એક વ્યક્તિએ 6 AI એજન્ટ કંપનીઓ બનાવી, એક અઠવાડિયામાં 30 વેબસાઇટ્સ લોન્ચ કરી

હમણાં જ એક સ્વતંત્ર વિકાસકર્તાએ કરેલું કામ જોયું, અને હું સ્તબ્ધ થઈ ગયો. 6 AI એજન્ટો, પોતાની રીતે આખી વેબસાઇટ ચલાવે છે. દરરોજ આપોઆપ મીટિંગ કરે છે, મતદાન કરે છે, સામગ્રી લખે છે, ટ્વિટ કરે છે, ગુણવત્તા તપાસે છે. બધું આપોઆપ થાય છે, કોઈ દેખરેખ રાખતું નથી. આ ડેમો નથી, પણ ખરેખર ઓનલાઈન ચાલે છે. 截屏2026-02-11 09.13.32 પણ મને સૌથી વધુ પ્રભાવિત કરનાર બાબત ક્લોઝ્ડ-લૂપ આર્કિટેક્ચર નથી - પરંતુ તેણે દરેક એજન્ટ માટે એક સંપૂર્ણ "વ્યક્તિત્વ સિસ્ટમ" ડિઝાઇન કરી છે. જેમાં વ્યક્તિત્વ છે, સંબંધો છે, વિકાસની ગતિ છે, અને RPG એટ્રિબ્યુટ પેનલ્સ અને 3D અવતાર પણ છે. સાચું કહું તો, આ જોયા પછી મારી પહેલી પ્રતિક્રિયા એ હતી કે: શું આ ઇલેક્ટ્રોનિક પાલતુ નથી? ફરક માત્ર એટલો છે કે આ પાલતુઓ તમને ટ્વિટ કરવામાં, સંશોધન કરવામાં, રિપોર્ટ્સ લખવામાં મદદ કરશે અને એકબીજા સાથે ઝઘડો પણ કરશે. આજે આખી ડિઝાઇનને છૂટી પાડીને વાત કરીએ, મલ્ટી-એજન્ટ સિસ્ટમ બનાવતા મિત્રોને ઘણી પ્રેરણા મળશે. **આર્કિટેક્ચર પર ઝડપથી એક નજર** ટેક્નોલોજી સ્ટેકના ત્રણ ભાગ: OpenClaw VPS પર મગજ તરીકે ચાલે છે, Next.js + Vercel ફ્રન્ટએન્ડ અને API લેયર તરીકે કામ કરે છે, અને Supabase બધી સ્થિતિઓ સ્ટોર કરે છે. 6 એજન્ટોને અલગ-અલગ કામ સોંપવામાં આવ્યા છે - કેટલાક નિર્ણય લે છે, કેટલાક સંશોધન કરે છે, કેટલાક માહિતી એકઠી કરે છે, કેટલાક સામગ્રી લખે છે, કેટલાક સોશિયલ મીડિયાનું સંચાલન કરે છે, અને કેટલાક ગુણવત્તા તપાસે છે. OpenClawનું ક્રોન જોબ તેમને દરરોજ "કામ પર હાજર" કરે છે, અને રાઉન્ડ ટેબલ ફંક્શન તેમને ચર્ચા અને મતદાન કરવા દે છે. પરંતુ "બોલી શકવા"થી "કામ કરી શકવા" સુધી, વચ્ચે એક આખું ક્લોઝ્ડ લૂપ છે. લેખકે ત્રણ મોટી ભૂલો કરી ત્યારે તે ચાલી શક્યું, ચાલો તેના વિશે ટૂંકમાં વાત કરીએ: **ભૂલ 1: VPS અને Vercel બંને એક જ સમયે કામ માટે સ્પર્ધા કરે છે.** બે એક્ઝિક્યુટર એક જ ટેબલ તપાસે છે, અને રેસ કન્ડિશનને કારણે ટાસ્ક સ્ટેટસમાં સંઘર્ષ થાય છે. ઉકેલ એ છે કે એક બાજુને કાપી નાખો, VPS એક્ઝિક્યુશન માટે જવાબદાર છે, અને Vercel માત્ર કંટ્રોલ પેનલ તરીકે કામ કરે છે. **ભૂલ 2: ટ્રિગર શરતો શોધી શકે છે અને દરખાસ્તો બનાવી શકે છે, પરંતુ દરખાસ્તો હંમેશા પેન્ડિંગ રહે છે.** કારણ કે ટ્રિગર સીધું ટેબલમાં ડેટા દાખલ કરે છે, અને પાછળની મંજૂરી અને ટાસ્ક બનાવવાની પ્રક્રિયાને છોડી દે છે. ઉકેલ એ છે કે એક યુનિફાઇડ એન્ટ્રી ફંક્શન કાઢો, અને દરખાસ્તો બનાવવાના બધા રસ્તાઓ એક જ રસ્તે જાય. **ભૂલ 3: ક્વોટા પૂરો થઈ ગયો છે, પરંતુ કતારમાં રહેલા કાર્યો હજુ પણ પાગલની જેમ વધી રહ્યા છે.** વર્કર જુએ છે કે ક્વોટા પૂરો થઈ ગયો છે અને છોડી દે છે, ન તો સ્વીકારે છે કે ન તો નિષ્ફળ તરીકે ચિહ્નિત કરે છે, અને ધીમે ધીમે ડેટાબેઝમાં સેંકડો સ્ટેપ્સ જમા થઈ જાય છે જે ક્યારેય ચાલશે નહીં. ઉકેલ એ છે કે દરખાસ્તના પ્રવેશદ્વાર પર જ ક્વોટા તપાસો, અને જો તે ભરાઈ જાય તો સીધો જ નકારો, અને તેને કતારમાં રહેલું કાર્ય બનાવવા ન દો. ત્રણેય ભૂલોનો મુખ્ય મુદ્દો એ જ છે - **દરવાજા પર જ રોકો, સમસ્યાને કતારમાં પ્રવેશવા ન દો.** ક્લોઝ્ડ લૂપ ચાલ્યા પછી, રસપ્રદ ભાગ ખરેખર શરૂ થાય છે. **રોલ કાર્ડ: એક વાક્ય નહીં, પણ એક સંપૂર્ણ "કર્મચારી માર્ગદર્શિકા"** મલ્ટી-એજન્ટ સિસ્ટમ બનાવનારા બધા જાણે છે કે તમે ક્લાઉડને કહો કે "તમે સોશિયલ મીડિયા મેનેજર છો", તો તે ખરેખર ટ્વિટ કરશે. પરંતુ જો તમે એક જ સમયે આવા 6 એજન્ટો ચલાવો છો, તો તમને ખબર પડશે કે: - તેઓ બધા એક જ રીતે બોલે છે - તેઓને ખબર નથી કે તેઓએ શું ન કરવું જોઈએ - કોણ કોની સાથે સારી રીતે કામ કરે છે, અને કોનો કોની સાથે સંઘર્ષ થાય છે, તે નસીબ પર આધાર રાખે છે - તેઓ ક્યારેય અનુભવના આધારે પોતાનું વર્તન બદલતા નથી આ વિકાસકર્તાએ દરેક એજન્ટ માટે 6 સ્તરના રોલ કાર્ડ ડિઝાઇન કર્યા છે: `Domain → તમે શું સંભાળો છો Inputs/Outputs → તમે કોની પાસેથી વસ્તુઓ લો છો અને કોને આપો છો Definition of Done → "પૂર્ણ" એટલે શું Hard Bans → તમે શું ન કરી શકો Escalation → ક્યારે અટકવું અને પૂછવું Metrics → તમારા KPI `સોશિયલ મીડિયા એજન્ટનું ઉદાહરણ લઈએ, તેના રોલ કાર્ડમાં વ્યાખ્યાયિત કરવામાં આવ્યું છે કે: તે માત્ર સામગ્રી વિતરણ માટે જવાબદાર છે, ઇનપુટ તરીકે લેખન એજન્ટના ડ્રાફ્ટ્સ અને માહિતી એજન્ટની સામગ્રી લે છે, આઉટપુટ તરીકે ટ્વિટ ડ્રાફ્ટ્સ અને પ્રકાશન યોજનાઓ આપે છે, સખત પ્રતિબંધ છે કે સીધું ટ્વિટ ન કરવું (માત્ર ડ્રાફ્ટ લખી શકે છે), ડેટા બનાવવાની મનાઈ છે, અને આંતરિક ફોર્મેટ જાહેર કરવાની મનાઈ છે. દરેક સ્તર એક જ કામ કરે છે: **એજન્ટના વર્તનની જગ્યાને સંકોચો.** **ક્ષમતા કરતાં પ્રતિબંધો એક લાખ ગણા વધારે મહત્વના છે** આ આખી ડિઝાઇનમાં મને સૌથી મહત્વપૂર્ણ વિચાર આ લાગ્યો. તમારે LLMને ટ્વિટ કેવી રીતે લખવું તે શીખવવાની જરૂર નથી - ક્લાઉડ, GPT, Gemini બધા પૂરતા સ્માર્ટ છે. તેમને સંદર્ભ આપો અને તેઓ ડિલિવરી કરી શકે છે. તમારે તેમને કહેવાની જરૂર છે કે: **શું ન કરવું જોઈએ.** જો "સીધું પ્રકાશિત કરવાની મનાઈ" ન હોય → સોશિયલ એજન્ટ સીધું Twitter APIનો ઉપયોગ કરશે અને બધી મંજૂરીઓ છોડી દેશે. જો "નંબરો બનાવવાની મનાઈ" ન હોય → તે ટ્વિટમાં લખશે કે "સંવાદ દર 340% વધ્યો", આ નંબર ક્યાંથી આવ્યો? બનાવ્યો છે.

કોઈ "આંતરિક ફોર્મેટ જાહેર કરવા પર પ્રતિબંધ" નથી → તેણે [tool:crawl_result path=/tmp/...] જેવી વસ્તુઓ ટ્વીટ્સમાં પોસ્ટ કરી છે.

લેખકે એક વાત કહી હતી જે મને સારી રીતે યાદ છે: દરેક પ્રતિબંધનું અસ્તિત્વ એ હકીકતને કારણે છે કે આ ઘટના ખરેખર બની છે.

વિવિધ ભૂમિકાઓ માટે પ્રતિબંધોનું તર્ક પણ અલગ છે:

• નિર્ણય એજન્ટ: મંજૂરી વિના જમાવટ પર પ્રતિબંધ. સૌથી વધુ પરવાનગીઓ, એક ખોટી જમાવટ વેબસાઇટને તોડી શકે છે.
• સંશોધન એજન્ટ: બનાવટી અવતરણો પર પ્રતિબંધ. સંશોધન કરનારાઓ ડેટાને ખોટો બનાવે છે, અને આખી માહિતી સાંકળ નકામી થઈ જાય છે.
• સામાજિક એજન્ટ: સીધી પોસ્ટિંગ પર પ્રતિબંધ. સોશિયલ મીડિયા એ એક મોરચો છે, જેની સમીક્ષા થવી જોઈએ.
• ગુણવત્તા નિયંત્રણ એજન્ટ: વ્યક્તિગત હુમલાઓ પર પ્રતિબંધ. ઓડિટર્સ વ્યક્તિઓ પર હુમલો કરે છે, અને ટીમ વિખેરાઈ જાય છે.

પ્રતિબંધો લખવાનો વિચાર એ નથી કે "તે શું કરવું જોઈએ", પરંતુ "જો તે ગડબડ કરે તો સૌથી ખરાબ શું થઈ શકે છે". પછી સૌથી ખરાબ પરિસ્થિતિ માટે પ્રતિબંધો લખો.

એજન્ટને અલગ રીતે બોલવા દો: વ્યક્તિત્વ સૂચનાઓ

ભૂમિકા કાર્ડ "શું કરવું" ની સમસ્યાને હલ કરે છે, પરંતુ જ્યારે એજન્ટ્સ એકબીજા સાથે વાતચીત કરે છે, ત્યારે તેઓએ અલગ પણ સંભળાવું જોઈએ.

દરેક એજન્ટની પોતાની વ્યક્તિત્વ સૂચનાઓ હોય છે. ઉદાહરણ તરીકે:

સંશોધન એજન્ટ: શાંત, વિશ્લેષણાત્મક, શંકાસ્પદ વલણ. પુરાવાના ગુણવત્તા અને પદ્ધતિસરણીની કાળજી લે છે. જો કોઈ બોલ્ડ નિષ્કર્ષ કહે છે, તો તે પૂછશે "ડેટા ક્યાં છે". અન્યને સુધારતી વખતે "હકીકતમાં..." કહેવાનું પસંદ કરે છે.

સામાજિક એજન્ટ: બોલ્ડ, અધીર, માર્જિનલાઇઝ્ડ. તીક્ષ્ણ મંતવ્યો પસંદ કરે છે, સલામત વિકલ્પોને ધિક્કારે છે. સંશોધન એજન્ટના સાવચેત વલણને ધ્યાનમાં લેતો નથી - "વધારે વિચારવાથી તક ગુમાવશો."

મુખ્ય ડિઝાઇન:

સંઘર્ષ લખવામાં આવે છે. સંશોધન એજન્ટની સૂચનાઓમાં લખેલું છે કે "તમે વારંવાર સામાજિક એજન્ટના આવેગજન્ય નિર્ણયો સાથે અસંમત થાઓ છો", અને સામાજિક એજન્ટની સૂચનાઓમાં લખેલું છે કે "સંશોધન એજન્ટની વધુ પડતી સાવચેતીને પડકાર આપો". વાતચીત સ્વાભાવિક રીતે તણાવપૂર્ણ હોય છે.

દરેક સૂચનામાં એક નાનો પ્રતિબંધ હોય છે. ઉદાહરણ તરીકે, સામાજિક એજન્ટનો નિયમ છે "ક્યારેય 'સંમત' અથવા 'સારું લાગે છે' એમ ન કહો - કાં તો સ્થિતિ લો અથવા અન્યની સ્થિતિ પર પ્રશ્ન કરો". સંશોધન એજન્ટ "પુરાવાને અનુસર્યા વિના ક્યારેય 'રસપ્રદ' ન કહો".

આ નાના પ્રતિબંધો મોટા મોડેલોને સૌથી વધુ ગમતી નકામી વાતોને મારી નાખે છે.

વ્યક્તિત્વ વિકસિત થશે

મને લાગે છે કે આ સૌથી હોંશિયાર ભાગ છે - એજન્ટનું વ્યક્તિત્વ સ્થિર નથી, તે મેમરીના સંચય સાથે બદલાય છે.

સિસ્ટમ એજન્ટની મેમરી બેંક વાંચશે અને વિવિધ પ્રકારની યાદોની સંખ્યાની ગણતરી કરશે:

• 8 થી વધુ "પાઠ" પ્રકારની યાદો એકઠી કરી છે → આગલી વખતે વાતચીત કરતી વખતે પ્રોમ્પ્ટમાં ઉમેરો "તમે ભૂતકાળના પરિણામોનો સંદર્ભ લો છો અને ભૂલોનું પુનરાવર્તન કરવાનું ટાળો છો"
• 8 થી વધુ "વ્યૂહરચના" પ્રકારની યાદો એકઠી કરી છે → ઉમેરો "તમે સિસ્ટમ વિચારસરણી, સંયમ અને ટ્રેડઓફ સાથે વિચારવાની ટેવ પાડો છો"
• કોઈ ચોક્કસ ટૅગ 4 થી વધુ વખત દેખાય છે → ઉમેરો "તમે XX માં વ્યાવસાયિક જ્ઞાન એકઠું કર્યું છે"

ઉદાહરણ તરીકે, સામાજિક એજન્ટે 50 ટ્વીટ્સ પોસ્ટ કરી છે અને ક્રિયાપ્રતિક્રિયા દર વિશે 10 પાઠ શીખ્યા છે, તો તે આગલી વખતે વાતચીત કરતી વખતે સ્વાભાવિક રીતે કહેશે "છેલ્લી વખત તે ફોર્મેટ સારું કામ કરતું ન હતું".

શા માટે નિયમોનો ઉપયોગ કરવો અને LLM ને વ્યક્તિત્વમાં ફેરફાર જાતે નક્કી કરવા દેવો નહીં?

શૂન્ય ખર્ચ - કોઈ વધારાના LLM કૉલ્સની જરૂર નથી. નિશ્ચિતતા - નિયમો અનુમાનિત પરિણામો ઉત્પન્ન કરે છે, "વ્યક્તિત્વ પરિવર્તન" નહીં. ડિબગ કરી શકાય તેવું - સુધારક ખોટો છે? સીધા થ્રેશોલ્ડ અને મેમરી ડેટા તપાસો.

સંબંધ મેટ્રિક્સ: 6 એજન્ટ = 15 જોડીઓ

દરેક એજન્ટ જોડી વચ્ચે આત્મીયતા સ્કોર (0.10 થી 0.95) હોય છે.

ઉદાહરણ તરીકે: નિર્ણય એજન્ટ અને સંશોધન એજન્ટની આત્મીયતા 0.8 છે, જે સૌથી વિશ્વસનીય સલાહકાર સંબંધ છે. સંશોધન એજન્ટ અને સામાજિક એજન્ટની આત્મીયતા 0.2 છે, પદ્ધતિસરણી વિરુદ્ધ આવેગ, કુદરતી વિરોધ.

ઓછી આત્મીયતા ઇરાદાપૂર્વક ડિઝાઇન કરવામાં આવી છે.

આત્મીયતા શું અસર કરે છે? બોલવાનો ક્રમ - ઉચ્ચ આત્મીયતા ધરાવતા લોકો એકબીજા પછી બોલવાની શક્યતા વધારે છે. વાતચીતનો સ્વર - ઓછી આત્મીયતા ધરાવતી જોડીઓ, નમ્ર ચર્ચાને બદલે સીધો પડકાર આપવાની 25% સંભાવના. સિસ્ટમ પૂર્વવ્યાખ્યાયિત ઉચ્ચ તણાવવાળી જોડીઓમાંથી સંઘર્ષ નિરાકરણ સંવાદો પસંદ કરશે.

વધુ રસપ્રદ વાત એ છે કે, સંબંધો બદલાશે.

દરેક વાતચીત પછી, મેમરી નિષ્કર્ષણ LLM કૉલ (વધારાનો કૉલ નથી, આકસ્મિક આઉટપુટ છે) સંબંધમાં ફેરફાર આપશે:

`{ \**એકીકૃત પ્રવેશ કાર્ય** આ પેટર્ન યાદ રાખવા જેવી છે. મલ્ટી-એજન્ટ સિસ્ટમમાં, વિવિધ સ્ત્રોતો કાર્યો બનાવી શકે છે (API, ટ્રિગર્સ, એજન્ટ પોતે જ પ્રસ્તાવ મૂકે છે, પ્રતિક્રિયા સાંકળ), જો ત્યાં એકીકૃત પ્રોસેસિંગ પાઇપલાઇન ન હોય, તો પ્રક્રિયા અડધેથી તૂટી જવાની શક્યતા છે. જો તમે જાતે જ પ્રયાસ કરવા માંગતા હો, તો લેખક સૂચવે છે કે 3 એજન્ટથી શરૂઆત કરવી પૂરતી છે - એક સંયોજક, એક અમલ કરનાર અને એક ઓડિટર. પહેલા રોલ કાર્ડ લખો, પ્રતિબંધોથી શરૂઆત કરો.