Harness பொறியியல்: அது என்ன, எப்படிச் செயல்படுகிறது

harness பொறியியல் என்றால் என்ன

harness பொறியியல் என்பது ஒரு AI கருவியின் harness-ஐ உருவாக்கும் பணியாகும்; அதாவது, AI மாடலைத் தவிர அந்தக் கருவியின் மற்ற ஒவ்வொரு பகுதியையும் உருவாக்குவது.

மாடல் என்பது AI அமைப்பு; மொழியைப் படிக்கவும் எழுதவும் முடியும் வகையில் அது பெருமளவிலான உரைகளைக் கொண்டு பயிற்றுவிக்கப்பட்டுள்ளது. OpenAI-இன் GPT, Anthropic-இன் Claude, Google-இன் Gemini ஆகியவை AI மாடல்களுக்கான எடுத்துக்காட்டுகள்.

தனியாக இருக்கும்போது, ஒரு மாடலால் உரையை (சில சமயங்களில் படங்கள் அல்லது ஆடியோவை) மட்டுமே உள்வாங்கி, பதிலுக்கு உரையை எழுத முடியும். முந்தைய உரையாடல்களை நினைவில் வைத்திருக்கவோ, தற்போதைய தகவல்களைத் தேடவோ, குறியீட்டை இயக்கவோ அதனால் முடியாது. எனவே, மாடலுக்கு என்ன தகவல் கிடைக்கிறது, அது எந்த ஆப்களைப் பயன்படுத்தலாம், அது என்ன செய்ய அனுமதிக்கப்படுகிறது, அதன் பணி எவ்வாறு சரிபார்க்கப்படுகிறது என்பவற்றை நிர்வகிக்கும் ஒரு harness அதற்குத் தேவைப்படுகிறது.

ஒரு அடிப்படை அரட்டை உதவியாளருக்குக் கூட harness தேவை. மாடல் ஒவ்வொரு உரையாடல் பரிமாற்றத்தையும் பதிலளித்த உடனேயே மறந்துவிடும்; எனவே harness உரையாடலின் பதிவைப் பாதுகாத்து வைக்கிறது. ஒருவர் பாரிஸ் பற்றிக் கேட்டுவிட்டு, அதைத் தொடர்ந்து "அதன் மக்கள்தொகை என்ன?" என்று கேட்டால், harness இரண்டு கேள்விகளையும் சேர்த்து மாடலுக்கு அனுப்புகிறது. அதனால்தான் "அதன்" என்பது பாரிஸைக் குறிக்கிறது என்று மாடலுக்குத் தெரிகிறது.

ஒரே மாடலை அடிப்படையாகக் கொண்டு உருவாக்கப்பட்ட இரண்டு கருவிகள் மிகவும் வேறுபட்ட முறையில் செயல்படுவதற்கான காரணங்களில் harness பொறியியலும் ஒன்று. எடுத்துக்காட்டாக, ஒரு சுயாதீனச் சோதனையில், ஆய்வாளர்கள் மாடலை (GPT5) மாற்றாமல் வைத்துக்கொண்டு harness-ஐ மட்டும் மாற்றினர்; அப்போது ஒரு கோடிங் சோதனையில் மாடலின் மதிப்பெண் 11% வரை மாறியது.

Anthropic, OpenAI போன்ற AI மாடல் டெவலப்பர்கள், Claude Code, Codex போன்ற தங்கள் சொந்த AI தயாரிப்புகளுக்கு harness-களை உருவாக்குகின்றனர். AI தயாரிப்புகளை உருவாக்கும் நிறுவனங்கள், தாங்கள் தேர்ந்தெடுக்கும் அடிப்படை மாடல்களுக்கு ஏற்ப harness-களை வடிவமைக்கின்றன. AI கருவிகளைப் பயன்படுத்துபவர்களும் harness-இன் ஒரு பகுதியை வடிவமைக்கின்றனர். நிலையான வழிமுறைகளைச் சேர்க்கவும், ஆப்களை இணைக்கவும், கருவி ஒரு செயலைத் தொடர்வதற்கு முன் எந்தச் செயல்களுக்குத் தங்கள் ஒப்புதல் தேவை என்பதைத் தேர்வுசெய்யவும் பல கருவிகள் அவர்களை அனுமதிக்கின்றன.

AI ஏஜென்ட்களுக்கான harness பொறியியல்

ஒவ்வொரு AI கருவிக்கும் ஒரு harness உண்டு; ஆனால் AI ஏஜென்ட்களுடன் பணிபுரியும்போது harness பொறியியல் தனிச்சிறப்பான முக்கியத்துவம் பெறுகிறது. போட்டியாளர்களைப் பற்றி ஆய்வு செய்து, கண்டறிந்தவற்றை ஒரு ஸ்ப்ரெட்ஷீட்டில் தொகுப்பது போன்ற பல படிநிலைப் பணிகளை ஏஜென்ட்கள் தாமாகவே கையாளுகின்றன; ஒவ்வொரு படியையும் harness இயக்குகிறது. எனவே, கடந்த ஆண்டின் விலைகளை எடுப்பது போன்ற தவறை harness செய்தால், அது மீதமுள்ள படிகளையும் பாதிக்கும்.

பெரும்பாலான ஏஜென்ட் harness-களில் ஆறு முக்கியப் பகுதிகள் உள்ளன:

1. ஏஜென்ட் லூப்

விரிவாக்கு

ஏஜென்ட் லூப் என்பது harness-க்குள் உள்ள குறியீடு; அது ஒரு பணியை ஒவ்வொரு படியாக முன்னோக்கி நகர்த்துகிறது.

பணியை முடிக்கத் தேவையான அடுத்த படியை AI மாடல் தீர்மானித்து, ஒரு கருவி அழைப்பை எழுதுகிறது: இது, இணையத் தேடல் போன்ற harness-இல் உள்ள ஒரு கருவியின் பெயரையும், அந்தக் கருவி என்ன செய்ய வேண்டும் என்பதையும் குறிப்பிடும் ஒரு சிறிய கோரிக்கை.

harness அந்தக் கோரிக்கையைக் கண்டறிந்து, தேடலை இயக்கி, மாடல் பார்க்கக்கூடியவற்றுடன் முடிவுகளைச் சேர்க்கிறது. மாடல் அவற்றைப் படித்து, அடுத்து என்ன செய்வது என்பதைத் தீர்மானிக்கிறது.

2. சூழல் மேலாண்மை

பயிற்சியின்போது ஒரு மாடல் பொது அறிவைக் கற்றுக்கொள்கிறது; ஆனால் அந்த அறிவு பயிற்சி முடிந்த தேதியுடன் நின்றுவிடுகிறது. ஒரு நிறுவனத்தின் கோப்புகள், இன்றைய செய்திகள், உரையாடலில் முன்பு கூறப்பட்டவை போன்ற, கையில் உள்ள பணிக்கே உரிய எதுவும் அதில் இருக்காது.

இவை அனைத்திற்கும், மாடல் அதன் சூழல் சாளரத்தையே (context window) சார்ந்துள்ளது: அதாவது, ஒவ்வொரு பதிலுக்கும் முன்பு harness அதற்கு வழங்கும் உரை; அதன் வழிமுறைகள், வினவல், இதுவரையிலான உரையாடல், தேடல் முடிவுகள் போன்றவை இதில் அடங்கும்.

இந்தச் சாளரத்தில் ஒரு குறிப்பிட்ட அளவு உரையை மட்டுமே வைத்திருக்க முடியும். மேலும், சாளரம் நிரம்புவதற்கு முன்பே கூட, நீண்ட உள்ளீடுகளின் நடுவில் புதைந்திருக்கும் தகவல்களை மாடல்கள் சில சமயங்களில் தவறவிடுகின்றன.

எனவே, harness சூழல் மேலாண்மையைக் கையாண்டு, ஒவ்வொரு படிக்கும் தேவையான தகவல்களை மட்டும் தேர்ந்தெடுக்கிறது. எடுத்துக்காட்டாக, ஐந்து போட்டியாளர்களின் விலை நிர்ணயத்தை ஒப்பிடுவதே பணி என்றால், harness ஒவ்வொரு நிறுவனத்தின் முழு இணையதளத்தையும் சேர்க்காமல், அதன் விலை நிர்ணயப் பக்கத்தை மட்டும் சேர்க்கலாம். நீண்ட பணிகளில், முந்தைய படிகளின் விரிவான பதிவை harness ஒரு சுருக்கமான தொகுப்பால் மாற்றவும் முடியும்; இதனால், அந்த வரலாறு சாளரத்தை நிரப்பாமலேயே, தான் இதுவரை என்ன செய்துள்ளது என்பதை மாடல் கண்காணித்துக்கொள்கிறது.

3. கருவிகள்

கருவிகள் என்பவை, மாடல் கேட்கும் செயல்களைச் செய்து முடிக்கும் குறியீடு. இணையத்தில் தேடுதல், ஒரு இணையப் பக்கத்தைத் திறந்து படித்தல், குறியீட்டை இயக்குதல், ஒரு கோப்பைத் திருத்துதல் போன்ற ஒவ்வொரு வகைச் செயலையும் ஒவ்வொரு கருவி கையாளுகிறது. மாடல் ஒரு கருவி அழைப்பை எழுதும்போது, harness அதைச் சரியான கருவிக்கு அனுப்பி, முடிவைத் திருப்பி அளிக்கிறது.

பல harness-களில் இணைப்பான்களும் உள்ளன; இவை, ஒருவர் வழங்கிய அணுகலைப் பயன்படுத்தி, மின்னஞ்சல், காலெண்டர், பகிரப்பட்ட டிரைவ் போன்ற ஒரு குறிப்பிட்ட ஆப்புடன் ஏஜென்ட்டை இணைக்கும் கருவிகள். எடுத்துக்காட்டாக, காலெண்டர் இணைப்பான் இருந்தால், ஒரு சந்திப்பு நேரத்தைப் பரிந்துரைப்பதற்கு முன், ஒருவர் எப்போது கிடைப்பார் என்பதை ஏஜென்ட்டால் சரிபார்க்க முடியும்.

4. நினைவகம்

நினைவகம் என்பது ஒரு அமர்விலிருந்து அடுத்த அமர்வுக்குத் தொடரும் சேமிக்கப்பட்ட தகவல். ஒருவரின் விருப்பங்கள், ஒரு திட்டம் எந்த நிலையில் உள்ளது போன்ற சிறு குறிப்புகளை ஒரு அமர்வின்போது harness சேமிக்கிறது. அடுத்த அமர்வின் தொடக்கத்தில், harness அந்தக் குறிப்புகளைச் சூழல் சாளரத்தில் சேர்க்கிறது; இதனால் புதிய வினவலைப் படிப்பதற்கு முன்பே மாடல் அவற்றைப் படிக்கிறது. எடுத்துக்காட்டாக, ஒரு வாராந்திர அறிக்கையை மீண்டும் தொடக்கத்திலிருந்து ஆரம்பிக்காமல், விட்ட இடத்திலிருந்தே ஒரு ஏஜென்ட் தொடர முடிவது இப்படித்தான்.

5. அனுமதிகள்

அனுமதிகள் என்பவை, ஒரு ஏஜென்ட் எவற்றை அணுகலாம், என்ன செய்யலாம் என்பது பற்றிய விதிகள். அது எந்தக் கோப்புகள், ஆப்கள் அல்லது இணையதளங்களைத் திறக்கலாம் என்பதை அணுகல் விதிகள் நிர்ணயிக்கின்றன. ஒரு செய்தியை அனுப்புதல் அல்லது ஒரு பொருளை வாங்குதல் போன்ற எந்தச் செயல்கள் ஒருவரின் ஒப்புதலுக்காகக் காத்திருக்க வேண்டும் என்பதை ஒப்புதல் விதிகள் நிர்ணயிக்கின்றன.

ஏஜென்ட்டை உருவாக்கும் நிறுவனம், இவற்றில் சில விதிகளை harness-இன் குறியீட்டிலேயே அமைக்கிறது. பின்னர், ஒரு அமைப்பின் நிர்வாகிகள் தங்கள் சொந்த விதிகளைச் சேர்க்கலாம்; தனிப்பட்ட பயனர்கள், எந்தக் கணக்குகளை இணைப்பது போன்றவற்றைத் தேர்வுசெய்யலாம்.

6. சரிபார்ப்பு

சரிபார்ப்பு என்பது, ஏஜென்ட்டின் பணி ஒருவரைச் சென்றடைவதற்கு முன்பு அதைச் சரிபார்க்கும் குறியீடு. இது இரண்டு வகையான சோதனைகளைப் பயன்படுத்துகிறது:

• மாறாத விதிகள்: இவை ஒவ்வொரு முறையும் ஒரே மாதிரியாகத் தேர்ச்சி பெறும் அல்லது தோல்வியடையும் குறிப்பிட்ட சோதனைகள்; எடுத்துக்காட்டாக, ஒரு அறிக்கையில் உள்ள ஒவ்வொரு எண்ணும், ஏஜென்ட் உண்மையில் படித்த ஒரு ஆவணத்தில் இடம்பெற்றுள்ளதா என்பதை உறுதிப்படுத்துதல்.
• மற்றொரு AI மாடலின் மதிப்பாய்வு: இது பணியைப் படித்து மதிப்பிடுகிறது. ஒரு முக்கியமான கருத்தை விட்டுவிடும் சுருக்கம் போன்ற, விதியாக மாற்றக் கடினமான சிக்கல்களையும் இதனால் கண்டறிய முடியும்.

எந்த ஒரு சோதனையாலும் எல்லாவற்றையும் கண்டறிய முடியாது; எனவே harness-கள் வழக்கமாக இரண்டு வகைகளையும் இணைத்துப் பயன்படுத்துகின்றன. ஒரு சோதனை சிக்கலைக் கண்டறிந்தால், harness அதன் விளக்கத்தை மாடலின் சூழல் சாளரத்தில் சேர்த்து, பணியை மீண்டும் ஏஜென்ட் லூப் வழியாக அனுப்புகிறது. மாடல் சிக்கலைச் சரிசெய்து மீண்டும் முயல்கிறது; இதனால் பயனர் முடிவைப் பார்ப்பதற்கு முன்பே பல தவறுகள் திருத்தப்படுகின்றன.

harness பொறியியல் எடுத்துக்காட்டுகள்

வாடிக்கையாளர் சந்திப்புக்குத் தயாராகுதல்

பணி: நாளை ஒரு வாடிக்கையாளருடன் நடைபெறவுள்ள சந்திப்புக்காக, நிலுவையில் உள்ள சிக்கல்களையும் ஒரு வரைவு நிகழ்ச்சி நிரலையும் உள்ளடக்கிய ஒரு விளக்கக் குறிப்பைத் தயாரிக்குமாறு ஒரு கணக்கு மேலாளர் ஏஜென்ட்டிடம் கேட்கிறார்.

harness என்ன செய்கிறது:

• ஒரு மின்னஞ்சல் இணைப்பான் மூலம், அந்த வாடிக்கையாளருடனான மின்னஞ்சல்களுக்காக மேலாளரின் இன்பாக்ஸில் ஏஜென்ட் தேடுகிறது.
• அனுமதிகளின்படி, அது மின்னஞ்சல்களைப் படிக்கலாம்; ஆனால் எதையும் அனுப்ப முடியாது.
• சூழல் மேலாண்மை, முழு இன்பாக்ஸையும் அல்லாமல், அந்த வாடிக்கையாளருடனான கடந்த மூன்று மாதச் செய்திகளை மட்டுமே மாடலுக்கு அனுப்புகிறது.
• ஏஜென்ட் லூப் தேடுதல், படித்தல் ஆகியவற்றைப் பல சுற்றுகளாக இயக்குகிறது; மாடல் தான் கண்டறிந்தவற்றை நிலுவையில் உள்ள சிக்கல்களாகத் தொகுக்கிறது.
• பின்னர், விளக்கக் குறிப்பில் உள்ள ஒவ்வொரு சிக்கலும் உண்மையான ஒரு மின்னஞ்சலுடன் இணைக்கப்பட்டுள்ளதா என்பதைச் சரிபார்ப்பு உறுதிசெய்கிறது.

சாத்தியமான முடிவு: ஒவ்வொரு கருத்தையும் அதன் மூல மின்னஞ்சல் வரை பின்தொடரக்கூடிய, ஒரு பக்க அளவிலான விளக்கக் குறிப்பு மேலாளருக்குக் கிடைக்கிறது.

மாதாந்திர விற்பனை அறிக்கையைப் புதுப்பித்தல்

பணி: இந்த மாதத்தின் எண்ணிக்கைகளைக் கொண்டு மாதாந்திர விற்பனை அறிக்கையைப் புதுப்பிக்குமாறு ஒரு செயல்பாட்டுத் தலைவர் ஏஜென்ட்டிடம் கேட்கிறார்.

harness என்ன செய்கிறது:

• அறிக்கையின் வடிவமைப்பு, எண்களை அருகிலுள்ள ஆயிரத்திற்கு முழுமையாக்க வேண்டும் என்ற தலைவரின் கோரிக்கை உட்பட, கடந்த மாத அமர்வின் குறிப்புகளை நினைவகம் ஏற்றுகிறது.
• ஒரு கோப்புக் கருவி, குழுவின் பகிரப்பட்ட டிரைவில் உள்ள விற்பனை ஸ்ப்ரெட்ஷீட்டைத் திறக்கிறது.
• அனுமதிகளின்படி, ஏஜென்ட் வரைவு அறிக்கையைத் திருத்தலாம், ஆனால் மூல ஸ்ப்ரெட்ஷீட்டைத் திருத்த முடியாது. இதனால் அசல் எண்களைத் தவறுதலாக மாற்ற முடியாது.
• அறிக்கையில் உள்ள மொத்தத் தொகைகள் ஸ்ப்ரெட்ஷீட்டுடன் பொருந்துகின்றனவா என்பதைச் சரிபார்ப்பு உறுதிசெய்கிறது.

சாத்தியமான முடிவு: பயனர் மீண்டும் விளக்க வேண்டிய அவசியமின்றி, கடந்த மாதத்தின் அதே வடிவமைப்பில் அறிக்கை வந்து சேர்கிறது.

பகிரப்பட்ட இன்பாக்ஸை வகைப்படுத்துதல்

பணி: காலையில் வந்த கோரிக்கைகளைத் தலைப்பு வாரியாக வகைப்படுத்தி, பொதுவான கோரிக்கைகளுக்குப் பதில்களை வரைவு செய்யுமாறு ஒரு ஆதரவுக் குழு ஏஜென்ட்டிடம் கேட்கிறது.

harness என்ன செய்கிறது:

• ஏஜென்ட் லூப் இன்பாக்ஸில் உள்ள செய்திகளை ஒவ்வொன்றாகக் கையாளுகிறது.
• ஒவ்வொரு செய்திக்கும் மாடல் ஒரு தலைப்பு லேபிளைத் தேர்ந்தெடுக்கிறது; harness அந்த லேபிளை மின்னஞ்சல் இணைப்பான் மூலம் இடுகிறது.
• பணியின் தொடக்கத்தில், குழுவால் அங்கீகரிக்கப்பட்ட பதில் டெம்ப்ளேட்களை வழிகாட்டிகளாக harness சூழல் சாளரத்தில் சேர்க்கிறது; இதனால் மாடல் ஒவ்வொரு வரைவையும் ஒரு டெம்ப்ளேட்டை அடிப்படையாகக் கொண்டு உருவாக்குகிறது.
• குழுவில் உள்ள ஒருவர் மதிப்பாய்வு செய்து அனுப்பும் வரை, ஒரு ஒப்புதல் விதி ஒவ்வொரு பதிலையும் வரைவாகவே வைத்திருக்கிறது.

சாத்தியமான முடிவு: வகைப்படுத்தப்பட்ட கோரிக்கைகளுடனும், மதிப்பாய்வுக்காகக் காத்திருக்கும் பதில்களுடனும் குழு தன் நாளைத் தொடங்குகிறது.

இணையதளத்தில் உள்ள ஒரு பிழையைச் சரிசெய்தல்

பணி: செக்அவுட் பொத்தான் செயல்படாமல் தடுக்கும் ஒரு பிழையைச் சரிசெய்யுமாறு ஒரு டெவலப்பர் கோடிங் ஏஜென்ட்டிடம் கேட்கிறார்.

harness என்ன செய்கிறது:

• ஏஜென்ட் ஒரு சாண்ட்பாக்ஸில் பணிபுரிகிறது; இது குறியீட்டின் தனிமைப்படுத்தப்பட்ட ஒரு நகல், இதில் ஏஜென்ட் செய்யும் மாற்றங்கள் நேரலை இணையதளத்தைப் பாதிக்க முடியாது.
• ஒரு குறியீட்டுக் கருவி, கோப்புகளைப் படிக்கவும் திருத்தவும் மாடலை அனுமதிக்கிறது.
• ஒவ்வொரு மாற்றத்திற்குப் பிறகும், சரிபார்ப்பு திட்டத்தின் தானியங்கிச் சோதனைகளை இயக்குகிறது.
• ஏதேனும் சோதனை தோல்வியடைந்தால், அது புதிய தகவலாக மாடலுக்குத் திரும்ப அனுப்பப்படுகிறது.

சாத்தியமான முடிவு: சோதனைகளில் தேர்ச்சி பெறும் வரை ஏஜென்ட் தன் திருத்தத்தைத் தொடர்ந்து மேம்படுத்துகிறது. பின்னர், அந்த மாற்றம் நேரலைக்குச் செல்வதற்கு முன் டெவலப்பர் அதை மதிப்பாய்வு செய்கிறார்.

harness பொறியியல், ப்ராம்ப்ட் பொறியியல், சூழல் பொறியியல்: ஓர் ஒப்பீடு

ப்ராம்ப்ட் பொறியியல் என்பது ஒரு தனி வினவலை உருவாக்கி மேம்படுத்தும் பணி. சூழல் பொறியியல் என்பது மாடல் பார்க்கும் அனைத்தையும் நிர்வகிக்கும் பணி. harness பொறியியல் என்பது மாடல் இயங்கும் முழு அமைப்பையும் வடிவமைத்து மேம்படுத்தும் செயல்முறை.

ஒரு AI harness-இல் பயனர்கள் எவ்வாறு தாக்கம் செலுத்தலாம்

ஒரு ஏஜென்ட் harness-இன் பெரும்பகுதி ஏஜென்ட்டை உருவாக்கும் நிறுவனத்திடமிருந்தே வருகிறது; ஆனால் தனிப்பயன் வழிமுறைகள், இணைக்கப்பட்ட ஆப்கள், ஒப்புதல்கள் போன்ற அமைப்புகள் மூலம் அதன் ஒரு பகுதியைச் சரிசெய்ய பல AI தயாரிப்புகள் பயனர்களை அனுமதிக்கின்றன.

பயனர்கள் நான்கு வழிகளில் ஒரு ஏஜென்ட் harness-ஐ வடிவமைத்து, ஏஜென்ட்டின் முடிவுகளை மேம்படுத்தலாம்:

1. நிலையான வழிமுறைகள்

நிலையான வழிமுறைகள் என்பவை, ஒருவர் ஒருமுறை எழுதும் குறிப்புகள்; இதனால் ஒவ்வொரு பணியின் தொடக்கத்திலும் harness அவற்றைச் சூழல் சாளரத்தில் சேர்க்க முடியும். இல்லையெனில் ஒவ்வொரு வினவலிலும் மீண்டும் மீண்டும் கூற வேண்டியிருக்கும் எதற்கும் இவற்றை அமைப்பது பயனுள்ளது: அவர்கள் யார், என்ன செய்கிறார்கள், பணி எவ்வாறு எழுதப்பட வேண்டும் என விரும்புகிறார்கள், அல்லது ஒரு வாடிக்கையாளரின் மாதாந்திர அறிக்கை போன்ற தொடர்ச்சியான பணிக்கான விதிகள்.

பல AI தயாரிப்புகள் இரண்டு நிலைகளில் நிலையான வழிமுறைகளை வழங்குகின்றன. கணக்கு முழுமைக்குமான வழிமுறைகள், எழுத்துக்கூட்டல் விருப்பங்கள் போன்ற அனைத்துப் பணிகளுக்கும் பொருந்தும் விஷயங்களுக்கு ஏற்றவை. திட்ட வழிமுறைகள் ஒரு தனி வாடிக்கையாளர் அல்லது பணிப்பாய்வுக்கு ஏற்றவை; இதனால் ஒன்றுக்கான வழிகாட்டுதல் மற்றொன்றுக்குள் செல்வதில்லை.

அரட்டை உதவியாளர்களிலும் ஏஜென்ட்களிலும் நிலையான வழிமுறைகள் ஒரே மாதிரியாகவே செயல்படுகின்றன; ஆனால் ஏஜென்ட்கள் அவற்றை அதிகம் சார்ந்துள்ளன. அரட்டையில், ஒவ்வொரு பதிலுக்குப் பிறகும் ஒருவர் AI-ஐத் திருத்த முடியும். ஆனால் ஒரு ஏஜென்ட், யாரேனும் அதன் பணியைப் பார்ப்பதற்கு முன்பே பல படிகளை மேற்கொள்ளக்கூடும்; எனவே, முன்கூட்டியே வழங்கப்படும் வழிமுறைகள், இடையில் அதை வழிநடத்துவதற்கான சில வழிகளில் ஒன்றாகும்.

பயனுள்ள நிலையான வழிமுறைகளை எழுதுவது எப்படி

• ஒரு சிறிய வழிமுறையுடன் தொடங்குங்கள், எடுத்துக்காட்டாக: "நான் ஒரு மென்பொருள் நிறுவனத்தில் மார்க்கெட்டிங் மேலாளராக இருக்கிறேன். எளிய ஆங்கிலத்தில் எழுதுங்கள், சுருக்கங்களை 200 சொற்களுக்குள் வைத்திருங்கள், அமெரிக்க எழுத்துக்கூட்டலைப் பயன்படுத்துங்கள்."
• AI தவறு செய்யும்போது அவற்றில் கூடுதல் வரிகளைச் சேர்த்துக்கொள்ளுங்கள். குழுவுக்குத் துல்லியமாகத் தேவைப்படும் எண்களை AI தொடர்ந்து முழுமையாக்கினால், அதைக் குறிப்பிடும் ஒரு வரியைச் சேர்த்துவிடுங்கள்.
• வழிமுறைகளைக் குறிப்பிட்டதாக்குங்கள்: "துல்லியமாக இருங்கள்" என்பதை விட "எண்களை ஒருபோதும் முழுமையாக்காமல், துல்லியமாகக் கொடுங்கள்" என்பது சிறந்தது.
• பட்டியலைச் சுருக்கமாக வைத்திருங்கள்; ஒவ்வொரு வரியும் சூழல் சாளரத்தில் இடத்தைப் பிடிப்பதால், பயனற்றுப் போன வரிகளை நீக்கிவிடுங்கள்.

2. இணைக்கப்பட்ட ஆப்கள்

இணைக்கப்பட்ட ஆப்கள், மின்னஞ்சல், காலெண்டர், பகிரப்பட்ட டிரைவ் போன்ற ஒருவர் ஏற்கனவே பயன்படுத்தும் கருவிகளுடன் ஒரு AI தயாரிப்பை இணைக்கின்றன. ஒரு ஆப் இணைக்கப்பட்டவுடன், அரட்டையில் ஒட்டப்படும் தகவல்களுடன் மட்டுமின்றி, ஒருவரின் சொந்தத் தகவல்களுடனும் AI பணிபுரிய முடியும்.

மின்னஞ்சல் உரையாடல்களிலிருந்து ஒரு சந்திப்பு விளக்கக் குறிப்பைத் தயாரிப்பது அல்லது பகிரப்பட்ட டிரைவில் உள்ள ஆவணங்களைச் சுருக்குவது போன்று, ஒரு பணி அந்த ஆப்களில் உள்ள தகவல்களைச் சார்ந்திருக்கும்போது இணைப்புகளை அமைப்பது பயனுள்ளது.

ஆப்களைப் பாதுகாப்பாக இணைப்பது எப்படி

• ஒவ்வொரு இணைப்பும் பிழைகளுக்கான மற்றொரு வாய்ப்பைச் சேர்ப்பதால், ஒரு பணிக்குத் தேவையான ஆப்களை மட்டுமே இணையுங்கள்.
• வழங்கப்படும் இடங்களில், படிக்க மட்டுமான அணுகலைத் தேர்வுசெய்யுங்கள். எடுத்துக்காட்டாக, சந்திப்பு விளக்கக் குறிப்புகளைத் தயாரிக்கும் ஒரு ஏஜென்ட்டுக்கு மின்னஞ்சலைப் படிக்கும் அணுகல் தேவை, அனுப்பும் அணுகல் அல்ல.
• தயாரிப்பு அனுமதிக்கும் இடங்களில், திட்ட வாரியாக இணைப்புகளை அமையுங்கள். எடுத்துக்காட்டாக, Perplexity-இல், ஒவ்வொரு திட்டமும் எந்த இணைப்பான்களைப் பயன்படுத்துகிறது என்பதைத் தேர்வுசெய்யலாம்.
• இனி பயன்பாட்டில் இல்லாத ஆப்களைத் துண்டிக்க நினைவில் கொள்ளுங்கள்.

3. ஒப்புதல் அமைப்புகள்

AI ஒரு செயலைத் தொடர்வதற்கு முன், எந்தச் செயல்கள் ஒருவரின் ஒப்புதலுக்காகக் காத்திருக்க வேண்டும் என்பதை ஒப்புதல் அமைப்புகள் தீர்மானிக்கின்றன. சில ஒப்புதல்கள் தயாரிப்பிலேயே உள்ளமைக்கப்பட்டுள்ளன; வேறு எந்தச் செயல்களுக்கு ஒப்புதல் தேவை என்பதைத் தேர்வுசெய்ய சில தயாரிப்புகள் பயனர்களை அனுமதிக்கின்றன.

ஒப்புதல் விதிகளை அமைப்பது எப்படி

• செய்தி அனுப்புதல், பொருள் வாங்குதல், கோப்பை நீக்குதல் போன்ற செயல்தவிர்க்க முடியாத செயல்களுக்கு ஒப்புதலைக் கட்டாயமாக்குங்கள்.
• ஒப்புதல் தேவைப்படும் செயல்களின் பட்டியலைச் சுருக்கமாக வைத்திருங்கள். ஒவ்வொரு சிறிய படிக்கும் ஏஜென்ட் ஒப்புதல் கேட்டால், மக்கள் படிக்காமலேயே ஒப்புதல் அளிக்கத் தொடங்கிவிடுவார்கள்.

4. தரநிலைகளும் சரிபார்ப்புகளும்

பெரும்பாலான AI தயாரிப்புகளில் சில தரநிலைகள் உள்ளமைக்கப்பட்டே வருகின்றன. உதாரணமாக, Perplexity தனது பதில்களுடன் மேற்கோள்களையும் வழங்குகிறது; இதனால் ஒவ்வொரு கூற்றையும் சரிபார்க்க முடியும். ஒரு குழு விரும்பும் அறிக்கை வடிவம் போன்ற, ஒரு தயாரிப்பால் தானாக அறிய முடியாதவற்றைப் பயனர் அமைக்கும் தரநிலைகள் சேர்க்கின்றன.

AI பணிகளுக்கான தரநிலைகளை அமைப்பது எப்படி

• மீண்டும் மீண்டும் செய்யப்படும் பணிகளுக்கு ஒரு டெம்ப்ளேட்டை வழங்குங்கள்; அப்போது AI நிரப்புவதற்கு ஒரு நிலையான கட்டமைப்பு கிடைக்கும்.
• குழுவுக்குப் பிடித்த முந்தைய பணியின் உதாரணத்தைப் பகிருங்கள்; அப்போது AI அதன் தொனியையும் விவர அளவையும் பின்பற்ற முடியும்.
• ஒவ்வொரு புள்ளிவிவரத்துக்கும் அருகில் அதன் மூல இணைப்பை வழங்குமாறு கேளுங்கள்.
• ஆரம்பகட்ட முடிவுகளைக் கவனமாக மதிப்பாய்வு செய்து, மீண்டும் மீண்டும் வரும் குறைபாடுகளை ஒரு புதிய நிலையான அறிவுறுத்தலாக மாற்றுங்கள்.

ஏஜென்ட் harness-களை Perplexity எவ்வாறு அணுகுகிறது

Perplexity Computer, மாடல் சாராத harness ஒன்றில் இயங்குகிறது; இது 20-க்கும் மேற்பட்ட மேம்பட்ட மாடல்களை ஒரே அமைப்பில் ஒன்றிணைக்கிறது. இது ஒவ்வொரு பணியையும் துணைப் பணிகளாகப் பிரித்து, அவற்றைத் துணை ஏஜென்ட்களிடம் (ஒவ்வொன்றும் ஒரு பகுதியை எடுத்துக்கொள்ளும் தனித்தனி ஏஜென்ட்கள்) ஒப்படைத்து, ஒவ்வொரு பணிப் பகுதியையும் அதற்குப் பொருத்தமான மாடலுக்கு அனுப்புகிறது.

அறிவுறுத்தல்கள், கோப்புகள், இணைப்பான்களை எவ்வாறு அமைப்பது என்பதை Perplexity திட்டங்களுக்கான வழிகாட்டியில் அறிந்துகொள்ளுங்கள்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

Harness பொறியாளர் என்பவர் யார்?

Harness பொறியாளர், ஒரு AI மாடல் நம்பகமாகப் பணியாற்ற உதவும் அமைப்பை வடிவமைத்துப் பராமரிக்கிறார். ஏஜென்ட் பயன்படுத்துவதற்காக ஒரு புதிய கருவியைச் சேர்ப்பது, ஒரு ஏஜென்ட் ஏன் ஒரே தவறைத் திரும்பத் திரும்பச் செய்கிறது என்பதைக் கண்டறிவது, அல்லது ஒரு பணியை முடிப்பதற்கு முன் அது மேற்கொள்ளும் சரிபார்ப்புகளைக் கடுமையாக்குவது ஆகியவை இதில் அடங்கலாம். இது வழக்கமான ஒரு பணிப் பெயர் அல்ல, ஆனால் எதிர்காலத்தில் இது மாறக்கூடும். இந்தப் பணியைப் பொதுவாக AI நிறுவனங்களிலோ ஏஜென்ட்களை உருவாக்கும் குழுக்களிலோ உள்ள மென்பொருள் பொறியாளர்கள் செய்கிறார்கள். உற்பத்தித் துறையில், இதே பணிப் பெயர், கார்கள் மற்றும் இயந்திரங்களுக்குள் இருக்கும் கேபிள் தொகுப்புகளான wire harness-களை வடிவமைப்பவரைக் குறிக்கிறது.

ஏஜென்ட் harness என்றால் என்ன?

ஏஜென்ட் harness என்பது பொதுவாக, ஒரு AI ஏஜென்டில் மாடலைத் தவிர மற்ற அனைத்தையும் குறிக்கிறது. ஏஜென்ட் லூப்பை இயக்குவது, சூழலை (context) நிர்வகிப்பது, கருவி அழைப்புகளைச் செயல்படுத்துவது, நினைவகத்தைச் சேமிப்பது, அனுமதிகளை அமல்படுத்துவது, ஏஜென்டின் பணி ஒருவரைச் சென்றடைவதற்கு முன் அதைச் சரிபார்ப்பது ஆகியவற்றைச் செய்யும் குறியீடும் இதில் அடங்கும்.

ஒவ்வொரு AI கருவிக்கும் harness உண்டா?

ஆம். மாடலால் முந்தைய செய்திகளைத் தானாக நினைவில் வைத்துக்கொள்ள முடியாது என்பதால், ஒரு அடிப்படை அரட்டை உதவியாளர்கூட உரையாடலைத் தொடர்ந்து கண்காணிக்க ஒரு harness-ஐயே சார்ந்திருக்கிறது.

டெவலப்பர்கள் தங்கள் சொந்த மென்பொருளிலிருந்து API (ஒரு நிரல் மற்றொரு நிரலுக்குக் கோரிக்கைகளை அனுப்ப உதவும் இணைப்பு) வழியாக ஒரு மாடலுக்குக் கோரிக்கைகளை அனுப்பியும் அதைப் பயன்படுத்தலாம். அப்படிச் செய்யும்போது, டெவலப்பரின் சொந்தக் குறியீடே harness-இன் வேலையைச் செய்கிறது.

மேம்பட்ட மாடல்கள் harness-களைத் தேவையற்றதாக்குமா?

மேம்பட்ட மாடல்களுக்குப் படிப்படியான வழிகாட்டுதல் குறைவாகவே தேவைப்படலாம்; எனவே இன்று harness-கள் செய்யும் சில பணிகள் குறையக்கூடும். ஆனால் ஒரு மாடல் தனித்துச் செயல்படும்போது உரையை உரையாக மட்டுமே மாற்றுகிறது. அதற்கு இணைய இணைப்போ பிற ஆப்ஸை அணுகும் வசதியோ இல்லை. கோப்புகளை அணுகுவது, செயல்களை மேற்கொள்வது, ஒப்புதல் விதிகளை அமல்படுத்துவது ஆகிய அனைத்தும் மாடலைச் சுற்றியுள்ள மென்பொருளில்தான் நடக்கின்றன. எனவே, மாடல்கள் எவ்வளவு திறன் பெற்றாலும், அந்தப் பணி harness-இடமே இருக்க வாய்ப்புள்ளது.