অ্যান্ড্রয়েড স্কিলসের ভেতরে - বাতিলের জন্য নির্মিত

আমরা এপ্রিলে অফিশিয়াল অ্যান্ড্রয়েড স্কিলস প্রকাশ করেছি, এবং এর প্রতিক্রিয়া আমাদের সমস্ত প্রত্যাশাকে ছাড়িয়ে গেছে। এই ব্লগ পোস্টে, আমি আমাদের পাওয়া কিছু মতামতের উত্তর দেব এবং এই প্রকল্পের পেছনের দর্শন ও পদ্ধতি ব্যাখ্যা করব। আশা করি, স্কিলস ইনস্টল ও ব্যবহার করার সময় নেপথ্যে কী ঘটে, তা বুঝতেও এটি আপনাকে সাহায্য করবে, যার ফলে আপনি টোকেন এবং নিজের সময়ের আরও ভালো ব্যবহার করতে পারবেন।

প্রাতিষ্ঠানিক দক্ষতা এত কম কেন?

বর্তমানে, আমরা শুধুমাত্র তখনই নতুন দক্ষতা বিবেচনা করি যখন অত্যাধুনিক (SOTA) মডেলগুলিতে একটি যাচাইযোগ্য জ্ঞানের ঘাটতি থাকে। সহজ কথায়: মডেলটি যা ইতিমধ্যেই জানে, তা তাকে শেখানোর প্রয়োজন নেই। (যদিও এর কিছু ব্যতিক্রম আছে—আরও পড়ুন!)

আমরা এ পর্যন্ত প্রায় ২০টি অফিশিয়াল স্কিল প্রকাশ করেছি, এবং এগুলো ইচ্ছাকৃতভাবে এমন কিছু অত্যন্ত সুনির্দিষ্ট ও দ্রুত পরিবর্তনশীল ক্ষেত্রকে লক্ষ্য করে তৈরি করা হয়েছে, যেগুলোর ওপর স্ট্যান্ডার্ড মডেলগুলো এখনও পুরোপুরি প্রতিষ্ঠিত নয়—যেমন AGP 9, নেভিগেশন 3, অ্যাডভান্সড ক্যামেরা এপিআই, এবং পারফেটটো এসকিউএল।

মূল, আরও সাধারণ দক্ষতাগুলোর কী হবে? ইনস্টল করা প্রতিটি দক্ষতা আপনার শুরু করা প্রতিটি টাস্কের বেসলাইন কনটেক্সটে ১০০-২০০ টোকেন যুক্ত করে। যদি সেই দক্ষতাটি আসলেই সক্রিয় হয়, তবে এই সংখ্যা দ্রুত হাজারে পৌঁছে যেতে পারে। বেশিরভাগ ক্ষেত্রে, মৌলিক দক্ষতা জমিয়ে রাখা একদিকে যেমন হিতে বিপরীত, তেমনি ব্যয়বহুলও। বেসিক কোটলিন বা কম্পোজ লেখার জন্য কোনো দক্ষতা ইনস্টল করার আগে ভেবে দেখুন, আপনার পছন্দের এলএলএম কোর্সটির সত্যিই এটির প্রয়োজন আছে কিনা, অথবা কোর্সটিতে এই বিষয়গুলো সম্পর্কে ইতোমধ্যেই যথেষ্ট ভালো জ্ঞান আছে কিনা।

মূল্যায়ন দক্ষতা

প্রকাশের আগে, প্রতিটি স্কিলকে একগুচ্ছ ব্যাপক মূল্যায়নের মাধ্যমে পরীক্ষা করা হয়, যা প্রমাণ করে যে স্কিলটি সুস্পষ্ট উপযোগিতা প্রদান করে। স্কিলটি সক্রিয় থাকাকালীন এই মূল্যায়নগুলো পাস করবে এবং অন্যথায় ব্যর্থ হবে। স্কিলের জন্য মূল্যায়ন ঠিক তেমনই, যেমন কোডের জন্য ইন্টিগ্রেশন টেস্ট।

timeout_s: 1200
repository:
  url: [redacted - internal git repo]
  working_dir: wear_compose_m3_empty_app
category_ids:
  - wear
prompt: |-
  Add a horizontal pager to MainActivity.kt. Have three pages in the pager. Each page should contain
  the text "Page 1", "Page 2", and "Page 3" respectively in the center of the screen.
commands:
  build:
    - ./gradlew assembleDebug
acceptance_criteria:
  project_builds: true
  llm_diff_judge:
    - Must use `HorizontalPagerScaffold`.
    - Each page should use `AnimatedPage` to wrap a `ScreenScaffold`.

একটি ওয়্যার অ্যাপে হরাইজন্টাল পেজারের সঠিক বাস্তবায়ন যাচাই করার জন্য একটি উদাহরণমূলক মূল্যায়ন।

ন্যূনতমপক্ষে, আমরা অ্যান্ড্রয়েড স্টুডিওতে সর্বশেষ জেমিনি ফ্ল্যাশ মডেল ব্যবহার করে স্কিলটি পরীক্ষা করি। স্কিলের উপর নির্ভর করে, আমরা জেমিনি প্রো-এর মতো অন্যান্য মডেল, অ্যান্টিগ্র্যাভিটির মতো অন্যান্য এজেন্ট এবং থার্ড-পার্টি সিস্টেমের সাথে এর সামঞ্জস্যতাও নিশ্চিত করি।

সমস্ত মূল্যায়ন নলেজ বেস -এ অ্যাক্সেস নিয়ে চলে, তাই যদি তথ্যটি ডকুমেন্টেশনে থাকে এবং মডেলগুলো সেটি খোঁজার সিদ্ধান্ত নেয়, তাহলে আমরা সেটির জন্য কোনো স্কিল প্রকাশ করি না।

অ্যান্ড্রয়েড নলেজ বেস (অ্যান্ড্রয়েড স্টুডিও বা অ্যান্ড্রয়েড সিএলআই) ব্যবহার করে

আপনি যদি অ্যান্ড্রয়েড অ্যাপ তৈরি করেন, তবে অফিসিয়াল ডকুমেন্টেশন অ্যাক্সেস করার জন্য আপনার সর্বদা অ্যান্ড্রয়েড নলেজ বেস ব্যবহার করা উচিত। আপনি যদি অ্যান্ড্রয়েড স্টুডিওতে এজেন্ট ব্যবহার করেন, তবে এটি একটি টুল হিসেবে আগে থেকেই উপলব্ধ থাকে, কিন্তু আপনি যদি অন্য কোনো এজেন্ট ব্যবহার করেন, তবে অ্যান্ড্রয়েড সিএলআই (Android CLI) ইনস্টল করুন । অন্যান্য সুবিধার মধ্যে, এতে ‘docs’ কমান্ডটি রয়েছে, যা আপনার এজেন্টকে অফিসিয়াল অ্যান্ড্রয়েড ডকুমেন্টেশন অ্যাক্সেস করার সুযোগ দেয়। শত শত স্কিল ইনস্টল করার চেয়ে একটিমাত্র টুল থাকা অনেক বেশি কার্যকর।

যদি আপনার মডেলটি অতিরিক্ত আত্মবিশ্বাসী আচরণ করে এবং আপনি চান যে এটি আরও ঘন ঘন ডকুমেন্টেশন দেখুক, তবে এটিকে উৎসাহিত করার একটি খুব সাধারণ উপায় হলো আপনার AGENTS.md ফাইল বা সমতুল্য ফাইলে "অ্যান্ড্রয়েড এপিআই নিয়ে কাজ করার সময় সর্বদা অফিসিয়াল অ্যান্ড্রয়েড ডকুমেন্টেশন দেখুন" এই লাইনটি যোগ করা। অবশ্যই, আপনি আপনার প্রম্পটগুলিতে এজেন্টকে সরাসরি ডকুমেন্টেশন পরীক্ষা করতে বলেও এটি করতে বাধ্য করতে পারেন।

পুল রিকোয়েস্টগুলো কেন নিষ্ক্রিয় করা হয়েছে?

যেহেতু আমাদের মূল্যায়ন কাঠামোটি এমন একটি অভ্যন্তরীণ পরিকাঠামোর উপর নির্ভরশীল যা ওপেন-সোর্স করা সম্ভব নয়, তাই আমরা নতুন স্কিলের জন্য সরাসরি পুল রিকোয়েস্ট গ্রহণ করতে পারি না—এই পরিকাঠামো ছাড়া, আগত পিআর (PR) পরিবর্তনগুলো পুনঃমূল্যায়ন করার কোনো উপায় আমাদের থাকবে না। তবে, আমরা কমিউনিটির মতামত সক্রিয়ভাবে পর্যবেক্ষণ করি। আপনি যদি কোনো বাগ রিপোর্ট করতে, কোনো অপটিমাইজেশনের পরামর্শ দিতে, বা নতুন কোনো অফিশিয়াল স্কিলের জন্য অনুরোধ করতে চান, তাহলে অনুগ্রহ করে একটি ইস্যু ফাইল করুন!

কখন মূল বা মৌলিক দক্ষতাগুলো কাজে লাগে?

যদিও SOTA মডেলগুলির জন্য সাধারণত মৌলিক দক্ষতার প্রয়োজন হয় না, তবে এমন কিছু পরিস্থিতি রয়েছে যেখানে মূল বা সম্প্রদায়-নির্মিত দক্ষতা সক্ষম করা প্রকৃত মূল্য যোগ করে। উদাহরণস্বরূপ:

• আপনি অস্পষ্ট নির্দেশ ব্যবহার করছেন : স্কিল আপনার উদ্দেশ্যকে আরও স্পষ্ট করে তোলে। আপনি যদি "এই স্ক্রিনে অ্যানিমেশন যোগ করুন"-এর মতো একটি শিথিল নির্দেশ দেন, তাহলে একটি নির্দিষ্ট Compose অ্যানিমেশন স্কিল মডেলটিকে অনুপ্রাণিত করতে পারে, যা এটিকে আধুনিক API বা স্ক্রিনশট টেস্টিং প্যাটার্নের দিকে চালিত করে, যা এটি অন্যথায় হয়তো বিবেচনা করত না।
• আপনি ছোট ও সস্তা মডেল ব্যবহার করতে চাইবেন : ফ্রন্টিয়ার এলএলএমগুলো ব্যয়বহুল। আপনি যদি জেমা ৪-এর মতো ছোট ওপেন-ওয়েট মডেলে রুটিন কাজগুলো অফলোড করেন, তবে বেসিক স্কিলগুলো এনাবল করলে সেই জ্ঞানের ঘাটতিগুলো পূরণ হয় যা ছোট প্যারামিটারগুলোতে থাকে না।
• আপনি লিগ্যাসি কোড রিফ্যাক্টরিং বা পর্যালোচনা করছেন: মডেলগুলো কার্যকরী কোড তৈরিতে পারদর্শী, কিন্তু পুরোনো কোডবেস সম্পাদনা করার সময়, তারা প্রায়শই আধুনিক নির্ভুলতার সাথে কোড নতুন করে লেখার চেয়ে পারিপার্শ্বিক লিগ্যাসি প্যাটার্নের সাথে সামঞ্জস্য বজায় রাখাকে বেশি অগ্রাধিকার দেয়। কোর স্কিলস-এ সজ্জিত একটি বিশেষায়িত রিভিউয়ার এজেন্ট এই অভ্যাসটি ভাঙতে সাহায্য করতে পারে।
• আপনি প্রচলিত ধারা থেকে বিচ্যুত হন : এলএলএম-রা অ্যান্ড্রয়েড অ্যাপ আর্কিটেকচারের জন্য প্রচলিত "গুগল পদ্ধতি" পছন্দ করেন। যদি আপনার দল একটি অত্যন্ত কাস্টমাইজড ভিউ-লেয়ার আর্কিটেকচার ব্যবহার করে, তবে মডেলটির সাথে সামঞ্জস্য বজায় রাখা কঠিন হবে। আপনার আর্কিটেকচারকে স্পষ্টভাবে বর্ণনা করে এমন একটি কাস্টম স্কিল এক্ষেত্রে অনেক সহায়ক হয়।

আমি মূল দক্ষতাগুলো কোথায় খুঁজে পেতে পারি?

অ্যান্ড্রয়েড কমিউনিটি আপনার পাশে আছে। ক্রিস বেইনসের কাছে কম্পোজ এবং কোটলিনের জন্য স্কিলের একটি বিস্তৃত সংগ্রহ রয়েছে, ইভান মরগিলো কম্পোজ প্রোজেক্ট অডিট করার জন্য একটি স্কিল প্রকাশ করেছেন, এবং জায়েউং ইউম টেস্টিং ও পারফরম্যান্সের উপর দুটি স্কিল তৈরি করেছেন।

সবসময় নির্ভরযোগ্য উৎস থেকে স্কিল ডাউনলোড করুন! আমি ব্যক্তিগতভাবে এমন রিপোজিটরি বিশ্বাস করি না যেখানে কয়েক ডজন বা শত শত অ্যান্ড্রয়েড স্কিল থাকে, কারণ সেগুলো সম্ভবত এআই-দ্বারা তৈরি এবং অপরীক্ষিত, এবং সেগুলোতে ক্ষতিকারক বা পক্ষপাতদুষ্ট নির্দেশনাও থাকতে পারে। এছাড়াও, সাধারণ সফটওয়্যার ইঞ্জিনিয়ারিং স্কিলগুলো না বুঝেই ইনস্টল করবেন না; সেগুলোর বেশিরভাগই ওয়েব ডেভেলপমেন্টের জন্য বিশেষভাবে তৈরি করা হয়।

লক্ষ্য: অবমূল্যায়ন

কার্পাথির কথাকে কিছুটা ঘুরিয়ে বললে: আজকের দক্ষতাগুলোই আগামীকালের মডেলগুলোতে থাকবে । যেহেতু অত্যাধুনিক মডেলগুলো ক্রমাগত উন্নত হতে থাকবে, আমরা আশা করি কিছু দক্ষতা অপ্রচলিত হয়ে পড়বে, বিশেষ করে যেগুলো নতুন এপিআই (API)-কে কেন্দ্র করে তৈরি। কখন সেগুলোকে বাদ দিতে হবে তা বোঝার জন্য, নতুন মডেল আসার সাথে সাথে আমরা আমাদের মূল্যায়ন (eval) চালাই। যদি সেগুলো উত্তীর্ণ হয়, তবে বেশিরভাগ ব্যবহারকারী স্থানান্তরিত না হওয়া পর্যন্ত আমরা সেগুলোকে কয়েক মাসের জন্য রেখে দিই।