एक व्यावहारिक मार्गदर्शिका उन तीन आर्किटेक्चर लेयर्स के बारे में जिन्हें लोग अक्सर आपस में मिला देते हैं
यह भ्रम समझ में आता है। तीनों विचार एक ही मॉडल के इर्द-गिर्द घूमते हैं, तीनों विश्वसनीयता को प्रभावित करते हैं, और तीनों में "लूप" हो सकते हैं। लेकिन ये पर्यायवाची नहीं हैं। ये अलग-अलग इंजीनियरिंग निर्णयों का वर्णन करते हैं, और जैसे ही कोई एजेंट डेमो नोटबुक से निकलकर फ़ाइलों, API, ग्राहकों या प्रोडक्शन कोड को छूना शुरू करता है, यह अंतर मायने रखता है
30 सेकंड का जवाब
- हार्नेस इंजीनियरिंग मॉडल के चारों ओर मशीनरी का निर्माण करती है
- लूप इंजीनियरिंग दोहराए जाने वाले कार्य-और-फीडबैक चक्र को डिज़ाइन करती है
- ग्राफ इंजीनियरिंग वर्कफ़्लो टोपोलॉजी को स्पष्ट बनाती है: नोड्स, शाखाएं, जॉइन, स्थिति संक्रमण और नियंत्रित चक्र
साफ मानसिक मॉडल है पर्यावरण → फीडबैक → प्रवाह
ये शब्द अचानक क्यों मायने रखते हैं
एक कच्चा भाषा मॉडल टेक्स्ट नहीं बना सकता, किसी प्रोजेक्ट के लिए स्थिति बनाए नहीं रख सकता, टेस्ट सूट नहीं चला सकता, ब्राउज़र नहीं देख सकता, अनुमोदन नियम लागू नहीं कर सकता, या असफल कार्य को पुनः आरंभ नहीं कर सकता। ये क्षमताएं उस पर्यावरण से आती हैं जिसमें वह है। जैसे-जैसे एजेंटिक सॉफ्टवेयर परिपक्व होता है, एक मानक इंजीनियरिंग स्टैक अंततः एक साथ आ रहा है। नींव में एजेंट हार्नेस है, वह कोड जो वास्तव में मॉडल चलाता है। इसके बाद लूप आते हैं, जो दोहराए जाने वाले निष्पादन और गुणवत्ता जांच को संभालते हैं। अंत में, ग्राफ संरचित पथों को मैप करते हैं जो पूरी प्रक्रिया का मार्गदर्शन करते हैं
लेबल अभी भी लगातार मानकीकृत नहीं हैं। वर्तमान ढांचे में, "एजेंट हार्नेस" शब्द अब एक काफी विशिष्ट परिभाषा लेने लगा है। "लूप इंजीनियरिंग" शब्द 2026 में चिकित्सकों के बीच एक नए शब्द के रूप में उभरा। ग्राफ इंजीनियरिंग को एक अकादमिक क्षेत्र के बजाय व्यावहारिक रूप से समझा जाना चाहिए; यह केवल एजेंट वर्कफ़्लो को स्पष्ट निर्देशित ग्राफ़ या स्टेट मशीनों के रूप में बनाने की प्रक्रिया है। यह व्यावहारिक अंतर सहायक है क्योंकि यह एक बज़वर्ड को वास्तविक डिज़ाइन प्रश्न को छिपाने से रोकता है
एजेंट हार्नेस इंजीनियरिंग
- लैंगचेन के अनुसार, एजेंट मॉडल प्लस हार्नेस है, और हार्नेस मॉडल के बाहर का कोड, कॉन्फ़िगरेशन और निष्पादन तर्क है। व्यवहार में, इसमें सिस्टम प्रॉम्प्ट, टूल डेफ़िनिशन, मेमोरी, फ़ाइलसिस्टम, सैंडबॉक्स, मॉडल रूटिंग, हैंडऑफ़, मिडलवेयर हुक, कॉम्पैक्शन, अनुमतियाँ, लॉगिंग और सत्यापन इंटरफ़ेस शामिल हैं
- OpenAI का Agents SDK उसी परिचालन कोर को रनटाइम परिप्रेक्ष्य से वर्णित करता है: रनर मॉडल को कॉल करता है, टूल कॉल निष्पादित करता है, हैंडऑफ़ संभालता है, स्थिति रखता है, और तभी रुकता है जब रन एक वास्तविक टर्मिनल स्थिति तक पहुंचता है
हार्नेस शब्द उपयोगी है क्योंकि यह ध्यान को मॉडल पूजा से हटाता है। दो टीमें एक ही फाउंडेशन मॉडल का उपयोग कर सकती हैं और बहुत अलग परिणाम प्राप्त कर सकती हैं क्योंकि एक टीम मॉडल को साफ उपकरण, एक स्थिर कार्यक्षेत्र, सीमित अनुमतियाँ और देखने योग्य स्थिति देती है, जबकि दूसरी टीम इसे एक अस्पष्ट प्रॉम्प्ट और एक अविश्वसनीय API रैपर देती है। बुद्धिमत्ता समान हो सकती है; काम करने की स्थितियाँ समान नहीं हैं। एक गंभीर हार्नेस में आमतौर पर क्या होता है:
- संदर्भ इंजेक्शन: निर्देश, पुनर्प्राप्त तथ्य, वार्तालाप स्थिति, कौशल और कार्य-विशिष्ट नीतियां
- क्रिया सतहें: API, ब्राउज़र, शेल, कोड इंटरप्रेटर, डेटाबेस और MCP-संगत उपकरण
- स्थायित्व: फ़ाइलें, चेकपॉइंट, सत्र, प्रगति लॉग, git इतिहास और दीर्घकालिक मेमोरी
- निष्पादन नियंत्रण: टाइमआउट, पुनर्प्रयास, बजट, मॉडल रूटिंग, उप-एजेंट स्पॉनिंग और अनुमोदन गेट
- सुरक्षा और शासन: अनुमतियाँ, अलगाव, अनुमति सूची, गुप्त हैंडलिंग और मानव प्राधिकरण
- अवलोकनीयता: ट्रेस, टूल इनपुट और आउटपुट, स्थिति संक्रमण, लागत, विलंबता और मूल्यांकन परिणाम
मॉडल संदर्भ, नियंत्रण, क्रिया, स्थायित्व और सत्यापन के एक व्यापक हार्नेस के अंदर बैठता है। अपने आर्किटेक्चर डायग्राम से मॉडल को हटा दें। जो कुछ बचता है वह शायद हार्नेस का हिस्सा है: उपकरण, डेटा एक्सेस, स्टेट स्टोर, सैंडबॉक्स, मिडलवेयर, मूल्यांकनकर्ता, पुनर्प्रयास नीति और UI
हार्नेस इंजीनियरिंग कहाँ अपनी उपयोगिता साबित करती है
हार्नेस का काम लंबे समय तक चलने वाले कार्यों के लिए महत्वपूर्ण है। मल्टी-सेशन कोडिंग में, Anthropic ने पाया कि केवल संदर्भ कॉम्पैक्शन का उपयोग करना पर्याप्त नहीं था। यह अपने आप में कोई बेहतर प्रॉम्प्ट नहीं था, लेकिन उन्होंने एक अच्छी सेटअप बनाई जिसमें एक इनिशियलाइज़र, एक प्रगति फ़ाइल, git इतिहास और वृद्धिशील कार्य का अनुशासन शामिल था ताकि प्रत्येक नया संदर्भ समझ सके कि क्या हुआ और अभी भी क्या करना बाकी है। यह एजेंट के संबंध में एक बेहतर कार्य प्रणाली है। हार्नेस इंजीनियरिंग लागू करें जब एजेंट के पास कोई क्षमता नहीं है, साफ वापस नहीं आ सकता, स्थिति खो देता है, बहुत अधिक एक्सेस करता है, ऑडिट नहीं किया जा सकता, या वातावरण पर अलग तरह से कार्य करता है
लूप इंजीनियरिंग
प्रत्येक एजेंट जो एक उपकरण का उपयोग करता है, उसमें एक एम्बेडेड छोटा लूप होता है:
- मॉडल को कॉल करें
- परिणाम देखें
- उपकरण चलाएं
- मॉडल में अवलोकन इनपुट करें
- तब तक दोहराएं जब तक अंतिम उत्तर वापस न आ जाए
जब निर्माता जानबूझकर उस व्यवहार के चारों ओर नए चक्र बनाते या स्टैक करते हैं, तो यह लूप इंजीनियरिंग की शुरुआत है, जैसा कि OpenAI इसे कहता है। एक सत्यापन लूप, उदाहरण के लिए, एजेंट को एक आर्टिफैक्ट बनाने, नियतात्मक जांच या एक ग्रेडर चलाने, स्पष्ट फीडबैक प्राप्त करने और केवल अगर साक्ष्य त्रुटियाँ हैं तो दोहराने की अनुमति देता है। एक इवेंट-संचालित लूप एजेंट को तब जगाता है जब कोई शेड्यूल, वेबहुक, या नया दस्तावेज़ प्राप्त होता है। एक सुधार लूप ट्रेस और विफलताओं का विश्लेषण करता है, निर्देश/उपकरणों को संशोधित करता है, और परीक्षण करता है कि क्या नया संस्करण बेहतर काम करता है। LangChain का 2026 फ्रेमिंग इन्हें लूपों का एक स्टैक कहता है न कि कोई एक जादुई while-स्टेटमेंट
एक अच्छी तरह से इंजीनियर किए गए लूप की शारीरिक रचना:
- ट्रिगर: क्या दूसरा चक्र शुरू करता है; उपयोगकर्ता अनुरोध, शेड्यूल, असफल परीक्षण, नया डेटा या मूल्यांकनकर्ता फीडबैक
- लक्ष्य: एक विशिष्ट स्थिति तक पहुंचना, न कि "सुधारते रहें" जैसा अस्पष्ट निर्देश
- स्थिति और मेमोरी: अगले चक्र को सब कुछ दोबारा चलाए बिना क्या जानना चाहिए
- क्रिया नीति: एजेंट क्या बदल सकता है, कॉल कर सकता है, सौंप सकता है या खर्च कर सकता है
- साक्ष्य: परीक्षण, स्कीमा सत्यापन, उद्धरण, अंतर, मीट्रिक या मानव समीक्षा
- फीडबैक: साक्ष्य विफल क्यों हुआ इसका एक संक्षिप्त, कार्रवाई योग्य विवरण
- रुकने का नियम: सफलता, बजट सीमा, टाइमआउट, अपरिवर्तनीय त्रुटि या मानव एस्केलेशन
एक सत्यापन लूप एजेंट लूप को एक बाहरी ग्रेडर और एक स्पष्ट पास शर्त के साथ लपेटता है। आत्मविश्वास पर लूप न करें। साक्ष्य पर लूप करें। "एजेंट कहता है कि यह हो गया" रुकने की शर्त नहीं है; "परीक्षण पास होते हैं, लिंक हल होते हैं, स्कीमा मान्य होती है और समीक्षक अनुमोदन करता है" रुकने की शर्त है।
लूप इंजीनियरिंग केवल प्रॉम्प्ट इंजीनियरिंग क्यों नहीं है
एक प्रॉम्प्ट मॉडल को बताता है कि कॉल के दौरान क्या करना है। एक लूप निर्दिष्ट करता है कि सिस्टम कॉल के बाद क्या करता है:
यह परिणामों का निरीक्षण कैसे करता है, फीडबैक कैसे चुनता है, जारी रखना है या नहीं तय करता है, प्रगति को बनाए रखता है और समाप्त करता है
प्रॉम्प्ट गुणवत्ता अभी भी मायने रखती है, लेकिन लूप एक एक-शॉट निर्देश को एक प्रबंधित प्रक्रिया में बदल देता है। मुख्य ट्रेडऑफ़ लागत और विलंबता है। प्रत्येक ग्रेडर, समीक्षक या पुनर्प्रयास एक और मॉडल कॉल या टूल रन जोड़ता है। Anthropic का व्यापक मार्गदर्शन सबसे सरल आर्किटेक्चर को प्राथमिकता देना है जो काम करता है और एजेंटिक जटिलता तभी जोड़ना है जब प्रदर्शन लाभ इसे उचित ठहराता है। यही सलाह लूप पर भी लागू होती है: उन्हें वहाँ जोड़ें जहाँ विफलता की लागत सत्यापन की लागत से अधिक है
ग्राफ इंजीनियरिंग
ग्राफ इंजीनियरिंग एक अलग प्रश्न पूछती है: केवल यह नहीं कि एजेंट क्या करता है, बल्कि किस घटक को आगे चलने की अनुमति है। चरणों को नोड्स द्वारा दर्शाया जाता है और अनुमत चरणों को एजेज द्वारा दर्शाया जाता है। इन एजेज का उपयोग अनुक्रम, सशर्त शाखाकरण, समानांतर फैन-आउट, जॉइन, लूप और मानव रुकावटों को इंगित करने के लिए किया जा सकता है। स्थिति ग्राफ के माध्यम से यात्रा करती है, और टोपोलॉजी वांछित नियंत्रण प्रवाह की जांच करने की अनुमति देती है। LangGraph लंबे समय तक चलने वाले, स्टेटफुल एजेंटों के लिए निम्न-स्तरीय ऑर्केस्ट्रेशन इंफ्रास्ट्रक्चर है, जिसमें टिकाऊ निष्पादन, स्थिति और मानव-इन-द-लूप नियंत्रण, और वर्कफ़्लो के एब्स्ट्रैक्शन के बजाय एजेंटों पर नियंत्रण पर स्पष्ट ध्यान है। Microsoft AutoGen का दस्तावेज़ीकरण असाधारण रूप से सीधा है: ग्राफ़ का उपयोग तब करें जब आपको एजेंट क्रम पर सटीक नियंत्रण, विभिन्न परिणामों के लिए अलग-अगले चरण, नियतात्मक शाखाकरण या चक्रों के साथ जटिल बहु-चरणीय प्रक्रियाओं की आवश्यकता हो। ग्राफ इंजीनियर वास्तव में क्या तय करते हैं:
- नोड सीमाएं: कौन सा कार्य एक नियतात्मक फ़ंक्शन, एक LLM कॉल, एक विशेषज्ञ एजेंट या मानव समीक्षा चरण से संबंधित है
- स्थिति स्कीमा: प्रत्येक नोड क्या पढ़ या अपडेट कर सकता है, और समानांतर अपडेट कैसे मर्ज किए जाते हैं
- रूटिंग शर्तें: कौन सा साक्ष्य काम को आगे, पीछे, बगल या एस्केलेशन पर भेजता है
- समवर्तीता: क्या समानांतर में चल सकता है, क्या जुड़ना चाहिए, और किन साझा संसाधनों को समन्वय की आवश्यकता है
- चक्र और निकास: जहाँ पुनर्प्रयास कानूनी हैं, कितने अनुमत हैं, और चक्र को सुरक्षित क्या बनाता है
- स्थायित्व: जहाँ चेकपॉइंट होते हैं और रुकावट के बाद निष्पादन कैसे फिर से शुरू होता है
उपरोक्त कैनवास एजेंटों, कौशलों और संबंधों को एक संयुक्त प्रणाली के रूप में निरीक्षण योग्य बनाता है। यहाँ ग्राफ इंजीनियरिंग का अर्थ ग्राफ-आधारित निष्पादन की इंजीनियरिंग है। यह नॉलेज ग्राफ इंजीनियरिंग के समान नहीं है, जहाँ ग्राफ डेटा में संस्थाओं और संबंधों का प्रतिनिधित्व करता है। एक वर्कफ़्लो ग्राफ नियंत्रण और स्थिति संक्रमण का प्रतिनिधित्व करता है
ग्राफ कब औपचारिकता के लायक है
ग्राफ तब मूल्यवान होते हैं जब प्रक्रिया में सार्थक शाखाएं, समानांतर कार्य, अनुमोदन, पुनर्प्राप्ति पथ या कई विशेषज्ञ एजेंट हों। वे कम उपयोगी होते हैं जब काम केवल "एक एजेंट को तीन उपकरण दें और उसे काम करने दें" हो। एक ग्राफ डिबगिंग में सुधार कर सकता है, लेकिन यह मान्यताओं को बहुत जल्दी फ्रीज भी कर सकता है। यदि मॉडल को गतिशील रूप से योजना का आविष्कार करना है, तो हर संभव पथ को एक आरेख में बलपूर्वक डालना सिस्टम को कम भंगुर नहीं, बल्कि अधिक भंगुर बना सकता है
एक वास्तविक प्रणाली में तीनों लेयर एक साथ कैसे काम करती हैं
एक शोध-और-प्रकाशन एजेंट पर विचार करें जो एक तथ्यात्मक उद्योग ब्रीफिंग तैयार करने के लिए जिम्मेदार है
नेस्टिंग पर ध्यान दें: ग्राफ हार्नेस के अंदर चलता है; ग्राफ के अंदर एक या अधिक लूप रहते हैं; और हार्नेस उन लूपों को आवश्यक स्थिति, उपकरण और मूल्यांकनकर्ता प्रदान करता है। श्रेणियां ओवरलैप होती हैं क्योंकि सॉफ्टवेयर लेयर ओवरलैप होती हैं, लेकिन प्रत्येक अभी भी टीम को सिस्टम के विफल होने पर खींचने के लिए एक अलग लीवर देती है
विफलता का निदान करके इंजीनियरिंग लेयर चुनें
लक्षण
कहाँ से शुरू करें
संभावित समाधान
एजेंट सुरक्षित रूप से सही डेटा या टूल तक नहीं पहुंच सकता।
हार्नेस
टूल कॉन्ट्रैक्ट, अनुमतियाँ, सैंडबॉक्स, संदर्भ इंजेक्शन।
एजेंट सत्रों में प्रगति भूल जाता है।
हार्नेस
टिकाऊ स्थिति, चेकपॉइंटिंग, प्रगति आर्टिफैक्ट, कॉम्पैक्शन।
पहला प्रयास अक्सर करीब होता है लेकिन विश्वसनीय नहीं।
लूप
बाहरी ग्रेडर, नियतात्मक परीक्षण, फीडबैक और सीमित पुनर्प्रयास।
एजेंट सफलता के बाद काम करता रहता है या सबूत से पहले रुक जाता है।
लूप
साक्ष्य-आधारित टर्मिनल स्थितियाँ और बजट-जागरूक रुकने के नियम।
कई विशेषज्ञों को नियंत्रित क्रम में चलना चाहिए।
ग्राफ
स्पष्ट नोड्स, एजेज, रूटिंग शर्तें और जॉइन।
बहु-चरणीय प्रक्रिया में विफलताओं का पता लगाना कठिन है।
ग्राफ + हार्नेस
ग्राफ नोड्स और संक्रमणों के साथ संरेखित स्टेटफुल ट्रेस।
एक निश्चित आरेख के लिए वर्कफ़्लो बहुत बार बदलता है।
सरल हार्नेस
नियंत्रण को मॉडल-संचालित रखें; ग्राफ औपचारिकता में देरी करें।
कमजोर एजेंट आर्किटेक्चर के पीछे महंगी गलतियाँ
काम को समझने से पहले ग्राफ बनाना
टीमें कभी-कभी एक व्यावसायिक प्रक्रिया को दर्जनों नोड्स में अनुवाद करती हैं, इससे पहले कि उन्होंने देखा हो कि एक सक्षम एजेंट वास्तव में इसे कैसे हल करता है। एक सरल हार्नेस से ट्रेस के साथ शुरू करें, फिर स्थिर पथों को औपचारिक बनाएं।
एक ही मॉडल को बिना सुरक्षा उपायों के लिखने और ग्रेड करने देना
स्व-समीक्षा मदद कर सकती है, लेकिन यह साझा अंध स्थानों के प्रति संवेदनशील है। जहाँ संभव हो नियतात्मक जांच को प्राथमिकता दें, अलग समीक्षक संदर्भ का उपयोग करें, और उच्च-प्रभाव वाली कार्रवाइयों के लिए मानव अनुमोदन की आवश्यकता हो।
लूप विनिर्देश के रूप में "कोशिश करते रहें" का उपयोग करना
एक असीमित पुनर्प्रयास लूप एक लागत रिसाव है। प्रत्येक लूप को एक मापने योग्य उद्देश्य, ताजा साक्ष्य, अधिकतम प्रयास और एक नामित एस्केलेशन पथ की आवश्यकता होती है।
हार्नेस को एक डंपिंग ग्राउंड के रूप में मानना
अधिक उपकरण और मेमोरी स्वचालित रूप से बेहतर नहीं हैं। एक भीड़ भरा टूलसेट चयन त्रुटियों को बढ़ाता है, एक शोरगुल वाला संदर्भ भ्रम बढ़ाता है, और व्यापक अनुमतियाँ जोखिम बढ़ाती हैं।
ऑर्केस्ट्रेशन विफलताओं के लिए मॉडल को दोष देना
एक मॉडल पुरानी स्थिति, अस्पष्ट टूल स्कीमा, टूटे हुए API या लापता निकास स्थितियों की भरपाई विश्वसनीय रूप से नहीं कर सकता। उस लेयर में सुधार करें जो विफलता की मालिक है।
एक प्रोडक्शन-रेडी डिज़ाइन चेकलिस्ट
- हार्नेस: क्या उपकरण संकीर्ण, दस्तावेजित और देखने योग्य हैं? क्या स्थिति टिकाऊ है? क्या अनुमतियाँ न्यूनतम-विशेषाधिकार हैं? क्या ऑपरेटर एक रन को रोक, निरीक्षण और फिर से शुरू कर सकते हैं?
- लूप: कौन सा साक्ष्य सफलता साबित करता है? विफलता पर क्या फीडबैक वापस किया जाता है? कितने पुनर्प्रयासों की अनुमति है? जब बजट समाप्त हो जाता है तो क्या होता है?
- ग्राफ: कौन से पथ नियतात्मक होने चाहिए? कहाँ काम समानांतर में चल सकता है? कौन सी स्थिति साझा की जाती है? मानव गेट और पुनर्प्राप्ति मार्ग कहाँ हैं?
- मूल्यांकन: क्या टीम वास्तविक ट्रेस को फिर से चला सकती है, संस्करणों की तुलना कर सकती है और सुधार को अंतर्ज्ञान के बजाय एक विशिष्ट परिवर्तन के लिए जिम्मेदार ठहरा सकती है?
- संचालन: क्या लागत, विलंबता, विफलता दर, हस्तक्षेप दर और कार्य-स्तर की सफलता की निगरानी प्रोडक्शन में की जाती है?
अंतर याद रखने का सबसे सरल तरीका
हार्नेस इंजीनियरिंग मॉडल को संचालित करने के लिए मशीनरी का निर्माण करती है। लूप इंजीनियरिंग एक पुनरावृत्त, सत्यापन योग्य और फिर से शुरू करने योग्य कार्यप्रणाली है। ग्राफ इंजीनियरिंग के उपयोग से एक जटिल निष्पादन पथ को स्पष्ट और नियंत्रणीय बनाया जाता है। इनमें से कोई भी तीनों दूसरे का विकल्प नहीं है। भले ही हार्नेस ने अपनी स्थिति खो दी हो, एक खूबसूरती से बनाया गया ग्राफ पर्याप्त नहीं है। हालांकि, सबसे अच्छे हार्नेस के बावजूद, यदि कोई साक्ष्य या रुकने का नियम नहीं है, तो यह पैसे की बर्बादी है! सावधानीपूर्वक तैयार किए गए लूप तब भी संचालित करना कठिन होते हैं जब शाखाकरण, समानता और अनुमोदन तदर्थ कोड में एम्बेडेड होते हैं। यदि इन तीन लेयरों को संयुक्त रूप से डिज़ाइन किया जाता है, तो विश्वसनीय एजेंट सिस्टम उत्पन्न होंगे, बशर्ते कि टीम को पता हो कि प्रत्येक लेयर को क्या हल करना है
पाठकों द्वारा उपयोग किए जाने वाले खोज शब्द
- agent harness vs loop engineering
- graph engineering for AI agents
- AI agent orchestration
- LLM agent architecture
- production AI agents
- LangGraph workflows
- AutoGen GraphFlow
- agent verification loops
स्रोत और आगे पढ़ने के लिए
एजेंट हार्नेस की शारीरिक रचना - जानें कि कैसे एजेंट हार्नेस AI मॉडल को स्वायत्त कार्य इंजन में बदलते हैं। मुख्य घटकों का अन्वेषण करें: फ़ाइलसिस्टम, सैंडबॉक्स और मेमोरी
LangChain और LangGraph एजेंट फ्रेमवर्क v1.0 माइलस्टोन तक पहुँचे - LangChain 1.0 और LangGraph 1.0 यहाँ हैं। मानकीकृत उपकरणों, मिडलवेयर अनुकूलन और टिकाऊ स्थिति के साथ तेजी से प्रोडक्शन-रेडी AI एजेंट बनाएं
GraphFlow (वर्कफ़्लो) - AutoGen - इस अनुभाग में आप सीखेंगे कि कैसे एक मल्टी-एजेंट वर्कफ़्लो बनाया जाए, या बस "फ़्लो" का उपयोग करके। यह संरचित निष्पादन का उपयोग करता है और सटीक रूप से नियंत्रित करता है कि एजेंट किसी कार्य को पूरा करने के लिए कैसे बातचीत करते हैं। हम पहले आपको दिखाएंगे कि कैसे एक फ़्लो बनाएं और चलाएं
लूप इंजीनियरिंग की कला - एजेंट वास्तविक दुनिया के काम को स्वचालित करते हैं, लेकिन विश्वसनीय प्रदर्शन के लिए एक अच्छे मॉडल से अधिक की आवश्यकता होती है, इसके लिए एक सावधानीपूर्वक डिज़ाइन किए गए हार्नेस की आवश्यकता होती है जो विशिष्ट कार्यों के लिए बनाया गया हो। यह पोस्ट मुख्य एजेंट लूप, कैसे लूप को स्टैक और विस्तारित करना अधिक प्रभावी एजेंट बनाता है, और LangChain प्रिमिटिव के साथ प्रत्येक स्तर को कैसे इंस्ट्रूमेंट किया जाए, इसका अन्वेषण करता है
Microsoft Research से AutoGen Studio का परिचय - AutoGen Studio, Microsoft के लचीले ओपन-सोर्स AutoGen फ्रेमवर्क पर बनाया गया है जो AI एजेंटों को ऑर्केस्ट्रेट करने के लिए है, डेवलपर्स को बहु-एजेंट AI समाधानों को जल्दी से बनाने, परीक्षण करने, अनुकूलित करने और साझा करने में सक्षम बनाता है, जिसमें बहुत कम या बिना कोडिंग के
कस्टम एजेंट हार्नेस कैसे बनाएं - प्रभावी एजेंट हार्नेस के साथ बनाए जाते हैं जो हाथ में काम से कसकर जुड़े होते हैं। कस्टम हार्नेस बनाने का सबसे आसान तरीका LangChain के create_agent प्लस मिडलवेयर के साथ है। यह मार्गदर्शिका मुख्य एजेंट लूप और आप इसे अपने एजेंट के उपयोग के मामले के लिए कैसे अनुकूलित कर सकते हैं, को कवर करती है
एजेंट बनाने के लिए एक व्यावहारिक मार्गदर्शिका - AI एजेंटों को डिज़ाइन करने, ऑर्केस्ट्रेट करने और तैनात करने के लिए एक व्यापक मार्गदर्शिका - उपयोग के मामलों, मॉडल चयन, टूल डिज़ाइन, गार्डरेल और मल्टी-एजेंट पैटर्न को कवर करती है
प्रभावी AI एजेंट बनाना - Anthropic और हमारे ग्राहकों से प्रोडक्शन-रेडी सिंगल और मल्टी-एजेंट सिस्टम बनाने के लिए व्यावहारिक सलाह और मार्गदर्शन
इसे सेव करें ताकि आप इसे खोएं नहीं
अधिक तकनीकी पोस्ट के लिए @beamnxw को फॉलो करें :)
