ai-agents-for-beginners

Intro to AI Agents

(ဤသင်ခန်းစာအတွက် ဗီဒီယိုကို ကြည့်ရန် အပေါ်ဓာတ်ပုံကို နှိပ်ပါ)

AI ကိုယ်စားလှယ်များနှင့် ကိုယ်စားလှယ်အသုံးပြုမှုကိစ္စများအတွက် မိတ်ဆက်ခြင်း

AI ကိုယ်စားလှယ်များအတွက် စတင်သောသူများ သင်ခန်းစာသို့ ကြိုဆိုပါတယ်! ဤသင်ခန်းစာသည် သင်ကိုမူလခံယူချက်များနှင့် ကိုယ်စားလှယ်များကို စတင်တည်ဆောက်ရန် အလုပ်ဖြစ်သောကုတ်များကို ပေးစွမ်းသည်။

Azure AI Discord Community တွင် ပြောလိုက်ပါဦး — ၎င်းက သင်ယူနေသူများနှင့် AI တည်ဆောက်သူများဖြင့် ပြည့်နေရပြီး မေးခွန်းများကို တုံ့ပြန်နိုင်ပါသည်။

တည်ဆောက်ခြင်းပိုင်ဆိုင်မှုမှ မတိုင်မှီ AI ကိုယ်စားလှယ်ဆိုတာဘာလဲဆိုတာနဲ့ ဘယ်အချိန်မှာ အသုံးပြုသင့်တယ်ဆိုတာကို သိရှိရအောင် အတိအကျ နားလည်ကြမယ်။

မိတ်ဆက်ခြင်း

ဒီသင်ခန်းစာတွင် ပါဝင်သည်မှာ-

သင်ယူလိုသောရည်မှန်းချက်များ

ဒီသင်ခန်းစာအဆုံးတွင် သင်အရည်အချင်းရှိသင့်သည်မှာ-

AI ကိုယ်စားလှယ်များကို သတ်မှတ်ခြင်းနှင့် AI ကိုယ်စားလှယ်အမျိုးအစားများ

AI ကိုယ်စားလှယ်များဆိုတာဘာလဲ?

ဒီဟာကို လွယ်ကူစွာ ထောက်လှမ်းကြည့်ရအောင်-

AI ကိုယ်စားလှယ်များက အသုံးပြုသူများသို့ မေးခွန်းတောင်းဆိုခြင်းအတွက်သာ မဟုတ်ဘဲ ကိရိယာများႏွင့် အသိပညာပေးခြင်းဖြင့် ကမ္ဘာ့အပေါ် အကောင်အထည်ဖော်နိုင်စေရန် လုပ်ဆောင်ခွင့်ရှိသည့် စနစ်များဖြစ်သည်။

အဲဒါကို နည်းနည်းရှင်းပြပါမယ်။

What Are AI Agents?

AI ကိုယ်စားလှယ်အမျိုးအစားအမျိုးမျိုး

ကိုယ်စားလှယ်အားလုံးသည် တူညီစွာ မတည်ဆောက်ထားပါ။ ခရီးသွားစာရင်းသွင်းရေးကိုယ်စားလှယ်၏ ဥပမာဖြင့် အမျိုးအစားများကို အောက်တွင် ဖော်ပြပါသည်။

ကိုယ်စားလှယ်အမျိုးအစား လုပ်ဆောင်ချက် ခရီးသွားကိုယ်စားလှယ် ဥပမာ
ရိုးရှင်းပြီးတုံ့ပြန်သောကိုယ်စားလှယ်များ ခိုင်မာစွာရေးသားထားသော စည်းကမ်းများ အတိုင်းလိုက်နာသည် — မှတ်ဉာဏ်မရှိ၊ စီစဉ်မှုမရှိ။ တုံ့ပြန်ရေးမေးလ်များကို မြင် → ဖောက်သည်ဝန်ဆောင်မှုသို့ ပြန်ပို့သည်။ အဲဒါဖြစ်တယ်။
မော်ဒယ်အခြေခံ တုံ့ပြန်မှုကိုယ်စားလှယ်များ ကမ္ဘာ့သဘောတရားကို ပုံစံတစ်ခုထဲသိမ်းပြီး ပြောင်းလဲမှုရှိသည့်အခါ အပ်ဒိတ်လုပ်သည်။ အစဉ်လိုက် လေယာဉ်ဈေးနှုန်းများကို မှတ်သားပြီး မကြာခဏ ပိုဈေးကြီးသောလမ်းကြောင်းများကို မှတ်သားသည်။
ရည်မှန်းချက်အခြေခံကိုယ်စားလှယ်များ ရည်မှန်းချက်တစ်ခုရှိပြီး ဦးတည်ရာကို အဆင့်ဆင့် ရှာဖွေသည်။ သင်၏လက်ရှိတည်နေရာမှ ပန်းတိုင်သို့ တစ်ခြားခရီးစဉ်များ (လေယာဉ်၊ ကား၊ ဟိုတယ်) ကို စာရင်းသွင်းသည်။
အသုံးဝင်မှုအခြေခံကိုယ်စားလှယ်များ ဖြေရှင်းချက်တစ်ခုသာ မရှာဖွေဘဲ — စျေးနှုန်းနှင့် အဆင်ပြေမှုတို့ကို ဆန်းစစ်ပြီး အကောင်းဆုံးဖြေရှင်းချက်ကို ရှာသည်။ သင့်ရဲ့ နှစ်သက်မှုများအတွက် အကောင်းဆုံးခရီးစဉ်ကို စျေးနှုန်းနှင့် အဆင်ပြေမှု ကြားညှိနှိုင်းနှင့် ရှာဖွေသည်။
လေ့လာမှုကိုယ်စားလှယ်များ အကြောင်းပြချက်များမှ တုံ့ပြန်မှုများအပေါ် မူတည်ပြီး အချိန်နှင့်အမျှ ပိုမိုကောင်းမွန်လာသည်။ ခရီးပြီးနောက် ဖောက်သည်တုံ့ပြန်ချက်များအပေါ် မူတည်၍ နောက်ထပ် စာရင်းသွင်းမှု အကြံပေးချက်များကို ပြင်ဆင်သည်။
အဆင့်အတန်းအလိုက် ကိုယ်စားလှယ်များ မိမိလုပ်ငန်းကို အပိုင်းအချုပ်လှုပ်ရှားမှုများအား ခွဲခြားပြီး အနိမ့်အဆင့်ကိုယ်စားလှယ်များထံ လွှဲအပ်သည်။ “ခရီးစဉ်ဖျက်ရန်” တောင်းဆိုမှုသည်ခွဲပြီး: လေယာဉ်ဖျက်ရန်၊ ဟိုတယ်ဖျက်ရန်၊ ကားငှားဖျက်ရန် — တစ်ခုချင်းစီကို ကိုယ်စားလှယ်သေးထံကြားသည်။
အလွှဲအပြောင်း ကိုယ်စားလှယ်စနစ်များ (MAS) မျိုးစုံ ကြားခံကိုယ်စားလှယ်များ သယံဇာတချင်းစီးပွား နှင့် ပူးပေါင်းပြီး လုပ်ဆောင်သည်။ ပူးပေါင်းမှု: ဟိုတယ်၊ လေယာဉ်နှင့် ဖျော်ဖြေရေး အတွက် ကိုယ်စားလှယ်များ ခွဲထားသည်။ ယှဉ်ပြိုင်မှု: ကွဲပြားသော ကိုယ်စားလှယ်များသည် ဟိုတယ်ခန်းများအတွက် အကောင်းဆုံးစျေးနှုန်းဖြင့် ယှဉ်ပြိုင်သည်။

AI ကိုယ်စားလှယ်များကို ဘယ်အချိန် အသုံးပြုရမလဲ

AI ကိုယ်စားလှယ်ကို အသုံးပြုနိင်သည်သာဖြစ်၍ အမြဲလိုအပ်သည်ဆိုတာ မဟုတ်ပါ။ ကိုယ်စားလှယ်များ လွန်ကဲစွာဖြစ်သော အခြေအနေများမှာ -

When to use AI Agents?

ဒီသင်ခန်းစာတွင် အတူသင့်တော်မှုရှိသော AI ကိုယ်စားလှယ်များ အသုံးပြုရသော နှင့် မသုံးရသော အချိန်များကို နက်နဲစွာ လေ့လာပါမည်။

ကိုယ်စားလှယ်ဖြေရှင်းချက်အခြေခံများ

ကိုယ်စားလှယ်တည်ဆောက်ခြင်း

ကိုယ်စားလှယ်တစ်ခု တည်ဆောက်ရာတွင် အရင်ဆုံး သတ်မှတ်ရမည့်အရာမှာ ၎င်း၏ လုပ်ဆောင်နိုင်မှု — ၎င်း၏ ကိရိယာများ၊ လုပ်ဆောင်ချက်များနဲ့ အပြုအမူများဖြစ်သည်။

ဒီသင်ခန်းစာတွင် ကျွန်တော်တို့ သုံးသော ပလက်ဖောင်းမှာ Microsoft Foundry Agent Service ဖြစ်ပါသည်။ ၎င်းက ထောက်ပံ့ပါသည်။

ကိုယ်စားလှယ်ပုံစံများ

LLMs နှင့်ဆက်သွယ်ရာတွင် မေးခွန်းတောင်းဆိုမှုများမှတဆင့် ဆက်သွယ်သည်။ ကိုယ်စားလှယ်များတွင် အနည်းငယ်တစ်ခုချင်းစီကို လက်စွဲလုပ်၍ မဖြစ်နိုင်ပါ — ကိုယ်စားလှယ်သည် အဆင့်အများစွာ လုပ်ဆောင်မှုများ ဆောင်ရွက်ရမည်။ ဒါ့အတွက် Agentic Patterns တွေကို အသုံးပြုသည်။ ၎င်းတို့သည် LLMs အတွက် ပိုမို ချောမွေ့၍ ယုံကြည်စိတ်ချရသော လမ်းညွှန်မှုများဖြစ်သည်။

ဤသင်ခန်းစာသည် အများဆုံးနှင့် အထောက်အကူပြုသော ကိုယ်စားလှယ်ပုံစံများပေါ် အခြေခံ၍ ဖွဲ့စည်းထားသည်။

ကိုယ်စားလှယ် အခြေခံစနစ်များ

ကိုယ်စားလှယ်တည်ဆောက်သူများအတွက် ဖန်တီးပြီးသား ပုံစံများ၊ ကိရိယာများနှင့် အဆောက်အအုံများကို ပေးသည်။ ၎င်းသည် လွယ်ကူစေသည်။

ဒီသင်ခန်းစာတွင် ကျွန်တော်တို့သည် ထုတ်လုပ်မှုအဆင့်ကို အသုံးပြုနိုင်သော အနေဖြင့် Microsoft Agent Framework (MAF) ကို အဓိကထား ဆွေးနွေးပါမည်။

ကုဒ်ကို ဥပမာများ

လုပ်ဆောင်မှုကို ကြည့်ရှုရန် အသင့်ဖြစ်ပါပြီလား? ဒီသင်ခန်းစာအတွက် ကုဒ်ဥပမာများမှာ -

မေးခွန်းများရှိပါသလား?

အခြားသင်ယူသူများနှင့် ဆက်သွယ်ရန်၊ ရုံးချိန်အချိန်ဝင်ဆင်းရန် နှင့် သင်၏ AI ကိုယ်စားလှယ်ဆိုင်ရာ မေးခွန်းများအား အသိုင်းအဝိုင်းမှ ဖြေကြားနိုင်ရန် Microsoft Foundry Discord တွင် ပူးပေါင်းပါ။

ဒီကိုယ်စားလှယ်ကို စမ်းသပ်ခြင်း (စိတ်ကြိုက်)

Lesson 16 တွင် ကိုယ်စားလှယ်များ ထည့်သွင်းတင်သွင်းနိုင်သည်ကို သင်ယူပြီးနောက် ဒီသင်ခန်းစာ၏ TravelAgent အတွက် ပြီးပြည့်စုံသော စောင့်ကြည့်မှု စစ်ဆေးမှုကို စိတ်ကြိုက် ကားတောက္ခာလုံး tests/lesson-01-smoke-tests.json မှူးသုံးပါ။ အဆိုပါ စစ်ဆေးမှု အကျဉ်းကို ကြည့်ရန် tests/README.md ကို ကြည့်ပါ။

ယခင်သင်ခန်းစာ

Course Setup

နောက်တန်းသင်ခန်းစာ

Exploring Agentic Frameworks

ပြောကြားချက် ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။

This site is open source. Improve this page.