ऐसा एजेंट विकास रोडमैप जो सचमुच प्रोडक्शन तक पहुँचे
एजेंट प्रोजेक्टों की विफलता का ढर्रा तकनीकी नहीं है। तीसरे सप्ताह में अच्छा प्रोटोटाइप, फिर तीन महीने बिना दिशा सुधार, फिर चुपचाप रद्द — क्योंकि कोई नहीं कह सका कि यह तैयार है या नहीं।
यह रोडमैप इसे निकास-परीक्षाओं से ठीक करता है। हर चरण की एक शर्त होती है जो चरण शुरू होने से पहले लिखी जाती है और या तो पूरी होती है या नहीं। कोई चरण अपनी परीक्षा पास न करे तो या तो ठोस कमी ठीक कीजिए या रुक जाइए।
चरण 1 — दायरा (1–2 सप्ताह)#
काम को ऐसे वाक्य में लिखिए जिसे समीक्षक सही या ग़लत कह सके। टूल और उनके आर्ग्युमेंट स्कीमा सूचीबद्ध कीजिए। तय कीजिए कौन-सी कार्रवाइयाँ अपरिवर्तनीय हैं और इंसान के पीछे रहेंगी। बीस असली उदाहरण जुटाइए।
निकास-परीक्षा: जो सहकर्मी बैठकों में नहीं थी, वह brief पढ़कर पाँच उदाहरण रन सही अंकित कर सके।
चरण 2 — प्रोटोटाइप (2–3 सप्ताह)#
सबसे छोटा लूप बनाइए जो टेस्ट परिवेश के असली टूल से काम करे। हो सके तो अभी framework का फ़ैसला नहीं; हाथ से लिखा लूप सिखाता है कि असल में क्या चाहिए। अपने बीस मामले चलाइए और prompt से पहले टूल डिज़ाइन ठीक कीजिए।
निकास-परीक्षा: बीस में से 60% अंत-से-अंत पास हों और हर विफलता के आगे पहचाना गया कारण लिखा हो।
चरण 3 — मज़बूती (3–5 सप्ताह)#
असली काम का अधिकांश यहीं है और कम-बजट प्रोजेक्ट यहीं मरते हैं। अंतिम उपयोगकर्ता पहचान पर अनुमतियाँ, अपरिवर्तनीय पर दरवाज़े, आर्ग्युमेंट जाँच, पढ़ी जा सकने वाली ट्रेस, कुछ व्यवहार मीट्रिक वाली निगरानी, पचास मामलों तक बढ़ा मूल्यांकन सेट और गिरावट मोड।
- हर टूल कॉल पर सर्वर की ओर अनुमति जाँच।
- हर अपरिवर्तनीय कार्रवाई के आगे निर्णय-तैयार संदर्भ वाला इंसानी दरवाज़ा।
- कदम और ख़र्च सीमाएँ, साथ में दोहराव पहचान।
- हर कॉल पर रन पहचानकर्ता वाली ट्रेस और जान-बूझकर तय अवधारण।
- मूल्यांकन सेट में विरोधी मामले, किसी और टेस्ट की तरह चलाए गए।
निकास-परीक्षा: मूल्यांकन सेट पर 85%, मना-करने वाले उपसमूह पर 100% और कोई खुला सुरक्षा निष्कर्ष नहीं।
चरण 4 — लॉन्च (2 सप्ताह, फिर लगातार)#
सीमित दर्शकों से शुरू कीजिए — एक टीम, एक ग्राहक वर्ग या ट्रैफ़िक का एक प्रतिशत। रोज़ रन पढ़िए। एस्केलेशन रास्ता दिखता और स्टाफ़ वाला रखिए। जब आँकड़े लगातार दो हफ़्ते टिकें तब बढ़ाइए, कैलेंडर देखकर नहीं।
| सप्ताह | दर्शक | क्या देख रहे हैं |
|---|---|---|
| 1 | केवल आंतरिक टीम | ट्रेस, स्पष्ट विफलताएँ, टूल त्रुटियाँ |
| 2 | असली ट्रैफ़िक का 5% | एस्केलेशन दर, सफलता दर |
| 3–4 | 25% | प्रति कार्य लागत, व्यस्त समय विलंब |
| 5+ | आँकड़े टिकें तो पूरा | बहाव, नई श्रेणियाँ |
लॉन्च के बाद क्या होता है#
एजेंट सेवा है, प्रोजेक्ट नहीं। कोई उसका मालिक होता है, मूल्यांकन सेट असली ट्रैफ़िक से बढ़ता है, प्रोवाइडर के हटाने पर मॉडल संस्करण पुनः-योग्य होते हैं, और सबूत जमा होते ही इंसानी दरवाज़े चुनकर हटाए जाते हैं।
अक्सर पूछे जाने वाले प्रश्न
तीन दिन में चले डेमो के लिए बारह सप्ताह लंबे लगते हैं।
डेमो सचमुच चला। बाक़ी नौ सप्ताह अनुमतियाँ, मूल्यांकन, निगरानी और विफलता-रास्ते हैं। इन्हें छोड़ना काम हटाता नहीं, घटना के बाद खिसका देता है।
क्या चरण एक-दूसरे पर चढ़ सकते हैं?
मज़बूती प्रोटोटाइप के दौरान शुरू हो सकती है, और अनुमतियों के लिए होनी चाहिए। मज़बूती परीक्षा पास हुए बिना लॉन्च शुरू मत कीजिए।
अगर प्रोटोटाइप परीक्षा में फ़ेल हो?
लिखे कारण देखिए। टूल डिज़ाइन और डेटा पहुँच हो तो ठीक कीजिए। काम ऐसा विवेक माँगे जिसे कोई परिभाषित न कर सके तो रुक जाइए।
एजेंट रोडमैपएजेंट प्रोजेक्ट योजनाllm प्रोजेक्ट चरणai डिलीवरी समयएजेंट लॉन्च चेकलिस्ट
