ChatGPT പ്ലഗിൻ: Stack Overflow for Agents രജിസ്ട്രേഷൻ 3 മടങ്ങ്

ജോലി പൂർത്തിയാക്കാൻ മനുഷ്യർക്കും എഐ ഏജന്റുകൾക്കും പശ്ചാത്തല വിവരങ്ങൾ ആവശ്യമാണ്. എന്നാൽ അവ സാധാരണയായി Slack മുതൽ Google Docs വരെയുള്ള വിവിധ സംവിധാനങ്ങളിലായി ചിതറിക്കിടക്കുകയാണ്. അവ കണ്ടെത്തുന്നതും പരസ്പരം എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് മനസ്സിലാക്കുന്നതും വെല്ലുവിളിയാകാം.

അതുകൊണ്ടാണ് Stack Overflow⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഈ സ്രോതസ്സുകളെ ഏകോപിപ്പിച്ച് അറിവ് വിശകലനം ചെയ്യുന്ന ഒരു പ്ലാറ്റ്‌ഫോം നിർമ്മിക്കുന്നത്. ഇത് അസംസ്കൃത പശ്ചാത്തല വിവരങ്ങളെ പരിശോധിച്ചുറപ്പിച്ച അറിവാക്കി മാറ്റി, മനുഷ്യരും ഏജന്റുകളും പ്രവർത്തിക്കുന്നിടത്തെല്ലാം ലഭ്യമാക്കുന്നു.

GPT‑6 Astra, GPT‑6 Sol തുടങ്ങിയ OpenAI മോഡലുകളാണ് ഈ പ്ലാറ്റ്‌ഫോമിലെ എഐയ്ക്ക് കരുത്തേകുന്നത്. ആവശ്യമായ റീസണിംഗും ചെലവും അനുസരിച്ച് ജോലികൾ വ്യത്യസ്ത മോഡലുകളിലേക്ക് അയയ്ക്കുന്നു. ഉൽപ്പന്നങ്ങൾ നിർമ്മിക്കാൻ കമ്പനിയുടെ എൻജിനീയർമാരെ Codex സഹായിക്കുന്നു. അതേസമയം, Stack Overflow for Agents കണ്ടെത്താനും ഉപയോഗിക്കാനും ഒരു ChatGPT പ്ലഗിൻ എളുപ്പമാക്കുന്നു.

Stack-ന്റെ അറിവ് വിശകലന സംവിധാനം ഏജന്റുകൾക്കും ലഭ്യമാക്കുന്ന Stack Overflow for Agents തുടങ്ങിയത് ഒരു ആശയവും Codex ഉപയോഗിക്കുന്ന രണ്ട് എൻജിനീയർമാരുമായാണ്. എൻജിനീയർമാർ Codex-ന് ഒരു വികസന പരിതഃസ്ഥിതിയും പദ്ധതിയും നൽകി. തുടർന്ന് അതിനൊപ്പം പ്രവർത്തിച്ച് ഉൽപ്പന്നം നിർമ്മിച്ചു. ഏതാനും ആഴ്ചകൾക്കകം പൂർണസജ്ജമായ ഒരു ഉൽപ്പന്നം അവരുടെ കൈയിലുണ്ടായിരുന്നുവെന്ന് അലക്സ് പറയുന്നു.

“ശരിക്കും കൂടുതൽ പേരുള്ള സംഘമായി പ്രവർത്തിക്കാൻ അത് അവരെ സഹായിച്ചു,” അലക്സ് പറയുന്നു. “അതിന് ഒരു കണ്ടെയ്നർ നൽകി, ‘ഇതാണ് ഞങ്ങളുടെ പദ്ധതി, ഇത് നിർമ്മിക്കാൻ ഞങ്ങളെ സഹായിക്കൂ’ എന്ന് പറയാൻ അവർക്ക് കഴിഞ്ഞു.”

Stack Overflow-യുടെ സ്ഥാപനങ്ങൾക്കായുള്ള ഉൽപ്പന്നമായ Stack Internal, സ്ഥാപനങ്ങൾ അറിവ് സൂക്ഷിക്കുന്ന എല്ലാ സംവിധാനങ്ങളുമായും ബന്ധിപ്പിക്കേണ്ടതുണ്ട്. Stack Overflow for Agents നിർമ്മിച്ച രണ്ട് എൻജിനീയർമാരുടെ പ്രവർത്തനത്തെ അപേക്ഷിച്ച് ഈ സൗകര്യം നിർമ്മിക്കാൻ കൂടുതൽ മനുഷ്യപങ്കാളിത്തം ആവശ്യമാണ്. എന്നാൽ ഈ ജോലിയും Codex വേഗത്തിലാക്കുന്നു.

സ്ഥാപനങ്ങൾക്കായുള്ള ഉൽപ്പന്നം ഒരു വർഷത്തിനുപകരം മൂന്ന് മാസത്തിനകം വിപണിയിലെത്തിക്കാൻ Codex ഉപയോഗിച്ച് ശ്രമിക്കുന്നതിനെക്കുറിച്ച് അലക്സ് വിശദീകരിക്കുന്നു. കണക്ടറുകളുടെ നിർമ്മാണം ഇതിന്റെ വ്യക്തമായ ഒരു ഉദാഹരണമാണ്.

അടുത്തിടെ, സംഘം ഒറ്റ ദിവസംകൊണ്ട് ഒരു കണക്ടർ നിർമ്മിച്ചു. കണക്ടറുകളുടെ നിർമ്മാണം വേഗത്തിലാക്കുന്നതിലൂടെ, സ്ഥാപനങ്ങൾക്കായുള്ള ഉൽപ്പന്നങ്ങൾ കൂടുതൽ വേഗത്തിൽ വിപണിയിലെത്തിക്കാൻ Codex Stack Overflow-യെ സഹായിക്കുന്നു.

Stack Overflow for Agents വിതരണത്തിന് തയ്യാറായപ്പോൾ, അത് ആളുകളുടെ പ്രവർത്തനരീതികളുടെ ഭാഗമാക്കാൻ സംഘത്തിന് ഒരു വഴി ആവശ്യമായി. അതിനായി സംഘം ഒരു ChatGPT പ്ലഗിൻ നിർമ്മിച്ചു. ഇതിലൂടെ ഉപയോക്താക്കൾക്ക് ChatGPT‑യിൽത്തന്നെ ഉൽപ്പന്നം കണ്ടെത്താനും, പരമ്പരാഗത Model Context Protocol (MCP) സജ്ജീകരണത്തെക്കാൾ കുറച്ച് ഘട്ടങ്ങളിലൂടെ അത് സജ്ജമാക്കാനും കഴിഞ്ഞു.

പ്ലഗിൻ രജിസ്ട്രേഷനുകൾ മൂന്നിരട്ടിയാക്കിയെന്നും ഏജന്റ് സൃഷ്ടി ത്വരിതപ്പെടുത്തിയെന്നും അലക്സ് പറയുന്നു: “അവസാനം പരിശോധിച്ചപ്പോൾ ഞങ്ങൾ 10 മടങ്ങ് വരെ എത്തിയിരുന്നു എന്നാണ് ഓർമ്മ.”

ജോലികൾ മോഡലുകളിലേക്ക് അയയ്ക്കുന്നതും അവയുടെ ക്രമീകരണവും Stack Overflow തന്നെയാണ് കൈകാര്യം ചെയ്യുന്നത്. എന്നാൽ ഈ ജോലികളിൽ ചിലത് കുറച്ച്, എൻജിനീയറിങ് ശേഷി കൂടുതൽ ഉൽപ്പന്നത്തിനായി വിനിയോഗിക്കാൻ Decisions API ഉപയോഗിക്കുന്നതിന്റെ സാധ്യതകൾ പരിശോധിക്കാനാണ് അലക്സ് ആഗ്രഹിക്കുന്നത്.

“OpenAI വഴി നേരിട്ട് അത് സ്വയമേവ ചെയ്യാനായാൽ ഞങ്ങൾക്ക് ധാരാളം സമയവും പണവും ലാഭിക്കാം. ഉൽപ്പന്നത്തിന് ചുറ്റുമുള്ള സുരക്ഷാ നിയന്ത്രണങ്ങൾക്കുപകരം ഞങ്ങൾ നിർമ്മിക്കുന്ന ഉൽപ്പന്നത്തിൽത്തന്നെ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനും കഴിയും,” അലക്സ് പറയുന്നു.

ആളുകൾ പഠിക്കുന്ന കാര്യങ്ങൾ പങ്കിടാൻ സഹായിക്കുന്ന തരത്തിൽ അറിവിനായുള്ള തങ്ങളുടെ ഉൽപ്പന്നം വിപുലീകരിക്കാനും Stack Overflow പ്രവർത്തിച്ചുവരുന്നു. ഇതുവരെ വിവരങ്ങൾ ശേഖരിക്കുന്നതിലായിരുന്നു ശ്രദ്ധ. ഇപ്പോൾ ഈ പ്രക്രിയ പൂർത്തിയാക്കുകയാണ് അലക്സ്. ഒരു ഡെവലപ്പറോ എൻജിനീയറിങ് മേഖലയ്ക്ക് പുറത്തുള്ള ഒരാളോ ഉൾപ്പെട്ട വ്യക്തിഗത ആശയവിനിമയത്തിൽ ലഭിക്കുന്ന അറിവ് മറ്റുള്ളവർക്കും പ്രയോജനപ്പെടണമെന്നതാണ് ലക്ഷ്യം.

“ഞാൻ പഠിക്കുമ്പോൾ, എന്റെ സ്ഥാപനത്തിലെ മറ്റുള്ളവരും എനിക്കൊപ്പം പഠിക്കുന്നുണ്ടെന്ന് എങ്ങനെ ഉറപ്പാക്കാം.” എന്ന് അലക്സ് ചോദിച്ചു. “അറിവിന്റെ ആ മുഴുവൻ ജീവിതചക്രവും സാധ്യമാക്കുന്ന ഒരു ഉൽപ്പന്നം നിർമ്മിക്കാൻ ഞാൻ ഏറെ ആകാംക്ഷയോടെ കാത്തിരിക്കുന്നു.”