ai-agents-for-beginners

(ಈ ಪಾಠದ ವಿಡಿಯೋ ನೋಡಲು ಮೇಲಿನ ಚಿತ್ರ ಕ್ಲಿಕ್ ಮಾಡಿ)

ಯೋಜನೆ ವಿನ್ಯಾಸ

ಪರಿಚಯ

ಈ ಪಾಠದಲ್ಲಿ ಒಳಗೊಂಡಿದೆ

• ಸ್ಪಷ್ಟ ಸಮಗ್ರ ಗುರಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಸಂಕೀರ್ಣ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಣీయವಾದ ಕಾರ್ಯಗಳಿಗೆ ವಿಭಜಿಸುವುದು.
• ಹೆಚ್ಚಿನ ನಿರ್ವಹಣೀಯ ಮತ್ತು ಯಂತ್ರ-ಓದಬಹುದಾದ ಪ್ರತ್ಯುತ್ತರಗಳುಗಾಗಿ ರಚಿಸಲಾದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬಳಸುವುದು.
• ಪ್ರತ್ಯೇಕ ಕೆಲಸಗಳು ಮತ್ತು ಅನಿರೀಕ್ಷಿತ ಇನ್ಪುಟ್‌ಗಳನ್ನು ನಿಭಾಯಿಸಲು ಘಟನೆ ನೇರಿತ 접근ವನ್ನು ಅನ್ವಯಿಸುವುದು.

ಕಲಿಕೆಯ ಗುರಿಗಳು

ಈ ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ನೀವು ಈ ವಿಷಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿರಿ:

• AI ಏಜೆಂಟ್‌ಗಾಗಿ ಒಟ್ಟಾರೆ ಗುರಿಯನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ಹೊಂದಿಸಿ; ಏನನ್ನು ಸಾಧಿಸಬೇಕೆಂದು ಅದು ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿದುಕೊಳ್ಳುವಂತೆ ಮಾಡುವುದು.
• ಸಂಕೀರ್ಣ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಣೀಯ ಉಪಕಾರ್ಯಗಳಾಗಿ ವಿಭಜಿಸಿ ಮತ್ತು ನಟಾನುಗತ ಕ್ರಮದಲ್ಲಿ ಸಂಘಟಿಸುವುದು.
• ಏಜೆಂಟ್‌ಗಳಿಗೆ ಸರಿಯಾದ ಉಪಕರಣಗಳು (ಉದಾ: ಹುಡುಕಾಟ ಉಪಕರಣಗಳು ಅಥವಾ ಡೇಟಾ ವಿಶ್ಲೇಷಣಾ ಉಪಕರಣಗಳು) ಲಭಿಸುವಂತೆ ಮಾಡಲು, ಅವುಗಳನ್ನು ಯಾವಾಗ ಮತ್ತು ಹೇಗೆ ಬಳಸಬೇಕು ತೀರ್ಮಾನಿಸಿ ಮತ್ತು ಎದುರ ہونے ಅಸಾಮಾನ್ಯ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ನಿಭಾಯಿಸುವುದು.
• ಉಪಕಾರ್ಯದ ಫಲಿತಾಂಶಗಳನ್ನು ಅಳೆಯಿರಿ, ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ಮತ್ತು ಕೊನೆಯ ಔಟ್‌ಪುಟ್ ಸುಧಾರಿಸಲು ಕ್ರಮಗಳನ್ನು ಪುನರಾವರ್ತಿಸಿ.

ಒಟ್ಟು ಗುರಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಕಾರ್ಯವನ್ನು ವಿಭಜಿಸುವುದು

ಬಹುತೆಕ ನಿಜಜೀವನದ ಕಾರ್ಯಗಳು ಒಬ್ಬದೊಳಗೆ ಮಾಡುವುದು ತುಂಬಾ ಸಂಕೀರ್ಣವಾಗಿರುತ್ತವೆ. AI ಏಜೆಂಟ್‌ಗಾಗಿ ಅದರ ಯೋಜನೆ ಮತ್ತು ಕ್ರಿಯೆಗಳು ಮಾರ್ಗದರ್ಶನಕ್ಕೆ ಸಂಕ್ಷಿಪ್ತ ಗುರಿ ಬೇಕು. ಉದಾಹರಣೆಗೆ, ಗುರಿ ಪರಿಗಣಿಸಿ:

"ಮೂರು ದಿನಗಳ ಪ್ರಯಾಣ ಯೋಜನೆಯನ್ನು ಸೃಷ್ಟಿಸಿ."

ಇದು ಹೇಳಲು ಸರಳವಾಗಿದ್ದರೂ, ಇನ್ನೂදೂ ಸುಧಾರಣೆಯ ಅಗತ್ಯವಿದೆ. ಗುರಿ ತುಳಿತವಾದಷ್ಟು, ಏಜೆಂಟ್ (ಮತ್ತು ಯಾವುದೇ ಮಾನವ ಸಹೋದ್ಯೋಗಿಗಳು) ಸರಿಯಾದ ಫಲಿತಾಂಶವನ್ನು ಸಾಧಿಸಲು ಗಮನಹರಿಸಲು ಸಹಾಯವಾಗುತ್ತದೆ, ಉದಾ: ವಿಮಾನ ಆಯ್ಕೆಗಳು, ಹೋಟೆಲ್ ಶಿಫಾರಸುಗಳು, ಮತ್ತು ಚಟುವಟಿಕೆ ಸಲಹೆಗಳನ್ನು ಒಳಗೊಂಡ ಸಮಗ್ರ ಪಯಣ ಯೋಜನೆ ಸಿದ್ಧಪಡಿಸುವುದು.

ಕಾರ್ಯ ವಿಭಜನೆ

ಬೃಹತ್ ಅಥವಾ ಜಟಿಲ ಕಾರ್ಯಗಳು ಚಿಕ್ಕ, ಗುರಿಯುತ ಉಪಕ್ರಮಗಳಿಗೆ ವಿಭಜಿಸುವಾಗ ಹೆಚ್ಚು ನಿರ್ವಹಣೀಯವಾಗುತ್ತಾರೆ. ಪ್ರಯಾಣ ಯೋಜನೆ ಉದಾಹರಣೆಗೆ, ನೀವು ಗುರಿಯನ್ನು ಈಳುವಂತೆ ವಿಭಜಿಸಬಹುದು:

• ವಿಮಾನ ಬುಕಿಂಗ್
• ಹೋಟೆಲ್ ಬುಕಿಂಗ್
• ಕಾರು ಬಾಡಿಗೆ
• ವ್ಯಕ್ತಿಗತೀಕರಣ

ಪ್ರತಿಯೊಂದು ಉಪಕಾರ್ಯವನ್ನು ಪ್ರತ್ಯೇಕ ಏಜೆಂಟ್‌ಗಳು ಅಥವಾ ಪ್ರಕ್ರಿಯೆಗಳು ನಿಭಾಯಿಸಬಹುದು. ಒಬ್ಬ ಏಜೆಂಟ್ ಉತ್ತಮ ವಿಮಾನ ಡೀಲ್ ಹುಡುಕಲು ಪರಿಣತಿ ಹೊಂದಬಹುದು, ಮತ್ತೊಬ್ಬ ಹೋಟೆಲ್ ಬುಕ್ಕಿಂಗ್‌ಗಳಿಗೆ ಗಮನಹರಿಸುತ್ತಾನೆ. ನಂತರ ಸಹಕರಿಸುವ ಅಥವಾ “ಡೌನ್‌ಸ್ಟ್ರೀಮ್” ಏಜೆಂಟ್ ಈ ಫಲಿತಾಂಶಗಳನ್ನು ಸೇರಿಸಿ ಬಳಕೆದಾರರಿಗೆ ಒಟ್ಟು ಪ್ರಯಾಣ ಯೋಜನೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಈ ಘಟಕ ಆಧಾರಿತ ದೃಷ್ಠಿಕೋನ ಅನುಸಾರ ಕ್ರಮೇಣ ಸುಧಾರಣೆಗಳನ್ನೂ ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಆಹಾರ ಶಿಫಾರಸುಗಳು ಅಥವಾ ಸ್ಥಳೀಯ ಚಟುವಟಿಕೆ ಸಲಹೆಗಳಿಗಾಗಿ ವಿಶೇಷ ಏಜೆಂಟ್‌ಗಳನ್ನು ಸೇರಿಸಿ ಸಮಯದೊಂದಿಗೆ ಯೋಜನೆಯನ್ನು ಫೈನಲ್ ಮಾಡಬಹುದು.

ರಚಿಸಲಾದ ಔಟ್‌ಪುಟ್

ಬೃಹತ್ ಭಾಷಾ ಮಾದರಿಗಳು (LLMs) ರಚಿಸಲಾದ ಔಟ್‌ಪುಟ್ (ಉದಾ: JSON) ರಚಿಸಬಹುದು, ಇದು ಡೌನ್‌ಸ್ಟ್ರೀಮ್ ಏಜೆಂಟ್‌ಗಳು ಅಥವಾ ಸೇವೆಗಳಿಗಾಗಿ ಸುಲಭವಾಗಿ ವಿಶ್ಲೇಷಿಸಲು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸಹಾಯಕ. ಈ ವಿಶೇಷವಾಗಿ ಬಹು ಏಜೆಂಟ್ ಪರಿಸರದಲ್ಲಿ ಪರಿಣಾಮಕಾರಿ, ಇದರೊಂದಿಗೆ ನಾವು ಯೋಜನೆಯ ಔಟ್‌ಪುಟ್ ಮನೆಗೆ ಬಂತು ನಂತರ ಈ ಕಾರ್ಯಗಳನ್ನು ಕೈಗೊಳ್ಳಬಹುದು.

ಕೆಳಗಿನ Python ಸಣ್ಣ ಪ್ರತ್ಯೇಕಣವು ಗುರಿಯನ್ನು ಉಪಕಾರ್ಯಗಳಾಗಿ ವಿಭಜಿಸುವುದು ಮತ್ತು ರಚಿಸಲಾದ ಯೋಜನೆಯನ್ನು ಸೃಷ್ಟಿಸುವ ಸರಳ ಯೋಜನಾ ಏಜೆಂಟ್ ಅನ್ನು ತೋರಿಸುತ್ತದೆ:

from pydantic import BaseModel
from enum import Enum
from typing import List, Optional, Union
import json
import os
from typing import Optional
from pprint import pprint
from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential

class AgentEnum(str, Enum):
    FlightBooking = "flight_booking"
    HotelBooking = "hotel_booking"
    CarRental = "car_rental"
    ActivitiesBooking = "activities_booking"
    DestinationInfo = "destination_info"
    DefaultAgent = "default_agent"
    GroupChatManager = "group_chat_manager"

# ಪ್ರಯಾಣ ಉಪಕಾರ್ಯ ಮಾದರಿ
class TravelSubTask(BaseModel):
    task_details: str
    assigned_agent: AgentEnum  # ನಾವು ಕಾರ್ಯವನ್ನು ಏಜೆಂಟ್‌ಗೆ ನಿಯೋಜಿಸಲು ಇಚ್ಛಿಸುತ್ತೇವೆ

class TravelPlan(BaseModel):
    main_task: str
    subtasks: List[TravelSubTask]
    is_greeting: bool

provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())

# ಬಳಕೆದಾರ ಸಂದೇಶವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ
system_prompt = """You are a planner agent.
    Your job is to decide which agents to run based on the user's request.
    Provide your response in JSON format with the following structure:
{'main_task': 'Plan a family trip from Singapore to Melbourne.',
 'subtasks': [{'assigned_agent': 'flight_booking',
               'task_details': 'Book round-trip flights from Singapore to '
                               'Melbourne.'}
    Below are the available agents specialised in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(input=user_message, instructions=system_prompt)

response_content = response.output_text
pprint(json.loads(response_content))

ಬಹು ಏಜೆಂಟ್ ಸಂಯೋಜನೆಯೊಂದಿಗೆ ಯೋಜನೆ ಏಜೆಂಟ್

ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಒಂದು ಸಿಮೆಂಟಿಕ್ ರೂಟರ್ ಏಜೆಂಟ್ ಬಳಕೆದಾರ ವಿನಂತಿಯನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ (ಉದಾ: “ನನಗೆ ನನ್ನ ಪ್ರಯಾಣಕ್ಕಾಗಿ ಒಂದು ಹೋಟೆಲ್ ಯೋಜನೆ ಬೇಕು.”).

ಯೋಜಕ ನಂತರ:

• ಹೋಟೆಲ್ ಯೋಜನೆಯನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ: ಬಳಕೆದಾರರ ಸಂದೇಶವನ್ನು ವ್ಯಕ್ತಿಗತ ಮಾಡುತ್ತದೆ ಮತ್ತು ವ್ಯವಸ್ಥೆಯ ಸಂವೇದನ (ಲಭ್ಯವಿರುವ ಏಜೆಂಟ್ ವಿವರಗಳು ಸೇರಿ) ಆಧಾರಿತವಾಗಿ ರಚಿಸಲಾದ ಪ್ರಯಾಣ ಯೋಜನೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ.
• ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಅವುಗಳ ಉಪಕರಣಗಳ ಪಟ್ಟಿಯನ್ನು ಸಾದರಪಡಿಸುತ್ತದೆ: ಏಜೆಂಟ್ գրಾತilikom ಫ್ಲೈಟ್, ಹೋಟೆಲ್, ಕಾರು ಬಾಡಿಗೆ ಮತ್ತು ಚಟುವಟಿಕೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಏಜೆಂಟ್‌ಗಳ ಪಟ್ಟಿಯನ್ನು ಮತ್ತು ಅವರ ಕಾರ್ಯಗಳು ಅಥವಾ ಉಪಕರಣಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ.
• ಯೋಜನೆಯನ್ನು ಸಂಬಂಧಿತ ಏಜೆಂಟ್‌ಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ಮಾಡುತ್ತದೆ: ಉಪಕಾರ್ಯಗಳ ಸಂಖ್ಯೆಯ ಆಧಾರದಿಂದ, ಯೋಜಕ ಸಂದೇಶವನ್ನು ನೇರವಾಗಿ ಒಂದು ಏಜೆಂಟ್‌ಗೆ ಕಳುಹಿಸುವುದು (ಒಂದು ಕಾರ್ಯದ ಸಂದರ್ಭಗಳಲ್ಲಿ) ಅಥವಾ ಬಹು ಏಜೆಂಟ್ ಸಹಕಾರಕ್ಕಾಗಿ ಗುಂಪು ಚಾಟ್ ನಿರ್ವಾಹಕ ಮೂಲಕ ಸಂಯೋಜನೆ ನಡೆಸುತ್ತದೆ.
• ಫಲಿತಾಂಶವನ್ನು ಸಾರಾಂಶಗೊಳಿಸುತ್ತದೆ: ಕೊನೆಗೆ, ಯೋಜಕ ಸೃಷ್ಟಿಸಿದ ಯೋಜನೆಯನ್ನು ಸ್ಪಷ್ಟತೆಗೆ ಸಾರಾಂಶಗೊಳಿಸಲು. ಕೆಳಗಿನ Python ಕೋಡ್ ಉದಾಹರಣವು ಈ ಹಂತಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ:

from pydantic import BaseModel

from enum import Enum
from typing import List, Optional, Union

class AgentEnum(str, Enum):
    FlightBooking = "flight_booking"
    HotelBooking = "hotel_booking"
    CarRental = "car_rental"
    ActivitiesBooking = "activities_booking"
    DestinationInfo = "destination_info"
    DefaultAgent = "default_agent"
    GroupChatManager = "group_chat_manager"

# ಪ್ರಯಾಣ ಉಪಕಾರ್ಯ ಮಾದರಿ

class TravelSubTask(BaseModel):
    task_details: str
    assigned_agent: AgentEnum # ನಾವು ಕಾರ್ಯವನ್ನು ಏಜೆಂಟ್‌ಗೆ ನಿಯೋಜಿಸಲು ಇಚ್ಛಿಸುತ್ತೇವೆ

class TravelPlan(BaseModel):
    main_task: str
    subtasks: List[TravelSubTask]
    is_greeting: bool
import json
import os
from typing import Optional

from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential

# ಗ್ರಾಹಕವನ್ನು ರಚಿಸಿ

provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())

from pprint import pprint

# ಬಳಕೆದಾರ ಸಂದೇಶವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ

system_prompt = """You are a planner agent.
    Your job is to decide which agents to run based on the user's request.
    Below are the available agents specialized in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(input=user_message, instructions=system_prompt)

response_content = response.output_text

# ಉತ್ತರವನ್ನು JSON ಅಂದರಾಜು ಮಾಡಿ ನಂತರ ಅದರ ವಿಷಯವನ್ನು ಮುದ್ರಿಸಿ

pprint(json.loads(response_content))

ಕೆಳಗಿನವು ಈ ಪೂರ್ವ ಕೋಡ್‌ನ ಔಟ್‌ಪುಟ್ ಆಗಿದ್ದು ನೀವು ಈ ರಚಿಸಲಾದ ಔಟ್‌ಪುಟ್ ಅನ್ನು assigned_agent ಗೆ ಮಾರ್ಗದರ್ಶನ ಮಾಡಿ ಮತ್ತು ಪ್ರಯಾಣ ಯೋಜನೆಯನ್ನು ಬಳಕೆದಾರರಿಗೆ ಸಾರಾಂಶಗೊಳಿಸಬಹುದು.

{
    "is_greeting": "False",
    "main_task": "Plan a family trip from Singapore to Melbourne.",
    "subtasks": [
        {
            "assigned_agent": "flight_booking",
            "task_details": "Book round-trip flights from Singapore to Melbourne."
        },
        {
            "assigned_agent": "hotel_booking",
            "task_details": "Find family-friendly hotels in Melbourne."
        },
        {
            "assigned_agent": "car_rental",
            "task_details": "Arrange a car rental suitable for a family of four in Melbourne."
        },
        {
            "assigned_agent": "activities_booking",
            "task_details": "List family-friendly activities in Melbourne."
        },
        {
            "assigned_agent": "destination_info",
            "task_details": "Provide information about Melbourne as a travel destination."
        }
    ]
}

ಪೂರ್ವದ ಕೋಡ್ ಉದಾಹರಣೆ ಹೊಂದಿರುವ ಒಂದು ನೋಟ್ಬುಕ್ ಇಲ್ಲಿ ಲಭ್ಯವಿದೆ.

ಪುನರಾವರ್ತಿತ ಯೋಜನೆ

ಕೆಲವು ಕಾರ್ಯಗಳಿಗೆ ಹಿಂದೆ-ಮುಂದೆ ಅಥವಾ ಮರು-ಯೋಜನೆಯ ಅಗತ್ಯವಿರಬಹುದು, ಇಲ್ಲಿ ಒಂದರ ಉಪಕಾರ್ಯದ ಫಲಿತಾಂಶ ಮುಂದಿನದನ್ನು ಪ್ರಭಾವಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಏಜೆಂಟ್ ವಿಮಾನ ಬುಕ್ಕಿಂಗ್ ವೇಳೆ ಅನಿರೀಕ್ಷಿತ ಡೇಟಾ ಸ್ವರೂಪವನ್ನು ಕಂಡರೆ, ಹೋಟೆಲ್ ಬುಕ್ಕಿಂಗ್‌ಗೆ ಮುನ್ನ ತಮ್ಮยุ stratégie (ಯುದ್ಧತಂತ್ರ) ತಿದ್ದುಪಡಿ ಮಾಡಬೇಕಾಗುತ್ತದೆ.

ಅದಕ್ಕೆ ಜೊತೆಗೆ, ಬಳಕೆದಾರ ಅಭಿಪ್ರಾಯ (ಉದಾ: ಮಾನವನು ಮೊದಲು ವಿಮಾನ ಬಯಸುವುದು) ಭಾಗಶಃ ಮರು-ಯೋಜನೆಯನ್ನು ಪ್ರೇರಣೆ ಮಾಡಬಹುದು. ಈ ಚಲನೆಯುತ ಪುನರಾವರ್ತಿತ ದೃಷ್ಠಿಕೋನ ಕೊನೆಯ ಪರಿಹಾರವು ನಿಜಜೀವನದ ನಿಯಮಾವಳಿಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ಬದಲಾಗುತ್ತಿರುವ ಪ್ರಭೇದಗಳಿಗೆ ಸಮ್ಮತಿಯಾಗುವಂತೆ ಖಚಿತಪಡಿಸುತ್ತದೆ.

ಉದಾ: ಸಂಖ್ಯಾತ್ಮಕ ಕೊಡಗಳು

from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential
#.. ಇತ್ತೀಚಿನ ಕೋಡ್‌ನಂತೆಯೇ ಮತ್ತು ಬಳಕೆದಾರರ ಇತಿಹಾಸ, ಪ್ರಸ್ತುತ ಯೋಜನೆ ಸಹ ಒಪ್ಪಿಸು

system_prompt = """You are a planner agent to optimize the
    Your job is to decide which agents to run based on the user's request.
    Below are the available agents specialized in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(
    input=user_message,
    instructions=system_prompt,
    context=f"Previous travel plan - {TravelPlan}",
)
# .. ಮರು-ಯೋಜಿಸಿ ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಸಂಬಂಧಿತ ಪ್ರಮುಖರಿಗೆ ಕಳುಹಿಸು

ವಿಸ್ತೃತ ಯೋಜನೆಗಾಗಿ Magnetic One ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ನೋಡಿ, ಇದು ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ಸಮರ್ಪಕವಾಗಿ ಪರಿಹರಿಸಲು.

ಸಾರಾಂಶ

ಈ ಲೇಖನದಲ್ಲಿ ನಾವು ಸೇರಿಕೆಯಾಗಿ ಲಭ್ಯವಿರುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಆಯ್ಕೆಮಾಡಲು ಸಾಧ್ಯವಾಗುವ ಯೋಜಕನ ಒದಗಿಸುವ ಉದಾಹರಣೆಯನ್ನು ನೋಡಿದ್ದೇವೆ. ಯೋಜಕದ ಔಟ್‌ಪುಟ್ ಕಾರ್ಯಗಳನ್ನು ವಿಭಜಿಸಿ, ನಿರ್ವಹಿಸಲು ಏಜೆಂಟ್ಗಳಿಗೆ ನಿಯೋಜಿಸುತ್ತದೆ. ಈ ಏಜೆಂಟ್‌ಗಳಿಗೆ ಕಾರ್ಯ ನಿರ್ವಹಿಸಲು ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳು/ಉಪಕರಣಗಳು ಲಭ್ಯವಿವೆ ಎಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ. ಏಜೆಂಟ್‌ಗಳಿಗೆ ಜೊತೆಗೆ ನೀವು ಅನ್ಯ ಮಾದರಿಗಳನ್ನು ಸೇರಿಸಬಹುದು, ಉದಾ: ಪರಾವಳಿ, ಸಾರಾಂಶಗಾರ ಮತ್ತು ಸುತ್ತುವರಿದ ಚಾಟ್ ಮುಂತಾದವುಗಳನ್ನು ಹೆಚ್ಚು ವೈಯಕ್ತೀಕರಿಸಲು.

ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳು

Magentic One - ಸಾಮಾನ್ಯ ಬಹು ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆ, ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ಪರಿಹರಿಸಲು ಮತ್ತು ವಿವಿಧ ಕಠಿಣ ಎಜೆಂಟಿಕ್ ಬೆಂಚ್ಮಾರ್ಕ್‌ಗಳಲ್ಲಿ ಶ್ರೇಷ್ಠ ಫಲಿತಾಂಶಗಳಿಗೇಡಾಗಿದೆ. ಉಲ್ಲೇಖ: Magentic One. ಈ ಅನುಷ್ಠಾನದಲ್ಲಿ, ಸಂಯೋಜಕ ಕಾರ್ಯ ನಿರ್ದಿಷ್ಟ ಯೋಜನೆಗಳನ್ನು ರಚಿಸಿ ಲಭ್ಯವಿರುವ ಏಜೆಂಟ್‌ಗಳಿಗೆ ಕಾರ್ಯಗಳನ್ನು ವಹಿಸುತ್ತದೆ. ಯೋಜನೆ ಜೊತೆಗೆ, ಸಂಯೋಜಕ ಕಾರ್ಯದ ಪ್ರಗತಿ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಹಾಗೂ ಅಗತ್ಯವಾಗಿ ಮರು-ಯೋಜನೆ ಮಾಡಬಹುದಾದ ಟ್ರ್ಯಾಕಿಂಗ್ ಸಂವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ.

ಯೋಜನಾ ವಿನ್ಯಾಸ ಮಾದರಿಯ ಕುರಿತು ಇನ್ನಷ್ಟು ಪ್ರಶ್ನೆಗಳಿವೆಯೆ?

Microsoft Foundry Discord ನಲ್ಲಿ ಸೇರಿ, ಇತರ ಕಲಿಕಾರರಿಗೆ ಭೇಟಿ ನೀಡಿ, ಕಾರ್ಯಾಲಯ ಘಂಟೆಗಳಲ್ಲಿ ಭಾಗವಹಿಸಿ ಹಾಗೂ ನಿಮ್ಮ AI ಏಜೆಂಟ್ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರ ಪಡೆಯಿರಿ.

ಹಿಂದಿನ ಪಾಠ

ನಂಬಿಕাযোগ್ಯ AI ಏಜೆಂಟ್ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು

ಮುಂದಿನ ಪಾಠ

ಬಹು-ಏಜೆಂಟ್ ವಿನ್ಯಾಸ ಮಾದರಿ

---

ಬಿಡುಗಡೆ ಪತ್ರಿಕೆ:
ಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ Co-op Translator ಬಳಸಿ ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳಿರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಡಾಕ್ಯುಮೆಂಟ್ ಅದರ ಪ್ರಾಥಮಿಕ ಭಾಷೆಯಲ್ಲಿ ಆಡಳಿತಾತ್ಮಕ ಮೂಲವಾಗಿ ಪರಿಗಣಿಸಲ್ಪಡೆದು야 합니다. ಮುಖ್ಯ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಈ ಭಾಷಾಂತರ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗ್ರಹಿಕೆಗಳು ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಗಾಗಿ ನಾವು ಜವಾಬ್ದಾರರು ಅಲ್ಲ.

This site is open source. Improve this page.