تقسیم کار بین چند ایجنت با هوش مصنوعی
برای چند ایراد مستقل، به هر ایجنت یک کار مشخص بدید و پیش از کنار هم گذاشتن تغییرها، نتیجهها رو با هم در همون پروژه بررسی کنید.
تقسیم کار بین چند ایجنت با هوش مصنوعی وقتی جواب میده که هر کدوم بتونه بدون منتظر موندن برای نتیجه بقیه پیش بره. مثلا بعد از یک تغییر بزرگ، خروجی چاپ فاکتور به هم ریخته و فهرست پوشهها هم به ترتیب اشتباه نمایش داده میشه. اگه این دو از مسیرهای جدا میان، میتونید بررسیشون رو همزمان شروع کنید. اسکیل dispatching-parallel-agents کمک میکنه قبل از سپردن کار، ببینید این استقلال واقعا وجود داره یا فقط از روی اسم فایلها اینطور به نظر میرسه.
برای هر ایجنت بنویسید چه چیزی خراب شده، چه رفتاری انتظار داشتید و چه چیزی اجازه داره تغییر بده. لازم نیست کسی که مشکل چاپ رو بررسی میکنه به همه گفتگوهای تیم یا تنظیمات پروژه دسترسی داشته باشه. اگه وسط بررسی معلوم شد هر دو ایراد به یک تابع مشترک برمیگردن، بهتره ادامه کار روی اون تابع دست یک نفر باشه تا آخر کار با دو اصلاح متفاوت روبهرو نشید.
کاربردها
- قبل از اجرای موازی مشخص کنید کدوم کار به نتیجه کار دیگه نیاز داره و باید منتظر بمونه.
- محدوده کار هر ایجنت رو با اسم فایل یا رفتار مشخص بنویسید تا معلوم باشه چه چیزی رو باید تحویل بده.
- برای جلوگیری از تداخل تغییرات، بخشی رو که چند نفر ممکنه ویرایش کنن از اول مشخص کنید.
- از هر ایجنت علت مشکل، خلاصه اصلاح و نتیجه تست مربوط به خودش رو بخواید.
- بعد از کنار هم گذاشتن تغییرها، مسیرهای مرتبط رو دوباره امتحان کنید تا معلوم بشه اصلاحها با هم هم کار میکنن.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید. محیط شما باید بتونه چند ایجنت رو همزمان اجرا کنه و ابزار تست پروژه هم در دسترس باشه.
- بگید «این دو خرابی رو از نظر وابستگی بررسی کن. اگه مستقلن، برای هرکدوم شرح کار جدا بده و فایل مشترک رو از ویرایش همزمان کنار بذار.»
- خلاصه کارها رو بخونید، تغییرهای همپوشان رو بررسی کنید و بعد تستهای پروژه رو یک بار با همه اصلاحها اجرا کنید.
سوالات متداول
منبع
ساخته Jesse Vincent (obra). نام اصلی: dispatching-parallel-agents، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub