Stripe-এর Kai-র ৩০ জুলাইয়ের বিবরণে অভ্যন্তরীণ platform-টি ২০২৬ সালের এপ্রিলে চালু হয়েছিল। এতে প্রতি সপ্তাহে কর্মীদের ৮৩% platform ব্যবহার করেন এবং প্রশাসনিক কাজে ব্যয় হওয়া বছরে ২৫,০০০ ঘণ্টা অন্য কাজে ফেরানোর কথা জানানো হয়েছে।

বড় পরিবর্তন

  • কী বদলেছে: বিশেষজ্ঞরা agent-এর আচরণ দেখভাল করেন, আর agent-গুলো চলে অভিন্ন অবকাঠামোয়।
  • কেন গুরুত্বপূর্ণ: কোনো agent platform বেছে নিলে তার নির্দেশনা ও অনুমোদিত কাজের দায়িত্বও কাউকে দিতে হয়।
  • কী লক্ষ করবেন: অংশগ্রহণের পাশাপাশি সফল task ও সংশোধনের হিসাব রাখুন। সাপ্তাহিক ব্যবহারসংখ্যা থেকে কাজ ঠিক হয়েছে কি না জানা যায় না।

কাজের বিভাজন

Stripe-এর বর্ণনা অনুযায়ী, AgentStudio হলো সেই জায়গা যেখানে domain owner-রা agent, skill ও tool পরিচালনা করেন। অভিন্ন API web, Slack ও embedded interface-এ কাজ করে। Kubernetes-এ চলে Deep Agents harness; সেখানে session sandbox এবং virtual filesystem-ও আছে।

আগের builder-এ ৪,০০০-এর বেশি agent জমেছিল। Kai retrieval ও model-ভিত্তিক বাছাইসহ ১,০০০-এর বেশি skill ও tool-এ সংযোগ দেয়। Stripe task-ভিত্তিক permission-এর কথা বলেছে: দুটি customer context আলাদাভাবে দেখার অনুমতি থাকলেই সেগুলো একসঙ্গে মেলানোর অনুমতি মেলে না।

মূল Deep Agents repository-তে filesystem access, context management ও load করা যায় এমন skill-এর বিবরণ আছে। এর security guidance বলছে, model নিজেকে সংযত রাখবে—এ ভরসা না করে tool ও sandbox-এ নিয়ন্ত্রণ কার্যকর করতে হবে। অর্থাৎ নির্দেশনা আর access control আলাদা কাজ করে: কোনো লিখিত নিষেধাজ্ঞা tool-এ থাকা সক্ষমতা সরিয়ে দেয় না।

প্রমাণে কোন প্রশ্নের উত্তর মেলে

মাপ

যে প্রশ্নের উত্তর মেলে

সাপ্তাহিক অংশগ্রহণ

কর্মীরা কি বারবার ফিরছেন?

task-এর মূল্যায়ন

ফল কি নির্ধারিত শর্ত পূরণ করেছে?

অনুমতি পরীক্ষা

অননুমোদিত কাজ ঠেকানো গিয়েছিল কি?

Stripe-এর আলাদা integration benchmark-এ মূল্যায়নের একটি বাস্তব উদাহরণ আছে: API বা interface পরীক্ষা করা test-সহ এগারোটি coding environment, যার কিছু Stripe-এ তৈরি হওয়া object-ও যাচাই করে। এই test-গুলো integration মূল্যায়ন করে, Kai-কে নয়।

পর্যালোচিত Kai-বিবরণে ফলের গুণমান যাচাইয়ের কোনো protocol বা ঘণ্টা সাশ্রয়ের হিসাব তৈরির পদ্ধতি নেই। trace দেখে skill-এর পরিবর্তন প্রস্তাব করা, তা পরীক্ষা করা এবং owner-এর পর্যালোচনার জন্য রাখা—এই চক্রটি এখনও পরিকল্পনায় আছে।