവലപ്പർമാർക്ക് സ്വന്തം സോഫ്റ്റ്‌വെയറിൽ നിന്ന് ഒരു API (ഒരു പ്രോഗ്രാമിന് മറ്റൊന്നിലേക്ക് അഭ്യർത്ഥനകൾ അയയ്ക്കാൻ അനുവദിക്കുന്ന ഒരു കണക്ഷൻ) വഴി അഭ്യർത്ഥനകൾ അയച്ചും ഒരു മോഡൽ ഉപയോഗിക്കാം. അത്തരം സാഹചര്യത്തിൽ, ഡെവലപ്പറുടെ സ്വന്തം കോഡാണ് harness-ന്റെ ജോലി ചെയ്യുന്നത്.

മികച്ച മോഡലുകൾ വരുന്നതോടെ harness-കൾ അനാവശ്യമാകുമോ?

മികച്ച മോഡലുകൾക്ക് ഘട്ടം ഘട്ടമായുള്ള മാർഗ്ഗനിർദ്ദേശം കുറച്ചു മാത്രം മതിയായേക്കാം, അതിനാൽ ഇന്ന് harness-കൾ ചെയ്യുന്ന ചില ജോലികൾ കുറഞ്ഞേക്കാം. എന്നാൽ ഒരു മോഡൽ സ്വന്തമായി ചെയ്യുന്നത് ടെക്സ്റ്റിനെ ടെക്സ്റ്റാക്കി മാറ്റുക മാത്രമാണ്. അതിന് ഇന്റർനെറ്റ് കണക്ഷനോ മറ്റ് ആപ്പുകളിലേക്കുള്ള ആക്സസോ ഇല്ല. ഫയലുകളിൽ എത്തുന്നതും, പ്രവർത്തനങ്ങൾ നടപ്പിലാക്കുന്നതും, അംഗീകാര നിയമങ്ങൾ നടപ്പാക്കുന്നതുമെല്ലാം മോഡലിന് ചുറ്റുമുള്ള സോഫ്റ്റ്‌വെയറിലാണ് നടക്കുന്നത്. അതിനാൽ മോഡലുകൾ എത്ര കഴിവുള്ളവയായാലും ആ ജോലി harness-ൽ തന്നെ തുടരാനാണ് സാധ്യത.