ai-agents-for-beginners

(इस पाठ के लिए वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें)

AI एजेंट्स और एजेंट उपयोग मामले का परिचय

AI एजेंट्स फॉर बिगिनर्स पाठ्यक्रम में आपका स्वागत है! यह पाठ्यक्रम आपको आधारभूत ज्ञान और वास्तविक कार्यशील कोड देता है जिससे आप शून्य से AI एजेंट्स बनाना शुरू कर सकते हैं।

Azure AI Discord Community में आइए — यह सीखने वालों और AI निर्माताओं से भरा हुआ है जो प्रश्नों के उत्तर देने में खुश रहते हैं।

बनाने में कूदने से पहले, आइए सुनिश्चित करें कि हम वास्तव में समझते हैं कि AI एजेंट क्या है और कब इसका उपयोग करना समझदारी होती है।

---

परिचय

यह पाठ कवर करता है:

• AI एजेंट्स क्या हैं, और उनके विभिन्न प्रकार क्या हैं
• किन प्रकार के कार्यों के लिए AI एजेंट सबसे उपयुक्त होते हैं
• एजेंटिक समाधान डिजाइन करते समय आप जिन मुख्य घटकों का उपयोग करेंगे

सीखने के लक्ष्य

इस पाठ के अंत तक, आप सक्षम होंगे:

• यह समझाने के लिए कि AI एजेंट क्या है और यह एक सामान्य AI समाधान से कैसे अलग है
• यह जानना कि कब AI एजेंट का उपयोग करना चाहिए (और कब नहीं)
• एक वास्तविक समस्या के लिए एक मूल एजेंटिक समाधान डिजाइन का रूपरेखा तैयार करना

---

AI एजेंट्स की परिभाषा और AI एजेंट्स के प्रकार

AI एजेंट्स क्या हैं?

इसे समझने का एक सरल तरीका है:

AI एजेंट ऐसे सिस्टम हैं जो बड़े भाषा मॉडल (LLMs) को वास्तव में काम करने देते हैं — उन्हें उपकरण और ज्ञान देकर ताकि वे केवल संकेतों का जवाब न दें, बल्कि दुनिया पर कार्रवाई कर सकें।

आइए इसे थोड़ा विस्तृत करें:

• सिस्टम — AI एजेंट केवल एक वस्तु नहीं है। यह कई भागों का समूह है जो एक साथ काम करते हैं। इसके मूल में, हर एजेंट के तीन हिस्से होते हैं:
  • पर्यावरण — वह स्थान जहाँ एजेंट काम करता है। एक यात्रा बुकिंग एजेंट के लिए, यह बुकिंग प्लेटफ़ॉर्म ही होगा।
  • सेंसर — एजेंट कैसे अपने पर्यावरण की वर्तमान स्थिति पढ़ता है। हमारा यात्रा एजेंट होटलों की उपलब्धता या फ्लाइट की कीमतें देख सकता है।
  • कार्यकारक — एजेंट कैसे कार्रवाई करता है। यात्रा एजेंट एक कमरा बुक कर सकता है, पुष्टि भेज सकता है, या आरक्षण रद्द कर सकता है।

• बड़े भाषा मॉडल — एजेंट्स LLMs से पहले भी मौजूद थे, लेकिन LLMs आधुनिक एजेंट्स को इतना शक्तिशाली बनाते हैं। वे प्राकृतिक भाषा को समझ सकते हैं, संदर्भ पर तर्क कर सकते हैं, और एक अस्पष्ट उपयोगकर्ता अनुरोध को ठोस कार्य योजना में बदल सकते हैं।

• कार्रवाई करना — बिना एजेंट सिस्टम के, एक LLM केवल टेक्स्ट उत्पन्न करता है। एजेंट सिस्टम के अंदर, LLM वास्तव में कदम उठा सकता है — डेटाबेस खोज सकता है, API कॉल कर सकता है, संदेश भेज सकता है।

• उपकरणों तक पहुँच — एजेंट कौन से उपकरणों का उपयोग कर सकता है यह इस बात पर निर्भर करता है कि (1) वह किस पर्यावरण में चल रहा है और (2) डेवलपर ने उसे क्या दिया है। एक यात्रा एजेंट उड़ानों की खोज कर सकता है लेकिन ग्राहक रिकॉर्ड संपादित नहीं कर सकता — यह सब इस पर निर्भर करता है कि आपने क्या सेट किया है।

• स्मृति + ज्ञान — एजेंट्स के पास संक्षिप्तकालिक स्मृति (वर्तमान बातचीत) और दीर्घकालिक स्मृति (ग्राहक डेटाबेस, पूर्व बातचीत) हो सकती है। यात्रा एजेंट “याद” रख सकता है कि आप खिड़की वाली सीट पसंद करते हैं।

---

AI एजेंट्स के विभिन्न प्रकार

सभी एजेंट एक जैसे नहीं बनाए जाते। यहाँ मुख्य प्रकारों का विवरण है, एक यात्रा बुकिंग एजेंट के उदाहरण के साथ:

एजेंट प्रकार	यह क्या करता है	यात्रा एजेंट का उदाहरण
सरल रिफ्लेक्स एजेंट्स	कड़े कोडेड नियमों का पालन करते हैं — कोई स्मृति नहीं, कोई योजना नहीं।	शिकायत ईमेल देखता है → इसे ग्राहक सेवा को अग्रेषित कर देता है। बस इतना ही।
मॉडल-आधारित रिफ्लेक्स एजेंट्स	दुनिया का आंतरिक मॉडल रखता है और चीजें बदलने पर अपडेट करता है।	ऐतिहासिक फ्लाइट कीमतों को ट्रैक करता है और अचानक महंगे रूट्स को चिन्हित करता है।
लक्ष्य-आधारित एजेंट्स	एक लक्ष्य होता है और उसे पाने के लिए कदम दर कदम योजना बनाता है।	पिछले स्थान से गंतव्य तक का पूरा ट्रिप (फ्लाइट, कार, होटल) बुक करता है।
उपयोगिता-आधारित एजेंट्स	केवल कोई समाधान नहीं ढूंढते — सुलह-बुझाकर सबसे अच्छा समाधान खोजते हैं।	लागत बनाम सुविधा को संतुलित करके आपकी प्राथमिकताओं के अनुसार सबसे अच्छा ट्रिप ढूंढता है।
शिक्षण एजेंट्स	प्रतिक्रिया से सीखकर समय के साथ बेहतर होता है।	पोस्ट-ट्रिप सर्वे के आधार पर भविष्य की बुकिंग सिफारिशों को समायोजित करता है।
हाइरार्किकल एजेंट्स	एक उच्च स्तरीय एजेंट काम को उप-कामों में बाँटता है और निचले-स्तर के एजेंटों को सौंपता है।	“ट्रिप रद्द करें” अनुरोध को: फ्लाइट रद्द करना, होटल रद्द करना, कार रेंटल रद्द करना में विभाजित करता है — प्रत्येक को उप-एजेंट संभालता है।
मल्टी-एजेंट सिस्टम (MAS)	कई स्वतंत्र एजेंट एक साथ (या प्रतिस्पर्धा में) काम करते हैं।	सहकारी: अलग-अलग एजेंट होटल, फ्लाइट, और मनोरंजन संभालते हैं। प्रतिस्पर्धी: कई एजेंट होटल के कमरे सबसे अच्छे दाम पर भरने के लिए प्रतिस्पर्धा करते हैं।

---

कब AI एजेंट्स का उपयोग करें

सिर्फ इसलिए कि आप AI एजेंट का उपयोग कर सकते हैं, इसका मतलब यह नहीं है कि हमेशा करना चाहिए। यहाँ वे स्थितियाँ हैं जहाँ एजेंट वास्तव में प्रभावशाली होते हैं:

• खुले अंत वाले समस्याएँ — जब किसी समस्या को हल करने के कदम पूर्व निर्धारित नहीं किए जा सकते। आपको LLM को मार्ग खोजने देना होता है।
• अनेक-कदम प्रक्रियाएँ — ऐसे कार्य जो कई चरणों में उपकरणों का उपयोग करते हैं, न कि केवल एक बार खोज या जनरेशन।
• समय के साथ सुधार — जब आप चाहते हैं कि सिस्टम उपयोगकर्ता प्रतिक्रिया या पर्यावरण संकेतों के आधार पर अधिक बुद्धिमान बने।

हम AI एजेंट्स का उपयोग कब (और कब नहीं) करना है, इस पर पाठ्यक्रम के बाद के पाठ भरोसेमंद AI एजेंट्स बनाना में और गहराई से चर्चा करेंगे।

---

एजेंटिक समाधान के मूलभूत बातें

एजेंट विकास

एजेंट बनाते समय पहली चीज जो आप करते हैं वह है यह परिभाषित करना कि यह क्या कर सकता है — इसके उपकरण, क्रियाएं, और व्यवहार।

इस पाठ्यक्रम में, हम मुख्य प्लेटफ़ॉर्म के रूप में Azure AI Agent Service का उपयोग करते हैं। यह समर्थन करता है:

• OpenAI, Mistral, और Llama जैसे खुले मॉडल
• Tripadvisor जैसे प्रदाताओं से लाइसेंसीड डेटा
• मानकीकृत OpenAPI 3.0 टूल परिभाषाएँ

एजेंटिक पैटर्न्स

आप LLMs से प्रॉम्प्ट के माध्यम से संवाद करते हैं। एजेंटों के साथ, हर प्रॉम्प्ट मैन्युअल रूप से तैयार नहीं किया जा सकता — एजेंट को कई चरणों में कार्रवाई करनी होती है। यहाँ एजेंटिक पैटर्न्स काम आते हैं। ये LLMs के लिए पुन: प्रयोज्य रणनीतियाँ हैं जो अधिक स्केलेबल और विश्वसनीय तरीके से प्रॉम्प्टिंग और समन्वय करती हैं।

यह पाठ्यक्रम सबसे आम और उपयोगी एजेंटिक पैटर्न्स के इर्द-गिर्द संरचित है।

एजेंटिक फ्रेमवर्क्स

एजेंटिक फ्रेमवर्क्स डेवलपर्स को तैयार टेम्प्लेट, उपकरण, और अवसंरचना देते हैं ताकि एजेंट बनाना आसान हो:

• उपकरणों और क्षमताओं को जोड़ना
• एजेंट क्या कर रहा है यह देखना (और डिबग करना जब गलत हो)
• कई एजेंटों के बीच सहयोग करना

इस पाठ्यक्रम में, हम उत्पादन-तैयार एजेंट बनाने के लिए Microsoft Agent Framework (MAF) पर ध्यान केंद्रित करते हैं।

---

कोड उदाहरण

इसे क्रिया में देखने के लिए तैयार? यहां इस पाठ के लिए कोड उदाहरण हैं:

• 🐍 Python: Agent Framework
• 🔷 .NET: Agent Framework

---

प्रश्न हैं?

Microsoft Foundry Discord में शामिल हों, अन्य सीखने वालों से जुड़ें, ऑफिस आवर्स में भाग लें, और अपनी AI एजेंट संबंधी प्रश्न समुदाय से पूछें।

---

पिछला पाठ

Course Setup

अगला पाठ

Exploring Agentic Frameworks

---

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या गलतियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।

This site is open source. Improve this page.