‏ایجنت چاق در برابر ایجنت باریک؛ کدوم به درد تولید می‌خوره؟

نویسنده این پست که یک ساله داره روی ایجنت‌های مختلف (از ری‌ویوکنندهٔ PR گرفته تا ایجنت مالی) کار می‌کنه، می‌گه همه معمولاً کار رو با یه پرامپت بزرگ شروع می‌کنن و امیدوارن ایجنت خودش بفهمه چیکار کنه. این روش اولش جواب می‌ده ولی بعد از مدتی مشکلات شروع می‌شه: یه مورد خاص که کار نمی‌کنه، یه ریگرشن بعد از آپدیت مدل، یا رفتاری که کاملاً برعکس انتظاره. به گفتهٔ نویسنده، خیلی وقتا چیزی که به نظر مشکل پرامپت می‌رسه، در واقع یه مشکل معماریه.

نویسنده اسم این روش رو ایجنت چاق (fat agent) می‌ذاره: یه دستیار با هدف کلی، کانتکست بزرگ، همه‌ی ابزارها، و اختیار زیاد برای تصمیم‌گیری. این مدل دمو دادنش راحته ولی وقتی بخوای از یه راه‌حل، یه سیستم واقعی بسازی به دردت نمی‌خوره. در مقابل، ایجنت باریک (narrow agent) یعنی کار رو به چند مرحلهٔ مشخص بشکنی؛ مثلاً مسیریابی، بررسی شرایط، پیاده‌سازی، تأیید و ری‌ویو، که هرکدوم ورودی و خروجی مشخص خودشو داره و کمترین دسترسی لازم رو می‌گیره.

مثال خودش جالبه: توی ایجنت ری‌ویوی PR که ساخته، یه بخش که قبلاً یه پاراگراف پرامپت بود و باید تشخیص می‌داد PR ارزش ری‌ویو داره یا نه، الان یه تابع پایتون چهل خطیه که همیشه یه جواب مشخص می‌ده. نویسنده تأکید می‌کنه که باید از مدل برای قضاوت در شرایط مبهم استفاده کرد، ولی برای هرچیزی که به دنیای واقعی وصله (دسترسی، اعتبارسنجی، مسیریابی) بهتره از کد قطعی استفاده کرد.

به گفتهٔ نویسنده، شکستن کار به ایجنت‌های باریک چهار تا فایده داره: می‌تونی دقیق بفهمی یه تغییر واقعاً کمک کرده یا نه (چون هر مرحله رو جدا تست می‌کنی)، دسترسی هر ایجنت به حداقل لازم محدود می‌شه که ریسک رو کم می‌کنه، کانتکست هر مرحله کوچیک می‌مونه به‌جای اینکه هی بزرگ‌تر بشه، و وقتی مدل جدیدی اومد فقط اون مرحله رو تست و جایگزین می‌کنی نه کل سیستم رو.

نکتهٔ آخر و مهم‌تر از همه، به گفتهٔ نویسنده، حلقهٔ بازخورده: یه ایجنت به‌اندازهٔ حلقه‌ای که توش کار می‌کنه خوبه. اگه بشه نتیجهٔ کار رو با یه معیار دقیق و خودکار سنجید (مثل تست و بنچمارک)، می‌شه به ایجنت خودمختاری بیشتری داد. ولی اگه معیار قابل‌اعتمادی نباشه و نشه به‌راحتی برگشت زد، بهترین کار اینه که یه آدم همیشه تو حلقه باشه، نه اینکه بذاریم ایجنت خودش تشخیص بده کارش خوب بوده یا نه.

نکات کلیدی:

• ایجنت چاق: یک دستیار با کانتکست بزرگ و همه‌ی ابزارها؛ ساختش سریع ولی نگه‌داریش سخته.
• ایجنت باریک: کار رو به مراحل مشخص با ورودی/خروجی معلوم می‌شکنه (مثلاً مسیریابی، بررسی، پیاده‌سازی، تأیید، ری‌ویو).
• در فلوی ری‌ویوی PR نویسنده، بخش تشخیص «ارزش ری‌ویو داشتن» از یه پاراگراف پرامپت به ۴۰ خط کد پایتون قطعی تبدیل شده.
• چهار فایدهٔ اصلی: تست و ارزیابی دقیق‌تر، حداقل دسترسی برای هر ایجنت، کانتکست کوچیک‌تر، و راحت‌تر عوض کردن مدل هر مرحله.
• حلقهٔ بازخورد ضعیف یعنی سقف پایین‌تر برای خودمختاری ایجنت، نه چیزی که با پرامپت بهتر حل بشه.