ai-agents-for-beginners
(ចុចលើរូបភាពខាងលើដើម្បីមើលវីដេអូសម្រាប់មេរៀននេះ)
មេរៀនបើកផ្លូវសម្រាប់ AI Agents និងករណីប្រើប្រាស់ Agent
ស្វាគមន៍មកកាន់វគ្គសិក្សា AI Agents សម្រាប់អ្នកថ្មី! វគ្គនេះផ្តល់ជូនអ្នកនូវចំណេះដឹងមូលដ្ឋាន — និងកូដដែលដំណើរការពិត — ដើម្បីចាប់ផ្ដើមបង្កើត AI Agents ពីគន្លងមូលដ្ឋាន។
មកសួរស្ដីនៅក្នុង សហគមន៍ Azure AI Discord — មានអ្នករៀន និងអ្នកបង្កើត AI ដែលរីករាយក្នុងការឆ្លើយសំណួរ។
មុនពេលយើងចាប់ផ្ដើមសាងសង់យ៉ាងពេញលេញ ខ្ញុំនឹងពិនិត្យមើលថាតើយើងហៅអ្វីថា AI Agent និងពេលណាដែលវារសជាតិប្រយោជន៍ក្នុងការប្រើប្រាស់។
មេរៀនបញ្ជាក់
មេរៀននេះគ្របដណ្តប់៖
- តើ AI Agents ជាអ្វី និងប្រភេទផ្សេងៗមានអ្វីខ្លះ
- ការងារសម្រាប់ AI Agents ដែលសមស្របបំផុត
- ឧបករណ៍អគ្គិសនីដែលអ្នកនឹងប្រើពេលរចនាវិធីដោះស្រាយ Agentic
គោលបំណងសិក្សា
នៅចុងបញ្ចប់នៃមេរៀននេះ អ្នកគួរតែអាច៖
- សូមពន្យល់អំពី AI Agent និងភាពខុសគ្នារវាងវាអ្នករៀននឹងដំណោះស្រាយ AI ទូទៅ
- ដឹងថាតើពេលណាគួរប្រើ AI Agent (និងពេលណាហាមឃាត់)
- គូរទានការរចនាវិធីដោះស្រាយ Agentic មូលដ្ឋានសម្រាប់បញ្ហាក្នុងជីវិតពិត
ការបញ្ជាក់អំពី AI Agents និងប្រភេទផ្សេងៗគ្នា
តើ AI Agents ជាអ្វី?
នេះជារបៀបសាមញ្ញនៃការយល់៖
AI Agents ជាប្រព័ន្ធដែលអនុញ្ញាតឱ្យម៉ូដែលភាសាធំ (LLMs) ជាក់ស្ដែង អាចធ្វើអ្វីមួយបាន — ដោយផ្តល់ឱ្យពួកវាឧបករណ៍ និងចំណេះដឹងដើម្បីអនុវត្តលើពិភពលោក មិនមែនធ្វើតែការឆ្លើយតបនឹងសំណើតែប៉ុណ្ណោះ។
យើងទាញពន្យល់បន្តិច៖
- ប្រព័ន្ធ — AI Agent មិនមែនជារបស់តែមួយទេ។ វាជាការប្រមូលផ្គុំគ្នារបស់ផ្នែកផ្សេងៗ។ នៅចំណុចមូលដ្ឋាន អ្នករាល់គ្នាអាចរកឃើញAgent ទាំងបីផ្នែក៖
- បរិយាកាស — ទីលំនៅដែលAgent ប្រតិបត្តិ។ សម្រាប់ជំនាន់ភ្នាក់ងារធ្វើការកក់ដំណើរទេសចរណ៍ វាជាវេទិកាកក់ដំបូងផ្ទាល់។
- ឧបករណ៍ឯកទេស — វិធីដែលAgent អានស្ថានភាពបរិយាកាសបច្ចុប្បន្ន។ ភ្នាក់ងារធ្វើដំណើរអាចពិនិត្យមើលការចូលរួមសណ្ឋាគារ ឬតម្លៃសំបុត្រយន្តហោះ។
- ឧបករណ៍ប្រតិបត្តិការ — វិធីដែលAgent ប្រតិបត្តិការណ៍។ ភ្នាក់ងារធ្វើដំណើរអាចបញ្ជាកក់បន្ទប់ សម្របសម្រួលការបញ្ចាក់ ឬលុបបោះបង់ការកក់។
-
ម៉ូដែលភាសាធំ (Large Language Models) — Agent មានមុន LLMs ប៉ុន្តែ LLMs នាំឲ្យAgent សមត្ថភាពកាន់តែខ្លាំង។ ពួកវាអាចយល់ភាសា ធ្វើត្រួតពិនិត្យបរិបទ និងបំលែងសំណើអ្នកប្រើមិនច្បាស់ជាកម្មវិធីដំណើរការត្រូវបានកំណត់។
-
អនុវត្តន៍សកម្មភាព — បើគ្មានប្រព័ន្ធAgent, LLM គ្រាន់តែបង្កើតអត្ថបទ។ នៅក្នុងប្រព័ន្ធAgent, LLM អាច អនុវត្ត ជំហាន ស្វែងរកមូលដ្ឋានទិន្នន័យ, ហៅ API, ផ្ញើសារ។
-
ចូលដំណើរការឧបករណ៍ — ឧបករណ៍ដែលAgent អាចប្រើ ពឹងផ្អែកលើ (១) បរិយាកាសដែលវាធ្វើការ និង (២) អ្វីដែលអ្នកអភិវឌ្ឍបានផ្គត់ផ្គង់។ ភ្នាក់ងារធ្វើដំណើរអាចស្វែងរកសំបុត្រយន្តហោះ ប៉ុន្តែមិនអាចកែប្រែអតិថិជនទេ — វាអាស្រ័យលើអ្វីដែលអ្នកភ្ជាប់។
-
មន្ត្រីវិញ្ញាណ + ចំណេះដឹង — Agent អាចមានអង្គចងចាំខ្លី (សន្ទនាបច្ចុប្បន្ន) និងអង្គចងចាំវែង (មូលដ្ឋានអតិថិជន និងប្រវត្តិសង្ស័យ)។ ភ្នាក់ងារធ្វើដំណើរអាច “ចងចាំ” អ្នកចូលចិត្តកៅអីជាប់បង្អួច។
ប្រភេទផ្សេងៗនៃ AI Agents
មិនមែនAgent ទាំងអស់ត្រូវបានបង្កើតដូចគ្នាទេ។ សូមមើលតារាងចែកចាយប្រភេទជាលំដាប់៖
| ប្រភេទ Agent | អ្វីដែលវាធ្វើ | ឧទាហរណ៍ភ្នាក់ងារធ្វើដំណើរ |
|---|---|---|
| Agent ចម្លើយតាមចំនួនចូលទិន្នន័យត្រួតេខ្ជុកខ្ជូម | អនុវត្តតាមច្បាប់កូដរឹងៗ — គ្មានអង្គចងចាំ គ្មានផែនការ។ | មើលអ៊ីមែលបញ្ហា → ផ្ញើទៅសេវាកម្មអតិថិជន។ ហេតុអ្វីគ្មានទៀតទេ។ |
| Agent ចម្លើយខាងលើមានគំរូអង្គចងចាំ | គ្រប់គ្រងគំរូក្នុងប្រព័ន្ធ និងបច្ចុប្បន្នភាពនៅពេលខ្លះ។ | តាមដានតម្លៃសំបុត្រយន្តហោះបច្ចុប្បន្ន ហើយបញ្ជាក់មុខវិញថាតម្លៃវិលភាគខ្ពស់។ |
| Agent មានគោលបំណង | មានគោលបំណង និងស្វែងរកវិធីដើម្បីជួបគោលបំណងជាជំហានៗ។ | កក់ដំណើរពេញលេញ (ទាំងសំបុត្រយន្តហោះ រថយន្ត សណ្ឋាគារ) ចាប់ពីទីតាំងបច្ចុប្បន្នរបស់អ្នក ដើម្បីចូលដល់គោលដៅ។ |
| Agent ដំណោះស្រាយជាប្រយោជន៍ | មិនគ្រាន់តែស្វែងរកដំណោះស្រាយមួយទេ — ប្តេជ្ញាស្វែងរកដំណោះស្រាយល្អបំផុតតាមការវាស់វែងតម្លៃតម្រូវ។ | សមតុល្យតម្លៃបំបែកទំនាក់ទំនង ដើម្បីរកដំណើរកម្សាន្តដែលមានភាពល្អបំផុតសម្រាប់ចំណង់ចំណូលចិត្ត។ |
| Agent រៀន | ធ្វើឲ្យប្រសើរឡើងតាមពេលវេលា ដោយរៀនពីមតិយោបល់។ | កែប្រែការណែនាំកក់ដំណើរក្នុងការពេលក្រោយដោយផ្អែកលើលទ្ធផលស៊ែពិចារណាសន្ទនាបន្ទាប់ពីដំណើរ។ |
| Agent ស្ដង់ដារជាន់ខ្ពស់ | Agent កម្រិតខ្ពស់បំបែកកិច្ចការក្នុងជំហានតូចៗ ហើយចែងប្តូរជូនAgent កម្រិតក្រោម។ | សំណើ “បោះបង់ដំណើរ” ត្រូវបំបែកជា៖ បោះបង់សំបុត្រយន្តហោះ, បោះបង់សណ្ឋាគារ, បោះបង់ជួលរថយន្ត — ម្តុំAgent តូចៗរៀបចំគ្រប់គ្រង។ |
| ប្រព័ន្ធMulti-Agent (MAS) | Agent មួយចំនួនឯករាជ្យធ្វើការរួមគ្នា (ឬប្រកួតប្រជែង)។ | ប្រកួតប្រជែង៖ Agent ផ្សេងៗគ្រប់គ្រងសណ្ឋាគារ សំបុត្រយន្តហោះ និងកម្សាន្ត។ ប្រកួតប្រជែង៖ Agent ច្រើនប្រកួតប្រជែងក្នុងការផ្គត់ផ្គង់បន្ទប់សណ្ឋាគារដោយតម្លៃល្អបំផុត។ |
ពេលណាចាំបាច់ប្រើ AI Agents
គ្រាន់តែអ្នកអាចប្រើAI Agent មិនទាន់មានន័យថាអ្នកត្រូវប្រើនោះទេ។ នេះជាស្ថានភាពដែលAgent មានភាពលេចធ្លោ៖
- បញ្ហាជាច្រើនចុងក្រោយ — ពេលជំហានដោះស្រាយបញ្ហាមិនអាចកំណត់ជាមុនទេ។ អ្នកត្រូវការឲ្យLLM រកកន្លែងដំណើរការតាមសំណើរ។
- ដំណើរការជាច្រើនជំហាន — ការងារដែលត្រូវការប្រើឧបករណ៍ស្ទើរសរុបជាច្រើនជំហាន មិនមែនតែស្វែងរកតែមួយ ឬបង្កើតតែមួយ។
- ការកែលម្អតាមពេលវេលា — ពេលចង់ឲ្យប្រព័ន្ធជាន់ឡើងវិញដោយផ្អែកលើមតិយោបល់អ្នកប្រើ ឬសញ្ញាបរិយាកាស។
យើងនឹងជ្រាបពិសេសពេលណា (និងពេលណា មិន) ប្រើ AI Agents ក្នុងមេរៀន បង្កើតភាពជឿជាក់ក្នុង AI Agents នៅពេលក្រោយនៃវគ្គសិក្សា។
មូលដ្ឋាននៃវិធីដោះស្រាយ Agentic
ការអភិវឌ្ឍ Agent
រឿងដំបូងដែលអ្នកធ្វើនៅពេលបង្កើត Agent គឺកំណត់ អ្វីដែលវាអាចធ្វើបាន — ឧបករណ៍ សកម្មភាព និងអាកប្បកិរិយា។
ក្នុងវគ្គនេះ យើងប្រើ សេវាកម្ម Azure AI Agent ជាវេទិកាសំខាន់។ វាគាំទ្រ៖
- ម៉ូដែលពីអ្នកផ្គត់ផ្គង់ដូចជា OpenAI, Mistral និង Meta (Llama)
- ទិន្នន័យមានបញ្ញត្តិ ពីអ្នកផ្គត់ផ្គង់ដូចជា Tripadvisor
- កំណត់ឧបករណ៍ OpenAPI 3.0 ទម្រង់ស្តង់ដារ
គំរូ Agentic
អ្នកសម្របសម្រួលជាមួយ LLMs តាមរយៈសំណើ។ ជាមួយAgent អ្នកមិនអាចបង្កើតសំណើគ្រប់យ៉ាងដោយដៃទាន់កាលបច្ចុប្បន្នទេ — Agent ត្រូវបំពេញសកម្មភាពជាច្រើនជំហាន។ នោះហើយជាកន្លែងដែល គំរូ Agentic ចូលរួម។ វាជាយុទ្ធសាស្ត្រដែលអាចប្រើឡើងវិញសម្រាប់សំណើ និងចរចារជាមួយ LLMs នៅលើវិធីងាយល្មើស និងទុកចិត្តបាន។
វគ្គនេះនឹងបង្ហាញតាមគំរូ Agentic ដែលពេញនិយមនិងមានប្រយោជន៍បំផុត។
ស៊ុមAgentic
ស៊ុមAgentic ផ្តល់ឧបករណ៍ប្លង់មុន កម្មវិធី និងហេដ្ឋារចនាសម្ព័ន្ធសម្រាប់បង្កើត Agent។ វាអនុញ្ញាតឲ្យ៖
- ភ្ជាប់ឧបករណ៍និងសមត្ថភាព
- តាមដានអ្វីដែលAgent កំពុងធ្វើ (និងកែប្រែបញ្ហា)
- ប្រើប្រាស់រួមគ្នាផ្ទាំងAgent ច្រើន
ក្នុងវគ្គនេះ យើងផ្តោតលើ ស៊ុមAgent Microsoft (MAF) សម្រាប់បង្កើតAgent ជាច្រើនប្រើប្រាស់បានយ៉ាងមានសមត្ថភាព។
ឧទាហរណ៍កូដ
ត្រៀមខ្លួនឲ្យមើលវាធ្វើការ? នេះជាឧទាហរណ៍កូដសម្រាប់មេរៀននេះ៖
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
មានសំណួរទេ?
ចូលរួមនៅ Microsoft Foundry Discord ដើម្បីភ្ជាប់ជាមួយអ្នករៀនផ្សេងទៀត ចូលរួមពេលសម្រាកការិយាល័យ ហើយទទួលបានចម្លើយសំណួរអំពី AI Agent ពីសហគមន៍។
មេរៀនមុន
មេរៀនបន្ទាប់
ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។