AI தொடர் நேர்காணல் 7: ஒரு Skill ஐ எப்படி நெறிமுறையாக வரையறுப்பது

ஒரு, Skill இன் முக்கிய கருத்துக்கள்

Skill என்பது Agent (நுண்ணறிவு முகவர்) அல்லது AI அமைப்பில் இணைக்கப்பட்ட செயல்படுத்தக்கூடிய திறன் அலகுகளின் தொகுப்பாகும். இது பொதுவாக பின்வருவனவற்றைக் கொண்டிருக்கும்:

• தூண்டுதல் நிபந்தனை: எப்போது அழைக்கப்படும் (பயனர் கட்டளை, அமைப்பு நிகழ்வு போன்றவை).
• உள்ளீட்டு அளவுருக்கள்: பெற வேண்டிய தரவு அல்லது சூழல்.
• செயல்படுத்தல் தர்க்கம்: குறிப்பிட்ட செயலாக்க படிகள் (API அழைப்பு, குறியீடு இயக்கம், அறிவுக் களஞ்சிய வினவல் போன்றவை).
• வெளியீட்டு முடிவுகள்: அழைப்பாளருக்குத் திருப்பி அனுப்பப்படும் பதில் அல்லது செயல்.

இரண்டு, Skill ஐ நெறிமுறையாக வரையறுக்கும் படிகள்

1. Skill இன் பெயர் மற்றும் விளக்கத்தைத் தெளிவுபடுத்துதல்

• பெயர்: சுருக்கமான, தனித்துவமான, பொருளுடைய (எ.கா., search_web, send_email).
• விளக்கம்: ஒரு வாக்கியத்தில் அந்த Skill இன் செயல்பாட்டை விளக்குங்கள், Agent தானாக பொருத்த உதவும்.

2. உள்ளீட்டு அளவுருக்களை வரையறுத்தல் (Input Schema)

JSON Schema அல்லது ஒத்த வடிவமைப்பைப் பயன்படுத்தி, ஒவ்வொரு அளவுருவின் வகை, கட்டாயமா, இயல்புநிலை மதிப்பு மற்றும் கட்டுப்பாடுகளைத் தெளிவுபடுத்தவும்.

{
  "type": "object",
  "properties": {
    "query": {
      "type": "string",
      "description": "தேடல் சொற்கள்",
      "required": true
    },
    "max_results": {
      "type": "integer",
      "description": "அதிகபட்ச முடிவுகளின் எண்ணிக்கை",
      "default": 10
    }
  }
}

3. செயல்படுத்தல் தர்க்கத்தை எழுதுதல் (Execution Logic)

• உறுதியான தர்க்கம்: நேரடியாக செயல்பாடு, API அல்லது தரவுத்தளத்தை அழைக்கவும்.
• நிச்சயமற்ற தர்க்கம்: LLM ஐப் பயன்படுத்தி பதிலை உருவாக்கவும் (prompt வார்ப்புரு வழங்க வேண்டும்).
• பிழை கையாளுதல்: நேர முடிவு, மீண்டும் முயற்சி, தரம் குறைப்பு உத்திகளை வரையறுக்கவும்.

4. வெளியீட்டு வடிவமைப்பை வரையறுத்தல் (Output Schema)

JSON Schema ஐப் பயன்படுத்தி தரவு கட்டமைப்பை விவரிக்கவும்.

{
  "type": "object",
  "properties": {
    "results": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "title": { "type": "string" },
          "url": { "type": "string", "format": "uri" }
        }
      }
    }
  }
}

5. மெட்டாடேட்டாவைச் சேர்த்தல் (Metadata)

• பதிப்பு எண்: மறுபதிப்பு மேலாண்மைக்கு.
• ஆசிரியர்/பராமரிப்பாளர்: பொறுப்பு ஒதுக்கீடு.
• சார்புகள்: தேவையான வெளி சேவைகள் அல்லது நூலகங்கள்.
• பயன்பாட்டுக் கட்டுப்பாடுகள்: அதிர்வெண் வரம்பு, அனுமதி தேவைகள் போன்றவை.

மூன்று, எடுத்துக்காட்டு: ஒரு முழுமையான Skill வரையறை

name: "weather_query"
description: "நகரப் பெயரின் அடிப்படையில் தற்போதைய வானிலையை வினவுக"
version: "1.0.0"
author: "AI குழு"

input:
  type: object
  properties:
    city:
      type: string
      description: "நகரப் பெயர், எ.கா., 'பெய்ஜிங்'"
      required: true
    unit:
      type: string
      enum: ["celsius", "fahrenheit"]
      default: "celsius"

execute:
  - step: "வானிலை API ஐ அழைக்கவும்"
    api: "https://api.weather.com/v1/current"
    method: "GET"
    params:
      city: "{input.city}"
      unit: "{input.unit}"
  - step: "முடிவை வடிவமைக்கவும்"
    format: "தற்போது {city} இன் வெப்பநிலை {temperature}°{unit}"

output:
  type: object
  properties:
    temperature:
      type: number
    condition:
      type: string
    humidity:
      type: number

நான்கு, சிறந்த நடைமுறைகள்

• ஒற்றை பொறுப்பு: ஒவ்வொரு Skill ஒரு வேலையை மட்டுமே செய்ய வேண்டும், அதிக இணைப்பைத் தவிர்க்கவும்.
• தன்னிறைவு: முடிந்தவரை வெளி உலகளாவிய நிலையைச் சார்ந்திருக்க வேண்டாம், உள்ளீடே வெளியீடு.
• சோதனை செய்யக்கூடியது: அலகு சோதனைக்கு mock தரவு அல்லது சாண்ட்பாக்ஸ் சூழலை வழங்கவும்.
• ஆவணப்படுத்துதல்: ஒவ்வொரு Skill க்கும் பயன்பாட்டு வழிகாட்டி மற்றும் எடுத்துக்காட்டுகளை எழுதவும்.

மேற்கண்ட முறையில் வரையறுக்கப்பட்ட Skill, AI Agent ஆல் மாறும் வகையில் அட்டவணைப்படுத்தப்படலாம், மேலும் டெவலப்பர்களால் நேரடியாக அமைப்பில் ஒருங்கிணைக்கப்பட்டு \"ஒருமுறை எழுதி, எல்லா இடங்களிலும் பயன்படுத்து\" மறுபயன்பாட்டை அடையலாம்.