একটি এজেন্ট, তার সহজতম আকারে, একটি লুপিং এলএলএম রিডার। এই লুপ ছোট কাজের জন্য কাজ করে। এটিকে একটি টাস্ক দিন যা এক ঘন্টা এবং 200 টুল কলের জন্য চলে এবং এটি 2টি অনুমানযোগ্য উপায়ে বিরতি দেয়। স্বায়ত্তশাসিত ক্লাউড কোডিং এজেন্টদের জন্য AWS নমুনা ডিজাইন গাইড তাদের সহজবোধ্য নাম দেয়: অগভীর এজেন্টরা প্রেক্ষাপটের বন্যায় ভোগে, বিভ্রান্ত হয় (উদ্দেশ্যের ক্ষতি), এবং দীর্ঘ সময় ধরে অবস্থা বজায় রাখে না। যে স্তরটি এটি ঠিক করে সেটি মডেল নয়। এটি হল জোতা, যা AWS মডেল ছাড়া সবকিছু পরিচালনা করে বলে বর্ণনা করে।
এই নিবন্ধটি এই স্তরটি খোলে। কম্প্রেশন, মেমরি কৌশল, প্রসঙ্গ বাজেটিং এবং টোডো-স্টেট হল এমন মেকানিজম যা একটি অগভীর লুপকে গভীর এজেন্টে পরিণত করে। আমরা দেখি কিভাবে ল্যাংচেইন ডিপ এজেন্ট, ক্লড কোড, মানুস, ওপেনএআই কোডেক্স, এবং অ্যামাজন বেডরক এজেন্টকোর প্রতিটিকে বাস্তবায়িত করে, তাদের পাঠানো প্রকৃত থ্রেশহোল্ড সহ।
কেন একটি বড় উইন্ডো এটি ঠিক করে না?
সুস্পষ্ট সমাধান হল একটি বড় প্রসঙ্গ উইন্ডো। প্রমাণ বলে যে এটি প্রত্যাশার চেয়ে কম সাহায্য করে। Chroma এর কনটেক্সট রট রিপোর্ট GPT-4.1, Claude 4, Gemini 2.5, এবং Qwen3 সহ 18 টি LLM মূল্যায়ন করেছে এবং দেখা গেছে যে ইনপুট দৈর্ঘ্য বৃদ্ধির সাথে সাথে কার্যকারিতা ক্রমবর্ধমানভাবে অবিশ্বস্ত হয়ে ওঠে, এমনকি সাধারণ পুনরুদ্ধারের কাজগুলিতেও। অ্যানথ্রপিকের প্রসঙ্গ প্রকৌশল নির্দেশিকা প্রক্রিয়াটি ব্যাখ্যা করে: মনোযোগ n টোকেনের জন্য n² জোড়া সম্পর্ক তৈরি করে, তাই প্রতিটি যোগ করা টোকেন একটি সীমাবদ্ধ “মনোযোগ বাজেট” হ্রাস করে। প্রসঙ্গটি হ’ল হ্রাসকারী রিটার্ন সহ একটি সংস্থান, একটি বালতি নয়।
একটি এজেন্ট লুপের জন্য, এটি শোনার চেয়ে খারাপ। Manus রিপোর্ট করে যে একটি সাধারণ কাজের জন্য টুলটিতে প্রায় 50টি কলের প্রয়োজন হয় এবং I/O টোকেন অনুপাত 100:1 এ পৌঁছায়। প্রতিটি পর্যবেক্ষণ প্রেক্ষাপটে অবতরণ করে এবং সেখানেই থাকে। মূল নির্দেশটি জানালার মাঝখানের দিকে স্লাইড করে, ঠিক যেখানে রিকলের অবনতি ঘটে। লক্ষ্য হারানো শুধুমাত্র একটি মডেল বাগ নয়. এটি একটি দীর্ঘ পর্যাপ্ত টাস্কে একটি অব্যবস্থাপিত সংযোগের প্রত্যাশিত ফলাফল।
প্রক্রিয়া 1: বাজেট এবং প্রেক্ষাপটে ডাউনলোড করা
একটি জোতা এর প্রথম কাজ হল ঠিক করা যে উইন্ডোতে কি মাপসই করা হয় না। ডিপ এজেন্ট হার্ড সংখ্যা সহ 2 আনলোডিং নিয়ম পাঠায়। যখন একটি টুল প্রতিক্রিয়া 20,000 টোকেন অতিক্রম করে, তখন এটি ফাইল সিস্টেমে লেখা হয় এবং একটি ফাইল পাথ এবং প্রথম 10 লাইনের পূর্বরূপ দিয়ে প্রতিস্থাপিত হয়। যখন সেশন প্রসঙ্গ মডেল উইন্ডোর 85% অতিক্রম করে, তখন পুরানো লেখক এবং সম্পাদক কল, যার সম্পূর্ণ ফাইলের বিষয়বস্তু ইতিমধ্যেই ডিস্কে বিদ্যমান, পয়েন্টারে কাটা হয়। রুম থেকে স্রাব শেষ হলেই, জোতা সারাংশে ফিরে আসে।
কোড ক্লড প্রথম নির্দেশের আগে যা লোড করা হয় তার জন্য একই বাজেট প্রয়োগ করে। স্বয়ংক্রিয় মেমরি প্রথম 200 লাইন বা 25KB পর্যন্ত সীমাবদ্ধ। MCP টুল স্কিমাগুলি ডিফল্টরূপে প্রত্যাখ্যান করা থাকে, শুধুমাত্র টুলের নাম তালিকাভুক্ত করা হয় এবং একটি টুল অনুসন্ধান ব্যবহার করে চাহিদা অনুযায়ী সম্পূর্ণ স্কিমা লোড করা হয়। কম্প্রেশনের পরে, 5,000 টোকেনের বেশি পড়া যেকোন ফাইল সামগ্রীর পরিবর্তে পাথ রেফারেন্স হিসাবে ফেরত দেওয়া হয়। ক্লাউড কোড ডক্সে প্রসঙ্গ উইন্ডোর সিমুলেশন পে-অফ কংক্রিট তৈরি করে: একটি গবেষণা সাবএজেন্ট 6,100টি ফাইল টোকেন পড়ে এবং 420টি টোকেন পিতামাতার কাছে ফেরত দেয়।
স্থাপত্য স্তরে এই সাবপ্যাটার্ন বাজেট। অ্যানথ্রপিকের গাইড নোট করে যে প্রতিটি সাব-এজেন্ট একটি তদন্তে হাজার হাজার টোকেন পোড়াতে পারে, কিন্তু একটি পাতিত সারাংশ ফেরত দেয়, প্রায়ই 1,000 থেকে 2,000 টোকেন। AWS AgentCore ওয়াকথ্রু ঠিক তেমনই তৈরি করে: একটি অ্যাডাপ্টার সমান্তরালভাবে 3টি ব্রাউজার সাবএজেন্ট তৈরি করে, প্রতিটি তার নিজস্ব MicroVM-এ, এবং একজন বিশ্লেষক সাবএজেন্ট শুধুমাত্র তাদের অন্তর্নির্মিত ফলাফলগুলি গ্রহণ করে। AWS 4 থেকে 6 মিনিটের একটি প্রত্যাশিত রানটাইম রিপোর্ট করে এবং নোট করে যে অনুক্রমিক প্রক্রিয়াকরণে 3 গুণ বেশি সময় লাগবে।
মেকানিজম 2: কম্প্রেশন
যখন স্রাব যথেষ্ট হয় না, জোতা বন্ধ হয়। কম্প্রেশন হল একটি কথোপকথন উইন্ডোর সীমার কাছাকাছি আসার, এটির সংক্ষিপ্তকরণ এবং সারাংশের সাথে একটি নতুন প্রসঙ্গ পুনরায় চালু করার অনুশীলন। এখানেও লক্ষ্য হারানো প্রায়শই ঘটে, কারণ হারানো স্ট্রীক একমাত্র সীমাবদ্ধতাকে ফেলে দিতে পারে যা গুরুত্বপূর্ণ।
তারা যা পূরণ করার প্রতিশ্রুতি দেয় তার বাস্তবায়নে ভিন্নতা রয়েছে। ক্লাউড কোডের কম্প্রেশন নির্দেশিকা অপ্রয়োজনীয় টুল আউটপুট বাতিল করার সময় স্থাপত্য সংক্রান্ত সিদ্ধান্ত, অমীমাংসিত বাগ এবং বাস্তবায়নের বিবরণ সংরক্ষণ করে। কম্প্রেশনের পরপরই এটি সাম্প্রতিকতম পরিবর্তিত ফাইলগুলির মধ্যে 5টি পর্যন্ত পুনরায় পাঠ করে, সেই ফাইলগুলির সাথে মিলে যাওয়া নিয়মগুলিকে পুনরায় লোড করে এবং সক্রিয় দক্ষতা সংস্থাগুলিকে পুনরায় ইনজেকশন করে, প্রতি দক্ষতার জন্য 5,000 টোকেন এবং মোট 25,000টি সীমাবদ্ধ৷ দস্তাবেজগুলি স্পষ্ট করে যে কথোপকথনের শুরু থেকে বিশদ নির্দেশাবলী হারিয়ে যেতে পারে, এই কারণেই স্থায়ী নিয়মগুলি প্রকল্প-রুট CLAUDE.md এর অন্তর্গত, যা ডিস্ক থেকে পুনরায় ইনজেকশন করা হয়৷ ব্যবহারকারীরা কার্ডটি দিয়ে নেভিগেট করতে পারেন /compact focus on the auth bug fix অথবা এর সাথে ট্রিগার পয়েন্ট সরান /autocompact.
গভীর এজেন্টরা লক্ষ্য সংরক্ষণকে একটি কাঠামোগত বৈশিষ্ট্য তৈরি করেছে। এর সারাংশ হল একটি কাঠামোগত নথি যার সাথে মিলিত হওয়ার অভিপ্রায়, তৈরি করা বস্তু এবং পরবর্তী পদক্ষেপের জন্য উৎসর্গ করা হয়েছে। LangChain টিম এই ক্ষেত্রগুলি যোগ করার পরে জোর করে সমষ্টি পরীক্ষাগুলি দেখায় যে পরিবর্তনটি কর্মক্ষমতা উন্নত করেছে। সম্পূর্ণ মূল প্রতিলিপিটি ফাইল সিস্টেমে লেখা হয়েছে, তাই আমার দ্বারা উপসংহারে একটি সত্য পুনরুত্পাদন করা যেতে পারে read_file পরে
কম্প্রেশনও এপিআই লেয়ারে চলে গেছে। OpenAI এর প্রতিক্রিয়া API সার্ভার-সাইড কম্প্রেশন ব্যবহার করে অফার করে context_management সঙ্গে a compact_thresholdপ্লাস স্বাধীন /responses/compact একটি শেষ পয়েন্ট যা একটি অস্বচ্ছ এনক্রিপ্ট করা কম্প্রেশন আইটেম ধারণকারী একটি সংকুচিত প্রসঙ্গ উইন্ডো প্রদান করে; OpenAI ডেভেলপারদের পরবর্তী কলে অপরিবর্তিত রিটার্ন উইন্ডোটি পাস করার নির্দেশ দেয়। ওপেনএআই বলেছে যে কোডেক্স দীর্ঘমেয়াদী কোডিং কাজগুলিকে টিকিয়ে রাখার জন্য এই পদ্ধতির উপর নির্ভর করে। Claude এর বিকাশকারী প্ল্যাটফর্ম একটি প্রকাশ করে compact_20260112 ব্যক্তিগত নির্দেশাবলী সহ যোগাযোগ ব্যবস্থাপনার সম্পাদনা এবং ক pause_after_compaction মডেলটি চালিয়ে যাওয়ার আগে সামগ্রী যোগ করার বিকল্প। আপনি যখন সেখানে কাস্টম নির্দেশাবলী লেখেন, তখন তারা সম্পূর্ণরূপে ডিফল্ট নির্দেশিকাকে ওভাররাইড করে, তাই কম্প্রেশন নির্দেশিকা একটি সত্যিকারের প্রকৌশল শিল্পকর্ম, সংজ্ঞা নয়।
মেকানিজম 3: টোডো-মোড এবং আবৃত্তি
সংক্ষেপণ সারাংশের মুহূর্তে লক্ষ্য রক্ষা করে। টোডো-স্টেট তার মাঝখানে প্রতিটি মোড়কে রক্ষা করে। মানুস কৌশলটি স্পষ্টভাবে বর্ণনা করেছেন: তার এজেন্ট একটি তৈরি করে todo.md এবং এটিকে ধাপে ধাপে পুনঃলিখন করে, আইটেম চিহ্নিত করে। তালিকাটি পুনঃলিখন প্রসঙ্গটির শেষ পর্যন্ত লক্ষ্যগুলিকে আবৃত্তি করে, বৈশ্বিক পরিকল্পনাটিকে মডেলের শেষ মনোযোগের ব্যবধানে ঠেলে দেয় এবং “মাঝখানে হারিয়ে যাওয়া” ড্রিফটকে হ্রাস করে৷ আর্কিটেকচার পরিবর্তন করার দরকার নেই। এটি একটি প্রাকৃতিক ভাষা যা মডেলের মনোযোগকে নির্দেশ করতে ব্যবহৃত হয়।
টোডো রাজ্যের প্রমাণ একতরফা নয়। গভীর এজেন্ট পাঠান একটি write_todos ল্যাংচেইন তৈরি করার সময় v0.7 জুলাই 2026 পর্যন্ত ডিফল্টরূপে টুল TodoListMiddleware 3টি টাস্ক বিভাগে এর মূল্যায়নের পরে যোগদান করা অক্ষম অপারেশনগুলির সাথে সামান্য ভাল পুরষ্কার এবং কম খরচ দেখায়। ল্যাংচেইন এখনও দীর্ঘ বহু-পদক্ষেপের কাজ, কম সক্ষম মডেল এবং অগ্রগতি দেখায় এমন UIগুলির জন্য এটি পুনরায় চালু করার পরামর্শ দেয়। ক্লাউড কোড একটি করণীয় তালিকা সংরক্ষণ করে এবং সংকোচনের পরে ডিস্ক থেকে প্রোগ্রাম মোডে লেখা প্রোগ্রামটিকে পুনরায় ইনজেক্ট করে। নৃতাত্ত্বিক ম্যানুয়ালটি সাধারণ প্যাটার্নকে অন্তর্নির্মিত নোট গ্রহণকে বলে: এজেন্ট উইন্ডোর বাইরে একটি NOTES.md বা TODO ফাইল লিখে এবং এটি পুনরায় লোড করে৷ পোকেমন ক্লড খেলার তার উদাহরণ হাজার হাজার গেমের পর্যায়ে ডেটা ধরে রাখে, তারপরে সমস্ত প্রসঙ্গ পুনরায় সেট করার পরে এবং কয়েক ঘন্টার ক্রম পুনরায় চালু করার পরে এটির নোটগুলি পড়ুন।
এই সবের পিছনে প্যাটার্ন হল উদ্দেশ্য একটি পরিবর্তনযোগ্য বস্তু হিসাবে বিদ্যমান, শুধুমাত্র ইতিহাসের একটি বার্তা হিসাবে নয়। বার্তা অপ্রচলিত এবং ঘনীভূত হয়. একটি ফাইল যা প্রতি কয়েক রাউন্ডে পুনরায় লেখা হয় তা সর্বদা আপ-টু-ডেট, সর্বদা সংক্ষিপ্ত এবং প্রতিটি রিসেট টিকে থাকে। প্রতি রাউন্ডে এটির টোকেন মূল্যের মূল্য কি তা নির্ভর করে মডেল এবং মিশনের দৈর্ঘ্যের উপর, যা ডিপ এজেন্ট পরীক্ষকরা পরিমাপ করেছেন।
মেকানিজম 4: সেশনের মধ্যে মেমরি কৌশল
শেষ অংশটি মিশন শেষ হওয়ার পরে যা চলতে থাকে। ক্লাউড কোড প্রতিটি কম্প্রেশনের পরে ডিস্ক থেকে CLAUDE.md প্রোজেক্ট রুট এবং অটোমেমরি পুনরায় ইনজেক্ট করে। AgentCore মেমরি ইভেন্টগুলি সঞ্চয় করে এবং পটভূমিতে সংজ্ঞায়িত নিষ্কাশন কৌশলগুলি সম্পাদন করে, যাতে একটি অ্যাডাপ্টার পুনরায় অনুসন্ধানের পরিবর্তে পরবর্তী রানে পুনরুদ্ধার সরঞ্জাম কল করতে পারে। AWS সতর্ক করে যে অন্তত একটি নিষ্কাশন কৌশল সংজ্ঞায়িত না করে, কাঁচা ঘটনা সংরক্ষণ করা হয় কিন্তু পুনরুদ্ধারের জন্য কিছুই বের করা হয় না। অ্যানথ্রপিকের ফাইল-ভিত্তিক মেমরি টুল ক্লাউড প্ল্যাটফর্মে একই উদ্দেশ্যে কাজ করে।
সীমাবদ্ধতা হল ক্রমাগত যোগাযোগ বিনামূল্যে নয়। আমরা ফেব্রুয়ারিতে যে ETH জুরিখ গবেষণাটি পর্যালোচনা করেছি তাতে দেখা গেছে যে AGENTS.md-এর মতো সংগ্রহস্থলের প্রসঙ্গ ফাইলগুলি সাধারণত অনুমান খরচ বাড়ার সময় কাজের সাফল্যের উন্নতি করে না: LLM-উত্পাদিত ফাইলগুলি 2 মেট্রিক্সে 20% এবং 23% এবং বিকাশকারী-প্রতিশ্রুতিবদ্ধ ফাইলগুলি 19% পর্যন্ত বৃদ্ধি করে৷ একটি মেমরি যা প্রতিটি সেশনে পুনরায় লোড করা হয় মনোযোগ বাজেটের উপর একটি ধ্রুবক ট্যাক্স। ক্লাউড কোড ডক্স সংশ্লিষ্ট পরামর্শ দেয়: CLAUDE.md-কে 200 লাইনের নিচে রাখুন এবং প্রয়োজনে শুধুমাত্র লোডেড পাথের সুযোগে দক্ষতা বা নিয়মের রেফারেন্স উপাদান পাস করুন।
ইন্টারেক্টিভ ওয়াকথ্রু: 200K উইন্ডো পূরণ দেখুন
নীচের সিমুলেটরটি একটি 200K টোকেন উইন্ডোর মাধ্যমে একটি 60 ধাপ মাইগ্রেশন টাস্ক চালায়। 4টি মেকানিজম প্রতিস্থাপন করুন, কম্প্রেশন ট্রিগার সেট করুন এবং প্লে টিপুন। যখন সবকিছু বন্ধ থাকে, টাস্ক অর্ধেক শেষ হওয়ার আগেই উইন্ডোটি উপচে পড়ে। অফলোডিং, কম্প্রেশন, টাস্ক রিসিটেশন, এবং সাবএজেন্ট ডেলিগেশনের মাধ্যমে, সেই টাস্কটি টার্গেটের সাথে শেষ হয় যা এখনও সাম্প্রতিক মনোযোগের মধ্যে রয়েছে। টোকেন গণনা দৃষ্টান্তমূলক; থ্রেশহোল্ড ডিপ এজেন্ট ডিফল্টের সাথে মেলে।