პრომპტ-ინჟინერია მკვდარია: აგენტური არქიტექტურის ეპოქა
ნეკროლოგი: ყველაზე ხანმოკლე ტექნოლოგიური კარიერა
2022 წლის ბოლოს და მთელი 2023 წლის განმავლობაში, «პრომპტ-ინჟინერი» მიიჩნეოდა ყველაზე მოთხოვნად ახალ პროფესიად ტექნოლოგიებში. სტატიები ამტკიცებდნენ, რომ ChatGPT-სთვის ქცევის ინსტრუქციის მიმცემი ზე-სპეციფიკური, 500-სიტყვიანი აბზაცების წერის უნარი დეკადის განმსაზღვრელი უნარი გახდებოდა. ადამიანები ყიდულობდნენ კურსებს «პრომპტების მაგიაზე» და უზიარებდნენ ერთმანეთს რთულ ტექსტურ შაბლონებს, როგორც საიდუმლო შელოცვებს. დღეს, 2026 წელს, პრომპტ-ინჟინერია ოფიციალურად მკვდარი პროფესიაა. დიდი ენობრივი მოდელების (LLM) სწრაფმა ევოლუციამ ხელით პრომპტინგი მოძველებულად აქცია. თანამედროვე მოდელები, როგორიცაა Claude 3.5 Sonnet და GPT-4o, გამორჩეულად კარგად ახერხებენ განზრახვის ამოცნობას. რაც უფრო მნიშვნელოვანია, შეიცვალა ადამიანი-კომპიუტერის ურთიერთქმედების პარადიგმა. ჩვენ აღარ ვეპყრობით AI-ს, როგორც ჭკვიან საძიებო სისტემას, სადაც ვწერთ მოთხოვნას და ველოდებით პასუხს. ჩვენ ახლა AI-ს ვეპყრობით, როგორც მუშახელს. ჩვენ არ ვპრომპტავთ; ჩვენ ვაპროექტებთ.კონტექსტი: რატომ ვერ მოხერხდა პრომპტინგის მასშტაბირება
პრომპტ-ინჟინერიის ფუნდამენტური ნაკლი ის იყო, რომ ის თავისი არსით არ ექვემდებარებოდა მასშტაბირებას. პრომპტ-ინჟინერს ხელით უნდა აეკრიფა პრომპტი, დალოდებოდა გენერაციას, შეეფასებინა შედეგი, შეეცვალა პრომპტი და კვლავ ეცადა. ეს იყო 1:1 ინტერაქცია. თუ მარკეტინგულ სააგენტოს 500 პროდუქტის აღწერა სჭირდებოდა, ადამიანს მაინც უნდა მჯდარიყო და 500 პრომპტი შეესრულებინა, ან დაეწერა ხისტი Python-სკრიპტი მათ დასაციკლად, რომელიც ხშირად ტყდებოდა არასტანდარტული შემთხვევების (edge cases) გაჩენისას. უფრო მეტიც, პრომპტს არ აქვს მდგომარეობა (stateless). როგორც კი ჩატის ფანჯარა იხურება, AI-ს ყველაფერი ავიწყდება. მას არ შეუძლია პროაქტიულად შეამოწმოს თქვენი ელფოსტა, არ შეუძლია განაახლოს თქვენი CRM სანამ გძინავთ, და არ შეუძლია ითანამშრომლოს სხვა AI-მოდელებთან რთული პრობლემის გადასაჭრელად. პრომპტინგმა AI რეაქტიულ ყუთში გამოკეტა.სიღრმისეული ანალიზი: აგენტური არქიტექტურის აღზევება
პრომპტ-ინჟინერის შემცვლელი არის აგენტების არქიტექტორი (Agent Architect). ნაცვლად იმისა, რომ ერთი პასუხის მისაღებად აბზაცი დაწეროს, აგენტების არქიტექტორი აპროექტებს ავტონომიურ სისტემებს. «აგენტი» არის LLM, რომელიც შეფუთულია პროგრამულ უზრუნველყოფაში, რაც მას აძლევს სამ რამეს: მეხსიერებას, ინსტრუმენტებსა და ავტონომიას. აი, როგორ მუშაობს თანამედროვე აგენტური სისტემა ბაზისურ პრომპტინგთან შედარებით:- ძველი მეთოდი (პრომპტინგი): თქვენ წერთ: «დაწერე ყოველკვირეული ანგარიში ამ სამი PDF-ის საფუძველზე». ტვირთავთ PDF-ებს. აკოპირებთ შედეგს და სვამთ წერილში უფროსისთვის გასაგზავნად.
- ახალი მეთოდი (აგენტური არქიტექტურა): თქვენ ქმნით «ანალიტიკოს-აგენტს». აძლევთ მას API-წვდომას თქვენი კომპანიის Google Drive-თან (ინსტრუმენტი) და აძლევთ ინსტრუქციას: «ყოველ პარასკევს 16:00 საათზე, იპოვე უახლესი ფინანსური PDF-ები (ავტონომია), შეაჯამე ისინი, შეადარე გასული კვირის რეზიუმეს (მეხსიერება) და შედეგი ელფოსტით გაუგზავნე მენეჯმენტს».
შედეგები: აზროვნება სისტემებით და არა წინადადებებით
ამ ძვრას ღრმა შედეგები აქვს იმაზე, თუ როგორ ქირაობენ კომპანიები თანამშრომლებს და როგორ ოპერირებენ. «ჯადოსნური სიტყვების» ცოდნა იმისთვის, რომ LLM-მა უკეთესი სარეკლამო ტექსტი დაწეროს, აღარ არის კონკურენტული უპირატესობა. კონკურენტული უპირატესობა მდგომარეობს სისტემური დიზაინის გაგებაში. ბიზნეს-ლიდერებმა უნდა შეწყვიტონ კითხვა: «როგორ გამოვიყენოთ ChatGPT იმისათვის, რომ ვწეროთ უფრო სწრაფად?». ამის ნაცვლად, მათ უნდა იკითხონ: «როგორ შეგვიძლია დავაპროექტოთ აგენტური სამუშაო პროცესი (workflow), რათა სრულად ავტომატიზდეს მონაცემთა გადაცემა ჩვენს გაყიდვების დეპარტამენტსა და ლოგისტიკას შორის?». პროფესიონალები, რომლებიც შემდეგ დეკადაში წარმატებას მიაღწევენ, არ არიან სიტყვის ოსტატები; ისინი არიან სისტემურად მოაზროვნენი. მათ ესმით API მარშრუტიზაცია, ვექტორული მონაცემთა ბაზები (RAG), ლოგიკური ვენტილები და ის, თუ როგორ დაადგინონ ოპერაციული საზღვრები ავტონომიური მოდელებისთვის, რათა მათ არ იჰალუცინირონ ან არ განახორციელონ დესტრუქციული ქმედებები.დასკვნა: განაახლეთ თქვენი ოპერაციული სისტემა
თუ თქვენი კომპანია კვლავ იხდის ChatGPT Plus-ის გამოწერებში თანამშრომლებისთვის და ეუბნება მათ «წერეთ პრომპტები უკეთესად», თქვენ წამგებიან თამაშს თამაშობთ. თქვენ AI-ს ეპყრობით როგორც კალკულატორს, მაშინ როცა მას უნდა ეპყრობოდეთ როგორც სერვერების ფერმას. ჩატის ფანჯარაში წინადადებების წერის ეპოქა სრულდება. დაიწყო ავტონომიური, ურთიერთდაკავშირებული AI-აგენტების განლაგების ეპოქა ფონურ რეჟიმში რთული, მრავალსაფეხურიანი სამუშაო პროცესების შესასრულებლად. გადააწყვეთ თქვენი აზროვნება პრომპტ-ინჟინერიიდან აგენტურ არქიტექტურაზე, წინააღმდეგ შემთხვევაში თქვენი კონკურენტები ავტომატიზაციით გაგაძევებენ ბაზრიდან.მზად ხართ შეცვალოთ თქვენი ხელით დაწერილი პრომპტები ავტონომიური აგენტებით?
დააპროექტეთ თქვენი აგენტური არქიტექტურა ---ხშირად დასმული კითხვები
მჭირდება თუ არა პროგრამირების ცოდნა იმისათვის, რომ გავხდე აგენტების არქიტექტორი?
სულ უფრო და უფრო — არა. თუმცა Python-ის ცოდნა გეხმარებათ, აგენტების შესაქმნელი «No-Code» პლატფორმების (როგორიცაა Make.com-ის AI-ინტეგრაციები, n8n ან სპეციალიზებული ინსტრუმენტები, როგორიცაა Flowise და LangFlow) გამოჩენა მომხმარებლებს საშუალებას აძლევს შექმნან რთული მულტი-აგენტური სისტემები ვიზუალური drag-and-drop ინტერფეისის გამოყენებით.
შეუძლია თუ არა ავტონომიურ აგენტს დაუშვას საშიში შეცდომა, მაგალითად, წაშალოს ჩვენი მონაცემთა ბაზა?
დიახ, თუ ცუდადაა დაპროექტებული. სწორედ ამიტომ, აგენტური არქიტექტურა უდიდეს ყურადღებას უთმობს «დამცავ ბარიერებს» (guardrails). ჩვენ არასდროს ვაძლევთ აგენტს კრიტიკულად მნიშვნელოვან ბაზაში პირდაპირ, გაუფილტრავ უფლებას «წაშლაზე». ჩვენ ვიყენებთ ტრიგერებს «ადამიანი მარყუჟში» (Human-in-the-Loop, HITL), როდესაც აგენტი ამზადებს მოქმედებას, მაგრამ უგზავნის შეტყობინებას ადამიანს Slack-ში მარტივი დაწკაპუნებისთვის «დამტკიცება/უარყოფა» მაღალი რისკის ამოცანების შესრულებამდე.