سؤال مصاحبه

شناخت هر فریم‌ورک چندایجنت در یک پاراگراف

Read any multi-agent framework in one paragraph

  • سطح ۱: غربالگری
  • مفهومی
  • ۶ دقیقه

هر چند ماه یک‌بار فریم‌ورک چندایجنت جدیدی با ادبیات و اصطلاحات خاص خودش منتشر می‌شود. روش خود را برای درک سریع یک فریم‌ورک جدید توضیح دهید و مشخص کنید باگ‌های پیچیده‌ی چنین سیستم‌هایی دقیقاً در کدام بخش جا خوش می‌کنند.

اول خودتان جواب بدهید، بعد پاسخ را باز کنید.

پاسخ کوتاه

فریم‌ورک را روی چهار جزء سازنده (Primitive) نگاشت کنید: ایجنت، تحویل وظیفه (Handoff)، وضعیت مشترک (Shared State) و هماهنگ‌کننده (Orchestrator). هر فریم‌ورکی روی هر یک از این محورها یک حالت پیش‌فرض را انتخاب می‌کند و باقی تفاوت‌ها صرفاً پوسته‌ی ظاهری و نحوی است. ایجنت ترکیبی از پرامپت سیستم و ابزارهاست و ماهیتی بی‌وضعیت (Stateless) دارد؛ تحویل وظیفه، انتقال ساختاریافته‌ی کنترل است؛ هماهنگ‌کننده تصمیم می‌گیرد چه کسی در نوبت بعدی اجرا شود؛ و وضعیت مشترک تنها بخش وضعیت‌دار سیستم به‌شمار می‌رود. باگ‌های پیچیده و دشوار دقیقاً همین‌جا رخ می‌دهند: مسموم‌سازی حافظه (Memory Poisoning)، ترتیب پیام‌ها، نسخه‌بندی و رقابت در نوشتن هم‌زمان.

پاسخ کامل

چهار محور اصلی

جزء سازنده تعریف پیاده‌سازی‌های رایج
ایجنت پرامپت سیستم، فهرستی از ابزارها و یک مدل، بدون داشتن هیچ حافظه‌ی اختصاصی قابل جایگزینی با هر ایجنت دیگری که پرامپت و ابزارهای یکسانی دارد
تحویل وظیفه انتقال ساختاریافته‌ی کنترل از یک ایجنت به ایجنت دیگر ابزاری که ایجنت بعدی را برمی‌گرداند، یال گراف همراه با شرط، یا تابعی برای انتخاب گوینده‌ی بعدی
وضعیت مشترک هر داده‌ای که بیش از یک ایجنت آن را می‌خواند و گاهی در آن می‌نویسد استخر پیام (Message Pool) کامل، تابلوی اعلانات مبتنی بر کلید موضوع، وضعیت نوع‌دار (Typed State) همراه با کاهنده‌ها (Reducers)، حافظه‌ی خارجی
هماهنگ‌کننده بخشی که تصمیم می‌گیرد نوبت صحبت بعدی با کیست گراف ایستا، مدلی که گوینده را انتخاب می‌کند، فراخوانی تحویل وظیفه توسط ایجنت فعلی، یا یک اسکژولر روی صف

سه پرسش کلیدی که تکلیف بیشتر ماجرا را روشن می‌کنند

  1. آیا هماهنگ‌کننده برای مسیریابی به مدل اعتماد می‌کند یا مسیر با کدنویسی مشخص شده است؟
  2. آیا وضعیت مشترک شامل کل تاریخچه است، یا تصویری تفکیک‌شده به ازای هر نقش است؟
  3. آیا ایجنت‌ها می‌توانند پرامپت‌های یکدیگر را تغییر دهند یا فقط امکان تحویل وظیفه را دارند؟

این درس ادعا می‌کند پاسخ به همین سه پرسش، تا حدود 80 درصد مشخص می‌کند کدام فریم‌ورک برای مسئله‌ی شما مناسب است. با این دیدگاه، به‌جای گشتن به دنبال «بهترین فریم‌ورک»، سیستمتان را بر اساس محوری که برایتان مهم است طراحی می‌کنید.

نکته‌ی کلیدی در مورد بی‌وضعیت بودن

ایجنت تابعی از پرامپت و ابزارهای خود است. تحویل وظیفه صرفاً یک فراخوانی تابع است. هماهنگ‌کننده نیز یک اسکژولر به‌حساب می‌آید. تنها وضعیت مشترک است که داده‌ها را از یک مرحله به مرحله‌ی بعد منتقل می‌کند؛ بنابراین هر باگ جالب و چالش‌برانگیزی، در واقع باگ وضعیت مشترک است. فریم‌ورکی که وضعیت را پنهان می‌کند، مسئله را به گردن فراخواننده می‌اندازد. فریم‌ورکی که آن را متمرکز می‌کند، وضعیت را قابل بازرسی کرده و هزینه‌ی هماهنگی را به بخش پیاده‌سازی وضعیت منتقل می‌سازد.

چه چیزهایی جزء سازنده نیستند؟

چک‌پوینت‌گیری بادوام، تأیید انسانی برای تحویل وظیفه، سهمیه‌ی توکن اختصاصی برای هر ایجنت و ردگیری محاسبات (Tracing)، همگی روی این چهار جزء اصلی بنا می‌شوند. این‌ها تصمیمات طراحی هستند، نه محورهایی جدید. اگر فریم‌ورکی ادعای داشتن جزء سازنده‌ی پنجمی را داشت، بررسی کنید که آیا صرفاً شکل متفاوتی از یک وضعیت مشترکِ ناشناخته است یا خیر.

سؤال‌های تکمیلی مصاحبه‌گر
  • سطح 1: دو ایجنت پرامپت و ابزارهای یکسانی دارند. تفاوت آن‌ها در چیست؟ پاسخ مورد انتظار: هیچ تفاوتی ندارند؛ زیرا هر چیزی که شبیه به وضعیت اختصاصی ایجنت به‌نظر می‌رسد، در واقع درون وضعیت مشترک یا بار داده‌ی تحویل وظیفه قرار دارد.
  • سطح 2: سه روش پیاده‌سازی تحویل وظیفه را نام ببرید. پاسخ مورد انتظار: ابزاری که ایجنت بعدی را برمی‌گرداند، یال گراف که بر اساس شرطی انتخاب می‌شود، و تابع انتخابگری که گوینده‌ی بعدی را از میان یک استخر انتخاب می‌کند.
  • سطح 2: بین استخر کامل پیام و وضعیت تصویرشده (Projected State)، کدام‌یک مقیاس‌پذیری بیشتری دارد و هزینه‌ی آن چیست؟ پاسخ مورد انتظار: وضعیت تصویرشده مقیاس‌پذیری بالاتری دارد و هزینه‌ی آن نیاز به یک اسکیمای اولیه و مشخص است تا نمای مربوط به هر نقش دقیقاً تعریف شود.
  • سطح 3: پیش از به‌کارگیری یک فریم‌ورک، اولین چیزی که باید بنویسید چیست؟ پاسخ مورد انتظار: نگاشت اجزای چهارگانه‌ی آن؛ و اگر نتوانستید این نگاشت را بنویسید، مستندات آن ناقص است یا فریم‌ورک دارد جزء سازنده‌ی من‌درآوردی می‌سازد.
جواب‌های اشتباهی که مصاحبه‌گرها زیاد می‌شنوند
  • «هر فریم‌ورک معماری مخصوص به خود را دارد، پس باید تک‌تک آن‌ها را جداگانه یاد گرفت.» تمام این معماری‌ها نقطه‌هایی در یک فضای چهارمحوره هستند؛ با یک‌بار یادگیری این محورها، رفتار هر نسخه‌ی جدیدی را درک خواهید کرد.
  • «حافظه در اختیار خود ایجنت‌ها قرار دارد.» ایجنت بنا به تعریف بی‌وضعیت است؛ حافظه همیشه درون وضعیت مشترک یا در بار داده‌ی تحویل وظیفه نگهداری می‌شود.
  • «هماهنگ‌کننده بخش هوشمند سیستم است، بنابراین باید فریم‌ورکی با بهترین هماهنگ‌کننده را انتخاب کرد.» هماهنگ‌کننده صرفاً یک اسکژولر با چهار مدل پیاده‌سازی است و انتخاب آن به این بستگی دارد که چقدر برای مسیریابی به مدل اعتماد دارید.

کجای دوره آموزش داده می‌شود

درس مدل اجزای سازنده این چهار جزء سازنده را می‌سازد و فریم‌ورک‌های فعلی را روی آن‌ها نگاشت می‌کند.