കമ്പനി ഡാറ്റയുമായി സംസാരിക്കുന്ന അസിസ്റ്റൻ്റ് ആർക്കിടെക്ചർ

നേട്ടങ്ങൾ:

• ഒരു എൻഡ്-ടു-എൻഡ് എൻ്റർപ്രൈസ് RAG അസിസ്റ്റൻ്റിൻ്റെ ഘടകങ്ങളും ഡാറ്റാ ഫ്ലോയും രൂപകൽപ്പന ചെയ്യുന്നു
• മൾട്ടി-സോഴ്സ് ഡാറ്റ (വിക്കി, ടിക്കറ്റ്, PDF, ഡാറ്റാബേസ്) ഒരൊറ്റ അസിസ്റ്റൻ്റായി സംയോജിപ്പിക്കുന്നു
• സ്കേലബിളിറ്റി, കാഷിംഗ്, ലേറ്റൻസി എന്നിവയ്ക്കായി വാസ്തുവിദ്യാ തീരുമാനങ്ങൾ എടുക്കുക

മുൻ യൂണിറ്റുകളിൽ, ഞങ്ങൾ ഭാഗങ്ങൾ ഓരോന്നായി പഠിച്ചു: എംബെഡിംഗ്, വെക്റ്റർ ഡാറ്റാബേസ്, ചങ്കിംഗ്, വീണ്ടെടുക്കൽ. ഇനി നമുക്ക് ഇവ സംയോജിപ്പിച്ച് നിങ്ങളുടെ സ്വന്തം കമ്പനി ഡാറ്റയുമായി സംസാരിക്കുന്ന ഒരു അസിസ്റ്റൻ്റിൻ്റെ ഒരു എൻഡ്-ടു-എൻഡ് ആർക്കിടെക്ചർ നിർമ്മിക്കാം. “ഞങ്ങളുടെ ലീവ് പോളിസി എന്താണ്?” എന്ന് ഒരു ജീവനക്കാരനോട് ചോദിക്കുക എന്നതാണ് ലക്ഷ്യം. ആളുകൾക്ക് ചോദ്യങ്ങൾ ചോദിക്കാൻ കഴിയുന്ന ഒരു സിസ്റ്റം, ഉത്തരങ്ങൾ യഥാർത്ഥ ആന്തരിക പ്രമാണങ്ങൾ, ഉദ്ധരണികൾ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ളതും ഒന്നിലധികം ഡാറ്റ ഉറവിടങ്ങൾ സംയോജിപ്പിക്കുന്നതുമാണ്. ഈ യൂണിറ്റ് മുഴുവൻ ആർക്കിടെക്ചർ, ഡാറ്റ ഫ്ലോ, പ്രൊഡക്ഷൻ ലെവൽ തീരുമാനങ്ങൾ എന്നിവ പ്രോസസ്സ് ചെയ്യുന്നു.

എൻഡ്-ടു-എൻഡ് ഘടകങ്ങൾ

ഒരു കോർപ്പറേറ്റ് RAG അസിസ്റ്റൻ്റിൽ രണ്ട് വ്യത്യസ്ത വരികൾ അടങ്ങിയിരിക്കുന്നു. ഇൻഡെക്സിംഗ് ലൈൻ (ഓഫ്ലൈൻ) ഡാറ്റ തയ്യാറാക്കുന്നു; ചോദ്യ ലൈൻ (ഓൺലൈൻ) ചോദ്യത്തിന് ഉത്തരം നൽകുന്നു.

ഇൻഡെക്സിംഗ് ലൈൻ ഘടകങ്ങൾ:

1. കണക്ടറുകൾ: ഉറവിടങ്ങളിൽ നിന്ന് ഡാറ്റ പിൻവലിക്കുന്ന കണക്ടറുകൾ - വിക്കി, ടിക്കറ്റ് സിസ്റ്റം, ഫയൽ സ്റ്റോർ, ഡാറ്റാബേസ്, ഇമെയിൽ.
2. നോർമലൈസേഷൻ: വ്യത്യസ്‌ത ഫോർമാറ്റുകൾ (PDF, HTML, DOCX) ക്ലീൻ ടെക്‌സ്‌റ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നു; ഹെഡ്ഡർ/ഫൂട്ടർ വൃത്തിയാക്കൽ.
3. ചങ്കിംഗ് + മെറ്റാഡാറ്റ: ചങ്കിംഗും ടാഗിംഗും (ഉറവിടം, തീയതി, അധികാരം).
4. എംബഡിംഗ് + ലോഡിംഗ്: വെക്‌ടറുകളും മെറ്റാഡാറ്റയും വെക്‌റ്റർ ഡാറ്റാബേസിലേക്ക് എഴുതുന്നു.

ക്വറി പൈപ്പ്ലൈൻ ഘടകങ്ങൾ:

1. ചോദ്യം പ്രീപ്രോസസിംഗ്: റീറൈറ്റിംഗ്, വികേന്ദ്രീകരണം.
2. വീണ്ടെടുക്കൽ: ഹൈബ്രിഡ് തിരയൽ + മെറ്റാഡാറ്റ ഫിൽട്ടർ + വീണ്ടും റാങ്കിംഗ്.
3. ഉടനടി സൃഷ്ടിക്കൽ: ടെംപ്ലേറ്റിൽ സന്ദർഭം + ചോദ്യം + നിർദ്ദേശങ്ങൾ സ്ഥാപിക്കുന്നു.
4. ജനറേഷൻ: മോഡൽ + ഉറവിടങ്ങളിൽ നിന്നുള്ള അടിസ്ഥാനപരമായ (സാന്ദർഭിക) ഉത്തരം.
5. പോസ്റ്റ്-പ്രോസസ്സിംഗ്: സൈറ്റേഷൻ ഫോർമാറ്റിംഗ്, സുരക്ഷാ പരിശോധന, ലോഗിംഗ്.

നുറുങ്ങ്: ക്വറി ലൈനിൽ നിന്ന് ഇൻഡെക്സിംഗ് ലൈൻ ശാരീരികമായി വേർതിരിക്കുക. ഇൻഡെക്സിംഗ് മന്ദഗതിയിലുള്ളതും ആനുകാലികവുമാണ് (ബാച്ചുകളിൽ ഒറ്റരാത്രികൊണ്ട് പ്രവർത്തിക്കുന്നു); അന്വേഷണത്തിൻ്റെ ലൈൻ ലഘുവും പെട്ടെന്നുള്ളതുമായിരിക്കണം. ഉപയോക്താവ് കാത്തിരിക്കുമ്പോൾ രണ്ട് ലൈനുകൾ മിക്സ് ചെയ്യുന്നത് കനത്ത പ്രോസസ്സിംഗ് നിർബന്ധിതമാക്കുന്നു.

ഡാറ്റാ ഫ്ലോ ദൃശ്യവൽക്കരിക്കുന്നു

[ഇൻഡക്‌സിംഗ് - ഓഫ്‌ലൈൻ]വിഭവങ്ങൾ → നോർമലൈസ് ചെയ്യുക → ചങ്ക്+മെറ്റാഡാറ്റ → ഉൾച്ചേർക്കുക → വെക്‌റ്റർ ഡിബി (വിക്കി, ടിക്കറ്റ്, പിഡിഎഫ്, ഡിബി)[ചോദ്യം - ഓൺലൈൻ]ഉപയോക്തൃ ചോദ്യം → പ്രീ-പ്രോസസ്സിംഗ് → വീണ്ടെടുക്കൽ (ഹൈബ്രിഡ്+ഫിൽട്ടർ+വീണ്ടും) (സന്ദർഭം+ചോദ്യം+നിർദ്ദേശം) → മോഡൽ → ഉത്തരം+ഉറവിടം → ഉപയോക്താവ്

മൾട്ടി-സോഴ്സ് ഡാറ്റ സംയോജിപ്പിക്കുന്നു

യഥാർത്ഥ കമ്പനികളിൽ, ഉത്തരം ഒരിടത്ത് അവസാനിക്കുന്നില്ല. "ഒരു ഉപഭോക്താവിന് എങ്ങനെ റീഫണ്ട് നൽകും?" ചോദ്യത്തിനുള്ള ഉത്തരം സഹായ ലേഖനത്തിലും (നടപടിക്രമം), ടിക്കറ്റ് ചരിത്രത്തിലും (യഥാർത്ഥ ഉദാഹരണങ്ങൾ), നയ PDF (നിയമങ്ങൾ) എന്നിവയിലും കണ്ടെത്താനാകും. അസിസ്റ്റൻ്റ് അവയെല്ലാം ഒരു കുളത്തിൽ തിരയണം.

നിർണ്ണായക പോയിൻ്റ്: ഒരൊറ്റ വെക്റ്റർ സ്റ്റോറിലേക്ക് വിഭവങ്ങൾ സംയോജിപ്പിക്കുമ്പോൾ, ഓരോ ഷാർഡും `source_tour` മെറ്റാഡാറ്റ വഹിക്കണം. അതിനാൽ നിങ്ങൾക്ക് അവയെല്ലാം തിരയാനും ആവശ്യമെങ്കിൽ "ഔദ്യോഗിക നയങ്ങൾ മാത്രം കൊണ്ടുവരിക" പോലുള്ളവ ഫിൽട്ടർ ചെയ്യാനും കഴിയും. കൂടാതെ, വ്യത്യസ്ത ഉറവിടങ്ങൾക്ക് വ്യത്യസ്ത തലത്തിലുള്ള വിശ്വാസ്യതയുണ്ട്: ഔദ്യോഗിക നയം > സഹായ ലേഖനം > ഒരു ജീവനക്കാരൻ്റെ ടിക്കറ്റ് കുറിപ്പ്. റീ-റാങ്കിംഗിലോ പ്രോംപ്റ്റിലോ നിങ്ങൾക്ക് ഈ മുൻഗണന വ്യക്തമാക്കാം.

ഉറവിടം

ഉള്ളടക്ക തരം

വിശ്വസിക്കുക

അപ്ഡേറ്റ് ആവൃത്തി

നയം PDF

ഔദ്യോഗിക ഭരണം

ഉയർന്നത്

പ്രതിമാസ

സഹായ ലേഖനം

നടപടിക്രമം

ഇടത്തരം-ഉയരം

പ്രതിവാരം

ടിക്കറ്റ് ചരിത്രം

യഥാർത്ഥ സാമ്പിൾ

ഇടത്തരം

തുടർച്ചയായി

വിക്കി

മിക്സഡ്/നിലവിലെ നോട്ട്

വേരിയബിൾ

തുടർച്ചയായി

സ്കേലബിളിറ്റി, കാഷെ, ലാറ്റൻസി

ഉല്പാദനത്തിൽ മൂന്ന് പ്രശ്നങ്ങൾ വേറിട്ടുനിൽക്കുന്നു. ലേറ്റൻസി: ഉപയോക്താവ് 2 സെക്കൻഡിൽ കൂടുതൽ കാത്തിരിക്കുമ്പോൾ അനുഭവം വഷളാകുന്നു. പരിഹാരം: സ്ട്രീമിംഗ് രൂപത്തിൽ ഉത്തരം പ്രദർശിപ്പിക്കുക - മോഡൽ എഴുതുമ്പോൾ അത് സ്ക്രീനിലേക്ക് പകരും. കാഷെ: പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾക്കും ആവർത്തിച്ചുള്ള സന്ദർഭങ്ങൾക്കും, കാഷെ വേഗത വർദ്ധിപ്പിക്കുകയും ചെലവ് കുറയ്ക്കുകയും ചെയ്യുന്നു. സ്കെയിൽ: ഉപയോക്താവ് വർദ്ധിക്കുന്നതിനനുസരിച്ച്, വീണ്ടെടുക്കലും മോഡൽ കോളുകളും തിരശ്ചീനമായി അളക്കാൻ കഴിയേണ്ടത് ആവശ്യമാണ്.

വിലയുടെ വശം: ഏറ്റവും ചെലവേറിയ ഘട്ടം സാധാരണയായി വലിയ മോഡലിലേക്ക് പോകുന്ന ടോക്കണുകളുടെ എണ്ണമാണ്. അതിനാൽ, വീണ്ടും റാങ്ക് ചെയ്യുന്നതിലൂടെ സന്ദർഭം 4 നല്ല ഭാഗങ്ങളായി ചുരുക്കുന്നത് ഗുണനിലവാരവും ചെലവും മെച്ചപ്പെടുത്തുന്നു. ലളിതമായ വർഗ്ഗീകരണത്തിനോ റൂട്ടിംഗിനോ വേണ്ടി ചെറുതും വേഗതയേറിയതുമായ ഒരു മാതൃകയും അന്തിമ ഉത്തരത്തിനായി കൂടുതൽ ശക്തമായ മോഡലും (ഉദാ. claude-opus-4-8) ഉപയോഗിക്കുന്നതാണ് പൊതുവായ രൂപകൽപ്പന.

മുന്നറിയിപ്പ്: "ഒരിക്കൽ ചെയ്യുക, മറക്കുക" എന്ന രീതിയിൽ സൂചിക ക്രമീകരിക്കരുത്. പ്രമാണങ്ങൾ മാറ്റി, ഇല്ലാതാക്കി, ചേർത്തു. ഒരു റീ-ഇൻഡക്സിംഗ് തന്ത്രം സ്ഥാപിക്കുക: മാറിയ പ്രമാണങ്ങൾ കണ്ടെത്തി അവ മാത്രം വീണ്ടും പ്രോസസ്സ് ചെയ്യുക. പഴകിയ സൂചിക നിലവിലുള്ളതായി തോന്നുന്ന ഒരു ഉത്തരം നൽകുന്നു, പക്ഷേ അത് തെറ്റാണ്.

ദുർബലമായ വാസ്തുവിദ്യ / ശക്തമായ വാസ്തുവിദ്യ

ദുർബലമായ (ഒറ്റ സ്ക്രിപ്റ്റ്, എല്ലാം മിക്സഡ്):

ഉപയോക്താവ് ചോദിക്കുമ്പോൾ: ആ നിമിഷം ഡോക്യുമെൻ്റുകൾ വായിക്കുക, അവയെ കീറിമുറിക്കുക, ഉൾച്ചേർക്കുക, തിരയുക, ഉത്തരം നൽകുക. # പ്രശ്നം: ഓരോ ചോദ്യത്തിനും എല്ലാ സൂചികകളും ആവർത്തിക്കുന്നു; നിമിഷങ്ങളുടെ കാലതാമസം, # ഉറവിട വേർതിരിവില്ല, ഫിൽട്ടർ ഇല്ല, പുതുക്കിയില്ല.

ശക്തമായ (സ്പ്ലിറ്റ് പൈപ്പുകൾ + മെറ്റാഡാറ്റ + കാഷെ + സ്ട്രീമിംഗ്):

ഇൻഡെക്സിംഗ്: ബാച്ച് രാത്രിയിൽ പ്രവർത്തിക്കുന്നു, മാറിയ പ്രമാണങ്ങൾ പുതുക്കുന്നു. ചോദ്യം: ഭാരം കുറഞ്ഞ ലൈൻ — പ്രീ-പ്രോസസ്സിംഗ് → ഹൈബ്രിഡ് വീണ്ടെടുക്കൽ+ഫിൽട്ടർ → റീറാങ്ക് → പ്രോംപ്റ്റ് → മോഡൽ (സ്ട്രീമിംഗ്) → അവലംബം → ലോഗ്. പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങളും ഉറവിടവും കാഷെ ചെയ്യുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ആശയക്കുഴപ്പത്തിലായ ലൈൻ, കനത്ത കാലതാമസം. ഓരോ ചോദ്യത്തിലും PDF-കൾ വീണ്ടും പ്രോസസ്സ് ചെയ്യുന്ന ഒരു സ്ക്രിപ്റ്റ് ഒരു സ്റ്റാർട്ടപ്പ് എഴുതി; ഓരോ ഉത്തരവും ശരാശരി 11 സെക്കൻഡ് എടുത്തു. ഇൻഡെക്സിംഗ് ലൈൻ വേർതിരിക്കുകയും ഡാറ്റ വെക്റ്റർ സ്റ്റോറിലേക്ക് മുമ്പ് കൈമാറുകയും ചെയ്യുമ്പോൾ, അന്വേഷണ സമയം 1.3 സെക്കൻഡായി കുറയുകയും സ്ട്രീമിംഗിനൊപ്പം, "ആദ്യ വാക്ക്" 400 ms-ൽ പ്രത്യക്ഷപ്പെടുകയും ചെയ്തു.

കേസ് 2 - വളരെയധികം വിഭവങ്ങൾ, തെറ്റായ മുൻഗണന. ഒരു സപ്പോർട്ട് അസിസ്റ്റൻ്റ് പോളിസി PDF-നും പഴയ ടിക്കറ്റ് നോട്ടുകൾക്കും തുല്യ ഭാരം നൽകി; രണ്ട് വർഷം മുമ്പുള്ള ഒരു ജീവനക്കാരൻ്റെ തെറ്റായ റേറ്റിംഗ് മോഡൽ ചിലപ്പോൾ ഔദ്യോഗിക നിയമമായി അവതരിപ്പിച്ചു. source_tour മെറ്റാഡാറ്റയും "സംഘർഷമുണ്ടായാൽ ഔദ്യോഗിക നയം പരിഗണിക്കുക" നിർദ്ദേശവും പ്രോംപ്റ്റിൽ ചേർത്തപ്പോൾ, തെറ്റായ മുൻഗണനാ പിശകുകൾ 89% കുറച്ചു.

കേസ് 3 - പഴകിയ സൂചിക. 3 മാസത്തേക്ക് അപ്‌ഡേറ്റ് ചെയ്യാത്ത ഒരു സൂചികയിൽ ഒരു എച്ച്ആർ അസിസ്റ്റൻ്റ് പ്രവർത്തിക്കുന്നു; ലീവ് പോളിസി മാറിയെങ്കിലും അസിസ്റ്റൻ്റ് പഴയ കാലമാണ് പറയുന്നത്. മാറിയ ഫയലുകൾ കണ്ടെത്തുന്ന പ്രതിദിന പുതുക്കൽ ഇൻസ്റ്റാൾ ചെയ്യുമ്പോൾ, നിലവിലെ പ്രതികരണ നിരക്ക് 70% ൽ നിന്ന് 99% ആയി വർദ്ധിച്ചു.

സാധാരണ തെറ്റുകൾ

• ഇൻഡെക്സിംഗ്, ക്വറി ലൈനുകൾ മിക്സ് ചെയ്യുന്നു: ഉപയോക്താവ് കാത്തിരിക്കുമ്പോൾ കനത്ത പ്രോസസ്സിംഗ് നടക്കുന്നു; കാലതാമസം പൊട്ടിത്തെറിക്കുന്നു.
• മെറ്റാഡാറ്റയിൽ ഉറവിട തരം ഇടുന്നില്ല: മുൻഗണനയും ഫിൽട്ടറിംഗും ഇല്ല; വിശ്വസനീയമല്ലാത്ത ഉറവിടം ഔദ്യോഗികമാണെന്ന് തോന്നുന്നു.
• ഒരു പുതുക്കൽ തന്ത്രം സ്ഥാപിക്കുന്നില്ല: സൂചിക പഴയതാകുന്നു; നിലവിലുള്ളത് എന്ന് തോന്നുന്ന തെറ്റായ ഉത്തരങ്ങൾ നിർമ്മിക്കപ്പെടുന്നു.
• സ്ട്രീമിംഗ് ഒഴിവാക്കുക: ഉപയോക്താവ് ഒരു ശൂന്യമായ സ്ക്രീനിലേക്ക് നോക്കുന്നു; തിരിച്ചറിഞ്ഞ കാലതാമസം ഉയർന്നതായിത്തീരുന്നു.
• ഓരോ ഘട്ടത്തിലും ഏറ്റവും വലിയ മോഡൽ ഉപയോഗിക്കുന്നത്: ചെലവ് അനാവശ്യമായി വർദ്ധിക്കുന്നു; ചെറിയ മോഡലിലേക്ക് സ്റ്റിയറിംഗ് വിടുക.

ചുരുക്കത്തിൽ

• കോർപ്പറേറ്റ് RAG അസിസ്റ്റൻ്റിൽ രണ്ട് വ്യത്യസ്ത ലൈനുകൾ അടങ്ങിയിരിക്കുന്നു: ഓഫ്‌ലൈൻ ഇൻഡക്‌സിംഗും ഓൺലൈൻ അന്വേഷണവും; അവരെ ശാരീരികമായി വേർതിരിക്കുക.
• ഇൻഡക്‌സിംഗ് = കണക്റ്റർ + നോർമലൈസ് + ചങ്ക്/മെറ്റാഡാറ്റ + എംബഡ്/അപ്‌ലോഡ്; ചോദ്യം = പ്രീ-പ്രോസസ് + വീണ്ടെടുക്കൽ + പ്രോംപ്റ്റ് + ജനറേറ്റ് + പോസ്റ്റ്-പ്രോസസ്സ്.
• മൾട്ടി-സോഴ്സ് ഡാറ്റ ഒരൊറ്റ ശേഖരത്തിലേക്ക് സംയോജിപ്പിച്ചിരിക്കുന്നു, എന്നാൽ source_type മെറ്റാഡാറ്റയും ട്രസ്റ്റ് മുൻഗണനയും സംരക്ഷിക്കപ്പെടുന്നു.
• ലേറ്റൻസിക്കായുള്ള സ്ട്രീമിംഗും കാഷെയും, സന്ദർഭ ത്രോട്ടിലിംഗും ചെലവിനുള്ള മോഡൽ തിരഞ്ഞെടുക്കലും നിർണ്ണായകമാണ്.
• റീ-ഇൻഡക്‌സ് ചെയ്യാതെ, സൂചിക പഴയതാകുന്നു; മാറുന്ന പ്രമാണങ്ങൾ പതിവായി വീണ്ടും പ്രോസസ്സ് ചെയ്യുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ സ്വന്തം ടീമിനായി ഒരു സഹായിയുടെ വാസ്തുവിദ്യാ ഡയഗ്രം വരയ്ക്കുക. (1) കുറഞ്ഞത് മൂന്ന് യഥാർത്ഥ ഡാറ്റ സ്രോതസ്സുകളെങ്കിലും തിരിച്ചറിയുകയും ഓരോന്നിനും ഒരു കണക്ടർ ആവശ്യകത, അപ്ഡേറ്റ് ഫ്രീക്വൻസി, ട്രസ്റ്റ് ലെവൽ എന്നിവ എഴുതുകയും ചെയ്യുക. (2) ഒരു ബോക്‌സ്-ആരോ ഡയഗ്രം ഉപയോഗിച്ച് ഇൻഡെക്‌സിംഗ്, ക്വറി ലൈനുകൾ വെവ്വേറെ വരയ്ക്കുക. (3) "ഈ അസിസ്റ്റൻ്റിൻ്റെ കാലതാമസവും ചെലവും ഞാൻ എവിടെയാണ് കുറയ്ക്കുക?" ചോദ്യത്തിന് കുറഞ്ഞത് രണ്ട് വ്യക്തമായ തീരുമാനങ്ങളെങ്കിലും എഴുതുക. (4) നിങ്ങളുടെ പുതുക്കൽ തന്ത്രം ഒരു വാചകത്തിൽ വിവരിക്കുക: ഏത് റിസോഴ്‌സ് റീഇൻഡക്‌സ് ചെയ്യും, എത്ര തവണ?

ചെക്ക്ലിസ്റ്റ്

• [ ] എനിക്ക് ഇൻഡെക്‌സിംഗ്, ക്വറി ലൈനുകൾ വെവ്വേറെയും ശരിയായ ഘടകങ്ങൾ ഉപയോഗിച്ച് വരയ്ക്കാനാകും.
• [ ] എനിക്ക് മൾട്ടി-സോഴ്സ് ഡാറ്റ source_type, ട്രസ്റ്റ് മുൻഗണന എന്നിവയുമായി സംയോജിപ്പിക്കാൻ കഴിയും.
• [ ] ലേറ്റൻസിക്ക് വേണ്ടി സ്ട്രീമിംഗ്/കാഷെ തീരുമാനങ്ങൾ എടുക്കാനും ചിലവിനുള്ള മോഡൽ തിരഞ്ഞെടുക്കാനും എനിക്ക് കഴിയും.
• [ ] ഒരു റീ-ഇൻഡക്സിംഗ് തന്ത്രം അത്യാവശ്യമായിരിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് എനിക്കറിയാം.
• [ ] എൻ്റെ വാസ്തുവിദ്യയിലെ ഏറ്റവും ചെലവേറിയ ഘട്ടം സാധാരണയായി വലിയ മോഡലിലേക്ക് പോകുന്ന ടോക്കണാണെന്ന് ഞാൻ ഓർക്കുന്നു.