ai-agents-for-beginners
(ចុចលើរូបភាពខាងលើដើម្បីមើលវីដេអូសម្រាប់មេរៀននេះ)
ការណែនាំអំពីតំនាង AI និងករណីប្រើប្រាស់តំនាង
សូមស្វាគមន៍មកកាន់វគ្គ តំនាង AI សម្រាប់អ្នកថ្មី! វគ្គនេះផ្ដល់ចំណេះដឹងមូលដ្ឋាន — និងកូដការងារពិត — ដើម្បីចាប់ផ្តើមសាងសង់តំនាង AI ពីដើមគេ។
មកសួរសុខទុក្ខនៅក្នុង សហគមន៍ Azure AI Discord — វាមានពេញនិយមទៅដោយអ្នករៀននិងអ្នកសាងសង់ AI ដែលរីករាយក្នុងការឆ្លើយសំណួរ។
មុនពេលយើងចាប់ផ្តើមសាងសង់ មកធ្វើឲ្យប្រាកដថាយើងពិតជាប្រសើរណាស់ថាតំនាង AI ជាអ្វី និងពេលណាដែលវាគួរត្រូវបានប្រើ។
ការណែនាំ
មេរៀននេះគ្របដណ្តប់:
- តំនាង AI ជាអ្វី និងប្រភេទផ្សេងៗដែលមាន
- តើតំនាង AI ល្អបំផុតសម្រាប់ភារកិច្ចប្រភេទណា
- ឧបករណ៍សំណុំចម្បងដែលអ្នកនឹងប្រើពេលរចនាដំណោះស្រាយមានអាជីព
គោលដៅការរៀន
នៅចុងបញ្ចប់មេរៀននេះ អ្នកគួរតែអាច:
- ពន្យល់ថាតំនាង AI ជាអ្វី ហើយវាផ្សេងពីដំណោះស្រាយ AI ទូទៅយ៉ាងដូចម្តេច
- ដឹងពេលណាដើម្បីប្រើតំនាង AI (និងពេលណាមិនគួរ)
- គូររូបមន្តសម្រាប់រចនាដំណោះស្រាយមានអាជីពសម្រាប់បញ្ហាពិតប្រាកដមួយ
ការកំណត់តំនាង AI និងប្រភេទតំនាង AI
តំនាង AI ជាអ្វី?
នេះជាវិធីងាយស្រួលក្នុងការគិតថា:
តំនាង AI គឺជាប្រព័ន្ធដែលអនុញ្ញាតឲ្យម៉ូដែលភាសាធំៗ (LLMs) ខំអង្គវត្ថុ អ្វីមួយ ដោយផ្តល់ឧបករណ៍ និងចំណេះដឹងដើម្បីប្រតិបត្តិការ លើលោកមិនឲ្យតែឆ្លើយតបតែប៉ុណ្ណោះ។
អ្នកមកផ្ទៀងផ្ទាត់នោះបន្តិច:
- ប្រព័ន្ធ — តំនាង AI មិនមែនជារឿងតែមួយទេ។ វាជាការប្រមូលផ្តុំតំបន់ជាច្រើនដែលធ្វើការជាមួយគ្នា។ នៅក្នុងចំណុចមូលដ្ឋាន មានបីផ្នែកសំខាន់ៗ:
- បរិយាកាស — ទីកន្លែងដែលតំនាងធ្វើការ។ សម្រាប់តំនាងកក់ដំណើរកំសាន្ត នេះគឺជាវេទិកាកក់ដំណើរកំសាន្តផ្ទាល់។
- ឧបករណ៍ចាប់សញ្ញា — វិធីដែលតំនាងអានស្ថានភាពបច្ចុប្បន្ននៃបរិយាកាស។ តំនាងកក់ដំណើរកំសាន្តអាចពិនិត្យស្រាវជ្រាវavailability សណ្ឋាគារឬតម្លៃជើងហោះហើរ។
- ឧបករណ៍អនុវត្ត — វិធីដែលតំនាងអាចធ្វើសកម្មភាព។ តំនាងកក់ដំណើរកំសាន្តអាចកក់បន្ទប់ ផ្ញើការបញ្ជាក់ ឬបោះបង់ការកក់។
-
ម៉ូដែលភាសាធំៗ — តំនាងមានមុន LLMs ប៉ុន្តែ LLMs ជាអ្វីដែលធ្វើឲ្យតំនាងសម័យថ្មីមានភាពខ្លាំង។ វាអាចយល់ភាសាតាមទ្រព្យ ធ្វើហេតុផលលើបរិបទ និងបម្លែងសំណើរអ្នកប្រើបែបមិនច្បាស់ទៅជាចំណាត់ថ្នាក់រឹងមាំ។
-
អនុវត្តសកម្មភាព — ពុំមានប្រព័ន្ធតំនាង LLM គ្រាន់ប៉ុណ្ណឹងបង្កើតអត្ថបទតែប៉ុណ្ណោះ។ នៅក្នុងប្រព័ន្ធតំនាង LLM អាចកែប្រែដំណាក់កាលបានជាក់ស្តែង — ស្វែងរកទិន្នន័យ សូមកាន់ API ផ្ញើសារ។
-
ចូលប្រើឧបករណ៍ — ឧបករណ៍ដែលតំនាងអាចប្រើបានអាស្រ័យលើ (1) បរិយាកាសដែលវារត់នៅក្នុងវា និង (2) អ្វីដែលអ្នកអភិវឌ្ឍបានជ្រើសរើសផ្តល់។ តំនាងកក់ដំណើរកំសាន្តអាចស្វែងរកជើងហោះហើរប៉ុន្តែមិនអាចកែប្រែលេខកត់ត្រាអតិថិជន — វាសំខាន់ទៅលើតំណល។
-
អង្គចងចាំ + ចំណេះដឹង — តំនាងអាចមានអង្គចងចាំរយៈពេលខ្លី (ការសន្ទនាបច្ចុប្បន្ន) និងអង្គចងចាំរយៈពេលវែង (មូលដ្ឋានទិន្នន័យអតិថិជន, ការប៉ះពាល់មុន)។ តំនាងកក់ដំណើរកំសាន្តអាច “ចាំ” ថាអ្នកចូលចិត្តកៅអីកណ្ដាលបង្អួច។
ប្រភេទផ្សេងៗនៃតំនាង AI
មិនមែនតំនាងទាំងអស់ត្រូវបានសាងសង់ដូចគ្នាទេ។ នេះជាចំណុចពិភាក្សាពីប្រភេទសំខាន់ៗ ដោយប្រើតំនាងកក់ដំណើរកំសាន្តជាឧទាហរណ៍:
| ប្រភេទតំនាង | អ្វីដែលវាធ្វើ | ឧទាហរណ៍តំណាងដំណើរកំសាន្ត |
|---|---|---|
| តំណាងចម្លើយលំនាំគួរឱ្យចំរៀង | តាមក្រមកំណត់យ៉ាងតឹង — គ្មានអង្គចងចាំ គ្មានការរៀបចំផែនការ។ | មើលសារត្អូញត្អែរ → ដាក់បញ្ជូនទៅសេវាអតិថិជន។ គឺប៉ុណ្ណោះ។ |
| តំណាងចម្លើយផ្អែកលើម៉ូដែល | រក្សាម៉ូដែលមួយនៅក្នុងភពលោក និងធ្វើបច្ចុប្បន្នភាពមែនទែន។ | តាមដានតម្លៃជើងហោះហើរពីមុន និងរាយការណ៍ថាតើមុខងារណាដែលថ្លៃឡើងយ៉ាងខ្លាំង។ |
| តំណាងផ្អែកលើគោលដៅ | មានគោលដៅមួយក្នុងចិត្ត ហើយរកមធ្យោបាយឲ្យបានជំហានក្រោយជំហាន។ | កក់ដំណើរកំសាន្តពេញលេញ (ជើងហោះហើរ, ឡាន, សណ្ឋាគារ) ចាប់ពីទីតាំងបច្ចុប្បន្នរបស់អ្នកដល់គោលដៅ។ |
| តំណាងផ្អែកលើអត្ថប្រយោជន៍ | មិនត្រឹមតែស្វែងរកដំណោះស្រាយ មួយ ទេ — តែរកជម្រើស ល្អបំផុត ដោយវាស់វែងគុណតម្លៃ។ | តុល្យភាពថ្លៃដើមនិងភាពងាយស្រួល ដើម្បីរកដំណើរកំសាន្តដែលល្អបំផុតសម្រាប់ចំណង់ចំណូលចិត្តរបស់អ្នក។ |
| តំណាងរៀន | ធ្វើឲ្យកាន់តែប្រសើរជាមួយពេលដោយរៀនពីមតិយោបល់។ | ប្ដូរប្រាប់ស្នើសុំពេលក្រោយដោយផ្អែកលើលទ្ធផលការស្ទង់មតិក្រោយការធ្វើដំណើរ។ |
| តំណាងអនុសាខា | តំណាងជាន់ខ្ពស់បំបែកការងារជាការងារជាភាគតំណាងតូចក្រោមការដាក់បន្ទុក។ | សំណើ “បោះបង់ដំណើរកំសាន្ត” ត្រូវបានបំបែកជា: បោះបង់ជើងហោះហើរ, បោះបង់សណ្ឋាគារ, បោះបង់ជួលឡាន — រៀងរាល់តំណាងតូចគ្រប់គ្រង។ |
| ប្រព័ន្ធតំណាងច្រើន (MAS) | តំណាងប្រជាជនជាច្រើនបត់បែនជាមួយគ្នា (ឬប្រកួតប្រជែង)។ | សហការ៖ តំណាងបំបែកគ្រប់គ្រងសណ្ឋាគារ, ជើងហោះហើរ និងកម្សាន្ត។ ប្រកួតប្រជែង៖ តំណាងជាច្រើនប្រកួតប្រជែងដើម្បីបំពេញបន្ទប់សណ្ឋាគារប្រកួតតម្លៃល្អបំផុត។ |
ពេលណាដើម្បីប្រើតំនាង AI
មិនមានន័យថាអ្នក អាច ប្រើតំនាង AI គឺតែងតែ គួរត្រូវ ត្រូវប្រើ។ អ្នកមើលស្ថានភាពដែលតំនាងចេញពីពន្លឺពិតប្រាកដ៖
- បញ្ហាបើកចំហ — ពេលជំហានដើម្បីដោះស្រាយបញ្ហាមិនអាចកំណត់ជាមុនបាន។ អ្នកត្រូវការឲ្យ LLM រកផ្លូវដោយដៃអក្សរចលនា។
- ដំណើរការជាជំហានច្រើន — ភារកិច្ចដែលត្រូវប្រើឧបករណ៍ជាច្រើនជុំវិញមិនមែនតែស្វែងរក ឬបង្កើតតែទៅ។
- កែលម្អជាងមុននៅពេលខ្លីៗ — ពេលដែលអ្នកចង់ឲ្យប្រព័ន្ធកាន់តែចេះច្រើនផ្អែកលើមតិយោបល់អ្នកប្រើ ឬសញ្ញាពីបរិយាកាស។
យើងនឹងពន្យល់ជ្រៅជាងនេះពេលដែល (និងពេលដែល មិន ត្រូវ) ប្រើតំនាង AI ក្នុងមេរៀន សាងសង់តំនាង AI មានទំនុកចិត្ត នៅពេលក្រោយ។
មូលដ្ឋាននៃដំណោះស្រាយមានអាជីព
ការអភិវឌ្ឍតំណាង
រឿងដំបូងដែលអ្នកធ្វើនៅពេលសាងសង់តំណាងគឺកំណត់ អ្វីដែលវាអាចធ្វើបាន — ឧបករណ៍ សកម្មភាព និងនិន្នាការ។
ក្នុងវគ្គនេះ យើងប្រើ Microsoft Foundry Agent Service ជាវេទិកាចម្បង។ វាសម្រួល:
- ម៉ូដែលពីអ្នកផ្គត់ផ្គង់ដូចជា OpenAI, Mistral, និង Meta (Llama)
- ទិន្នន័យមានអាជ្ញាបណ្ណពីអ្នកផ្គត់ផ្គង់ដូចជា Tripadvisor
- ការបញ្ជាក់ឧបករណ៍ OpenAPI 3.0 តាមស្តង់ដារ
លំនាំមានអាជីព
អ្នកទំនាក់ទំនងជាមួយ LLMs តាមរយៈខេមប្រ៉ូម។ ជាមួយតំនាង អ្នកមិនអាចដាក់ព្រំដែនគ្រប់ខេមប្រ៉ូមដោយដៃបានទេ — តំនាងត្រូវអនុវត្តសកម្មភាពជាច្រើនជំហាន។ នេះជាកន្លែងដែល លំនាំមានអាជីព ចូលរួម។ វាជាយុទ្ធសាស្រ្តអាចប្រើវិញសម្រាប់ការបញ្ចូលនិងគ្រប់គ្រង LLMs ដោយវិធីសាស្រ្តមានការអាចពឹងពាក់បាន និងមានស្ដង់ដារ។
វគ្គនេះត្រូវបានរចនាផ្អែកលើលំនាំមានអាជីពដែលពេញនិយម និងមានប្រយោជន៍បំផុត។
ស៊ុមមានអាជីព
ស៊ុមមានអាជីពផ្តល់ម៉ូដែលត្រៀមរួច ឧបករណ៍ និងហេដ្ឋារចនាសម្ព័ន្ធសម្រាប់បង្កើតតំនាង។ វាធ្វើឲ្យមានភាពងាយស្រួលក្នុងការចូលរួម:
- ភ្ជាប់ឧបករណ៍និងកម្រាស់សមត្ថភាព
- តាមដានអ្វីដែលតំនាងកំពុងធ្វើ (និងកែលម្អករណីខូចនៅពេលវាខូច)
- ធ្វើការសហការណ៍ជាមួយតំនាងច្រើន
ក្នុងវគ្គនេះ យើងផ្តោតលើ Microsoft Agent Framework (MAF) សម្រាប់ការសាងសង់តំនាងក្នុងផលិតកម្ម។
គំរូកូដ
ត្រៀមរួចក្នុងការមើលវាធ្វើការ? នេះគឺជាគំរូកូដសម្រាប់មេរៀននេះ:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
មានសំណួរទេ?
រួមចំណែកជាមួយMicrosoft Foundry Discord ដើម្បីភ្ជាប់ជាមួយអ្នករៀនផ្សេងទៀត ចូលរួមក្នុងម៉ោងការិយាល័យ និងទទួលបានចម្លើយសំណួរអំពីតំនាង AI របស់អ្នកពីសហគមន៍។
សាកល្បងស្ដង់ដាតំនាងនេះ (បើចង់)
បន្ទាប់ពីអ្នករៀនចែកចាយតំនាងនៅក្នុង មេរៀន 16 អ្នកអាចបន្ថែមការត្រួតពិនិត្យសុខភាពបន្ទាប់បញ្ចូលឆាប់រហ័សសម្រាប់ TravelAgent នៃមេរៀននេះជាមួយបញ្ជីរាយការណ៍ដែលបានរៀបចំរួច tests/lesson-01-smoke-tests.json។ សូមមើល tests/README.md សម្រាប់វិធីអនុវត្ត។
មេរៀនមុន
មេរៀនបន្ទាប់
ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។