HeadlinesBriefing favicon HeadlinesBriefing.com

২০২৬-এ এজেন্ট স্কিল ভাষা বিতরণ বিশ্লেষণ

Hacker News •
×

২০২৬-এর প্রথম ত্রিমাসে, নতুনভাবে লেখা এজেন্ট স্কিলের ১৩.০% ইংরেজি ছাড়া, একটি ত্রিমাস পরে ১৬.৩% এ বাড়ে — তিন মাসে তিন পয়েন্টের বৃদ্ধি, ২৫৫,০৬৮ স্কিলের জন্য। তুলনামূলকে, GitHub-ব্যাপ্ত non-English ডকুমেন্টেশন দশ বছর ধরে ৩.৭% থেকে ১৩.০% এ বাড়ে, যা দেখায় যে AI উন্নয়ন সান ফ্রান্সিস্কো মতো প্যারাম্পারিক কেন্দ্র থেকে বাইরে ত্বরিতভাবে অগ্রসর হচ্ছে। উল্লেখ্য, ইংরেজি আমেরিকান ডেভেলপারদের প্রতিনিধি নয়; GitHub-এর সবচেয়ে দ্রুত বৃদ্ধি পाने वाली জনসংখ্যা ভারত, যা নাইজেরিয়া ও সিঙ্গাপুরের মতো ইংরেজিতে লিখে।

একটি স্কিল হলো Anthropic-এর অক্টোবর ২০২৫ স্পেসিফিকেশনের অনুযায়ী একটি SKILL.md ফাইল, jossa একটি AI এজেন্টের জন্য সরল prose-এ নির্দেশ দেওয়া থাকে। নয় মাস পরে, ৩.৮ মিলিয়ন স্কিল Git Skills ডেটাসেটের ২৮২,২০০ পাবলিক রিপোজিটরিতে বিদ্যমান ছিল। স্কিলগুলো பாரম্পারিক সফটওয়ার থেকে ভিন্ন: এগুলো মানব ভাষায় লেখা হয় এবং বহুভাষী মডেল দ্বারা চালানো হয়, এদের জন্য ইংরেজির কোনো প্রযুক্তিগত প্রয়োজন নেই।

১,৮৭০,২৯৯ ভিন্ন স্কিলের বিশ্লেষণ দেখায় যে ৮৫.৩% ইংরেজি, ৬.২% চীনা (যেখানে সরলীকৃত চীনা ১০৪,৯৮৫ এগিয়ে, প্যারাম্পারিক চীনা ৯,১১২), ১.৭% জাপানি, ১.৬% জার্মান, ১.২% কোরিয়ান, ১.১% পορ্তুগিজ, ০.৯% স্প্যানিশ এবং ০.৪% ফ্রেঞ্চ। non-English স্কিলের হার ১৪.৩%, যা GitHub ডকুমেন্টেশনের ১৩.০%-এর সাথে تقریباً সমান, কিন্তু চীনা প্রতিনিধিত্ব উল্লেখযোগ্যভাবে বেশি ৬.২% বনাম ৩.৩%। প্রকাশিত সংখ্যা ব্যাপকভাবে পরিবর্তিত হয় (৬৫.০%–৯৯.৭% ইংরেজি) karena বিভিন্ন জনসংখ্যার কারণে:キュレেটেড মার্কেটপ্লেস, ডোমেইন স্লাইস, এবং ইংরেজি-সিডেড ক্রল।

মुख্য entidades: কোম্পানিগুলো: GitHub, Anthropic, Plicara Labs, Claw Hub, skills.sh | অবস্থান: সান ফ্রান্সিস্কো, ভারত, নাইজেরিয়া, সিঙ্গাপুর, শenzhen, সাও পাউলো

সामान्य প্রশ্ন: কেন প্রকাশিত সংখ্যা এজেন্ট স্কিল ভাষা বিতরণে এই토록 বেশি পরিবর্তন দেখায়?

প্রকাশিত সংখ্যা পরিবর্তিত হয় কারণ তারা ভিন্ন জনসংখ্যা মäter:キュレেটেড মার্কেটপ্লেস ইংরেজিকে পছন্দ করে, ডোমেইন-বিশেষ স্লাইস স্থানীয় কার্যকলাপের সনtrice을 দেখায়, এবং ইংরেজি-সিডেড ক্রল স্বাভাবিকভাবে ইংরেজি বিষয়বস্তু খুঁজে পায়। অধ্যয়নগুলো ৫৫৭ স্বাস্থ্য স্কিল থেকে ১.৮৭ মিলিয়ন ভিন্ন স্কিল পর্যন্ত ডেটাসেট বিশ্লেষণ করেছে, এবং ভিন্ন ভাষা শনাক্তকরণ সরঞ্জাম (py3langid, fast-langdetect) এবং বিশ্বাসের সীমা ব্যবহার করেছে।