Vercel, dahili veri analizi için geliştirdiği d0 adlı metinden SQL'e dönüştüren yapay zeka aracının karmaşıklığıyla mücadele etti. Başlangıçta, özel araçlar, yoğun prompt engineering ve titiz bağlam yönetimi gibi birçok gelişmiş teknik kullanılarak tasarlanan d0, beklendiği gibi çalışsa da kırılgan, yavaş ve sürekli bakım gerektiren bir yapıya sahipti. Ekip, modelin karmaşık şemalarla başa çıkamayacağı, yanlış birleştirmeler yapacağı veya tablo adlarını yanlış algılayacağı varsayımıyla birçok koruyucu önlem ve doğrulama mantığı eklemişti. Bu durum, modelin kendi başına çözebileceği sorunları insanlar tarafından çözmeye çalışmak anlamına geliyordu ve sistemin sürdürülebilirliğini zorlaştırıyordu.
Bu zorluklar karşısında Vercel, radikal bir karar alarak d0 aracının büyük bir kısmını sildi. Geriye sadece tek bir araç kaldı: rastgele bash komutlarını yürütme yeteneği. Bu yeni yaklaşım, "dosya sistemi ajanı" olarak adlandırıldı ve Claude modeline, grep, cat ve ls gibi temel komutlar aracılığıyla dosyalara doğrudan erişim imkanı tanındı. Bu basitleştirme, modelin kendi başına keşfetmesine ve sorunları çözmesine olanak sağladı.
Şaşırtıcı bir şekilde, bu basitleştirme d0'ın performansını önemli ölçüde artırdı. Aracın başarı oranı %80'den %100'e yükseldi, işlem adımları azaldı, kullanılan token miktarı düştü ve yanıt süreleri hızlandı. Vercel, yapay zeka modellerinin giderek daha akıllı hale geldiğini ve bağlam pencerelerinin büyüdüğünü göz önünde bulundurarak, en iyi agent mimarisinin aslında neredeyse hiç mimari olmaması gerektiği hipotezini doğruladı. Bu deneyim, modelin önünden çekilerek ve ona daha fazla özerklik tanıyarak daha etkili ve güvenilir sonuçlar elde edilebileceğini gösterdi.
Yapay zeka modellerinin karmaşık araçlar ve kısıtlamalar yerine, doğrudan ve basit bir yaklaşımla daha etkili ve güvenilir sonuçlar verebileceğini gösteriyor.