AI এজেন্ট এখন নিজের কথোপকথন থেকেই তথ্য বের করে আনবে, জানুন কী লাভ
প্রচলিত RAG সিস্টেম বাইরের ডকুমেন্ট থেকে তথ্য আনে। কিন্তু একটি নতুন গবেষণায় দেখা গেছে, AI এজেন্ট নিজের পূর্বের কথোপকথন থেকেই তথ্য উদ্ধার করতে পারে। এই পদ্ধতি ক্লড কোডের পেছনের গবেষণা ট্র্যাকের অংশ এবং এর সোর্স কোড উন্মুক্ত।
প্রচলিত RAG সিস্টেম বাইরের ডকুমেন্ট থেকে তথ্য আনে। কিন্তু একটি নতুন গবেষণায় দেখা গেছে, AI এজেন্ট নিজের পূর্বের কথোপকথন থেকেই তথ্য উদ্ধার করতে পারে। এই পদ্ধতি ক্লড কোডের পেছনের গবেষণা ট্র্যাকের অংশ এবং এর সোর্স কোড উন্মুক্ত।
RAG বা Retrieval-Augmented Generation নিয়ে যত টিউটোরিয়াল পড়েছেন, সেগুলো প্রায় সবাই একই সমস্যার সমাধান করে। আপনার কাছে কিছু ডকুমেন্ট আছে, ব্যবহারকারী একটি প্রশ্ন জিজ্ঞেস করে এবং আপনি সেই ডকুমেন্ট থেকে প্রাসঙ্গিক অংশ খুঁজে এনে উত্তর তৈরি করেন। কিন্তু RAG-এর একটি দ্বিতীয় রূপ আছে যা সম্পূর্ণ ভিন্নভাবে কাজ করে এবং সেটি নিয়ে প্রায় কেউই লেখে না।
dev.to-তে প্রকাশিত একটি গবেষণা নিবন্ধে এই দ্বিতীয় ধরনের RAG-এর ধারণা তুলে ধরা হয়েছে। এখানে AI এজেন্ট বাইরের কোনো ডকুমেন্ট থেকে নয়, বরং নিজের পূর্বের কনটেক্সট বা কথোপকথনের ইতিহাস থেকেই তথ্য উদ্ধার করে। এই পদ্ধতিটিকে বলা হয়েছে Retrieval-Augmented Self-Recall। এটি ক্লড কোড নামক জনপ্রিয় AI কোডিং টুলের পেছনের গবেষণা ট্র্যাকের অংশ।
গবেষকরা বলছেন, এই পদ্ধতির সবচেয়ে বড় পার্থক্য হলো ডেটার উৎস। প্রচলিত RAG-এ আপনি একটি বাহ্যিক নলেজ বেস বা ডকুমেন্ট সংগ্রহ করেন। কিন্তু Self-Recall-এ এজেন্ট নিজেরই আগের স্টেটমেন্ট, সিদ্ধান্ত এবং বিশ্লেষণ থেকে তথ্য খুঁজে বের করে। এটি বিশেষভাবে কার্যকর হতে পারে দীর্ঘ কথোপকথন বা জটিল কোডিং সেশনের সময় যেখানে এজেন্টকে আগের প্রসঙ্গ মনে রাখতে হয়।
এই গবেষণার সব কোড উন্মুক্ত করে দেওয়া হয়েছে। RE-call নামে একটি ওপেন সোর্স রিপোজিটরিতে যে কেউ এই পদ্ধতি পরীক্ষা করতে পারবেন। এটি ডেভেলপারদের জন্য একটি বড় সুযোগ তৈরি করেছে। এখন তারা নিজেদের AI এজেন্টেও এই Self-Recall পদ্ধতি প্রয়োগ করতে পারবেন।
বাংলাদেশের ডেভেলপার এবং ফ্রিল্যান্সারদের জন্য এই গবেষণা বিশেষভাবে গুরুত্বপূর্ণ। AI এজেন্ট তৈরি করতে গিয়ে অনেক সময় প্রসঙ্গ ধরে রাখা একটি বড় চ্যালেঞ্জ হয়ে দাঁড়ায়। বিশেষ করে দীর্ঘ কোড রিভিউ বা মাল্টি-স্টেপ টাস্ক সম্পাদনের সময় এজেন্ট আগের ধাপ ভুলে যেতে পারে। এই Self-Recall পদ্ধতি সেই সমস্যার একটি কার্যকর সমাধান দিতে পারে।
শিক্ষার্থী এবং গবেষকরাও এই ওপেন সোর্স কোড ব্যবহার করে নিজেদের প্রকল্পে উন্নতি আনতে পারবেন। যেহেতু কোডটি সম্পূর্ণ উন্মুক্ত, তাই যে কেউ এটি ডাউনলোড করে নিজের প্রয়োজন অনুযায়ী পরিবর্তন করতে পারবেন। এটি বাংলাদেশের AI গবেষণা সম্প্রদায়ের জন্য একটি মূল্যবান সম্পদ হয়ে উঠতে পারে।
ভবিষ্যতে এই পদ্ধতি আরও পরিশীলিত হবে বলে আশা করা যায়। গবেষকরা ইতিমধ্যে ক্লড কোডের মাধ্যমে এর কার্যকারিতা প্রমাণ করেছেন। এখন শুধু অপেক্ষা, কখন এই পদ্ধতি আরও বেশি AI এজেন্টে প্রয়োগ হবে এবং দৈনন্দিন ব্যবহারের অংশ হয়ে উঠবে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...