हाल ही में एक AI क्षमता विस्तार में, मैंने एक कंट्रोल प्लेन नोड को शुरुआती कटओवर लहर में शेड्यूल किया क्योंकि उसका जो 2 सप्ताह का ट्रैफ़िक स्नैपशॉट मेरे पास था वह प्रभावी रूप से अलग-थलग लग रहा था। वह था नहीं। वह एक मासिक क्षमता मिलान कार्य था। 21 तारीख को वह जाग उठा, आधा मिलान अब एक डेटा सेंटर सीमा को पार कर रहा था, और पाइपलाइन विलंबता लगभग 10 मिनट से बढ़कर लगभग 60 हो गई।

ग्राफ़ गलत नहीं था। मेरी अवलोकन विंडो गलत थी। हमने एक ऐसे कार्य के लिए 2 सप्ताह की कैप्चर विंडो को सत्य का स्रोत बना लिया था जो महीने में केवल एक बार चलता था। जिस विफलता मोड की मुझे परवाह है वह एक रीज़निंग मॉडल है जो उसे दिखाए गए साक्ष्य पर सही लगता है, और जो साक्ष्य उसे नहीं दिखाया गया उस पर चुपचाप गलत होता है। एक ही मॉडल को यह सारा साक्ष्य सौंपने पर वह इसके बीच के विरोधाभासों को चिकना कर देगा और एक आत्मविश्वासी उत्तर देगा। विशेषज्ञ एजेंट्स की एक छोटी टीम, जिसमें एक समन्वयक विरोधाभासों को औसत करने के बजाय उनका नाम लेता है, ऐसा नहीं करती।

इस पैमाने पर काम एक प्रश्न नहीं है। यह दर्जनों प्रश्न हैं जो एक-दूसरे के साथ बहुत कम संदर्भ साझा करते हैं। एक मजबूत एकल रीज़निंग मॉडल 2 तरीकों से विफल हुआ: उसने विरोधाभासों को औसत कर दिया या कार्यों को गिरा दिया। सबएजेंट पैटर्न जो Codex और Claude Code दोनों भेजते हैं, दूसरी विफलता को सीधे हल करता है, क्योंकि प्रत्येक विशेषज्ञ केवल अपने ही प्रश्न का साक्ष्य देखता है। प्रत्येक विशेषज्ञ एक टाइप्ड निष्कर्ष लौटाता है, एक अनुच्छेद नहीं। दावा, साक्ष्य, विश्वास, ताज़गी, और 3 में से एक निर्णय: ok, warn, या hold।

मुख्य इकाइयाँ: कंपनियाँ: Towards Data Science