ai-agents-for-beginners
(ဤသင်ခန်းစာအတွက် ဗီဒီယိုကို ကြည့်ရန် အပေါ်တွင်ရှိသော ပုံပေါ်ကို နှိပ်ပါ)
AI အေးဂျင့်များနှင့် အေးဂျင့်အသုံးပြုမှုကိစ္စများအကြောင်း မိတ္ဆက်
AI အေးဂျင့်များအတွက် စတင်လေ့လာသူများ သင်တန်းမှာ ကြိုဆိုပါတယ်! ဤသင်တန်းသည် AI အေးဂျင့်များကို အစမှ စတင်တည်ဆောက်ရန် အခြေခံ အသိပညာနှင့် လက်တွေ့အလုပ်လုပ်နိုင်သော ကုဒ်များကို ပေးအပ်သည်။
Azure AI Discord အဖွဲ့အစည်း တွင် ကျွန်ုပ်တို့နှင့် မိတ်ဆက်ကြပါစို့ — ဤနေရာတွင် သင်ယူနေသူများနှင့် AI တည်ဆောက်သူများက ပြဿနာများကို ဖြေကြားရန် ပြောဆိုနိုင်ကြသည်။
တည်ဆောက်စတင်မတိုင်မီ၊ AI အေးဂျင့်ဆိုတာဘာလဲ၊ ဘာအခါတွင် အသုံးပြုသင့်သည်ကို အတိအကျ နားလည်ထားကြပါစို့။
မိတ်ဆက်
ဤသင်ခန်းစာတွင် ပါဝင်သည့်အကြောင်းအရာများမှာ -
- AI အေးဂျင့်များဆိုတာဘာလဲ၊ အမျိုးအစားများကဘာတွေရှိတယ်ဆိုတာ
- AI အေးဂျင့်များကို အကောင်းဆုံး သုံးနိုင်တဲ့ လုပ်ငန်းအမျိုးအစားများ
- အေးဂျင့်ဖြေရှင်းချက်ရေးဆွဲချိန်တွင် အသုံးပြုမည့် အဓိက ဖွဲ့စည်းပုံများ
သင်ယူရန်ရည်ရွယ်ချက်များ
ဤသင်ခန်းစာ အဆုံးသတ်သည်နှင့်အမျှ -
- AI အေးဂျင့်ဆိုတာ ဘာလဲ၊ ရိုးရိုး AI ဖြေရှင်းချက်နှင့် မည်သို့ကွဲပြားသည်ကို ရှင်းပြနိုင်ရမည်
- ဘယ်အချိန်တွင် AI အေးဂျင့်ကို အသုံးပြုသင့်/မသင့်ကို သိရှိရမည်
- အမှန်တကယ် ကြုံတွေ့နေရသော ပြဿနာတစ်ခုအတွက် အခြေခံ Agentic ဖြေရှင်းမှု ပုံစံကို ခြုံငုံရေးဆွဲနိုင်ရမည်
AI အေးဂျင့်များ၏ အဓိပ္ပာယ်မှတ်သားခြင်းနှင့် AI အေးဂျင့်အမျိုးအစားများ
AI အေးဂျင့်များဆိုတာဘာလဲ?
အရိုးရှင်းဆုံးဖော်ပြချက် -
AI အေးဂျင့်များသည် အကြီးစားဘာသာစကားမော်ဒယ်များ (LLMs) ကို ကောလဟာလမပြုဘဲ ကမ္ဘာ့လုပ်ငန်းများကို လုပ်ဆောင်နိုင်ရန် စနစ်များဖြစ်သည် - ကိရိယာများနှင့် အသိပညာများပေးပြီး တုံ့ပြန်ချက်ထုတ်ဖော်ခြင်းပင်သာ မဟုတ်ပဲ။
ဒီအယူအဆကို ပိုမိုရှင်းလင်းစေမယ့်အချက်များမှာ -
- စနစ် — AI အေးဂျင့်သည် တစ်ခုတည်းသော အရာတစ်ခုမဟုတ်ပါ။ အစိတ်အပိုင်းများစုပေါင်းသော စနစ်တစ်ခုဖြစ်သည်။ အေးဂျင့်အားလုံးတွင်အခြေခံအားဖြင့် အပိုင်းသုံးခုရှိသည်။
- ပတ်ဝန်းကျင် — အေးဂျင့်သည် လည်ပတ်သော နေရာ။ ခရီးသွားစာရင်းအမိန့်အေးဂျင့်အတွက် ဤသည်မှာ booking platform ဖြစ်သည်။
- စင်ဆာများ — အေးဂျင့်သည် ပတ်ဝန်းကျင်၏ လက်ရှိအခြေအနေကို ဖတ်ရှုကာ သိရှိသည်။ ခရီးသွားအေးဂျင့်သည် ဟိုတယ်ရရှိနိုင်မှု သို့မဟုတ် လေယာဉ်ဈေးနှုန်းများကို စစ်ဆေးနိုင်သည်။
- ဆောင်ရွက်သူများ — အေးဂျင့်သည် လုပ်ဆောင်ချက်များကို ကျင့်သုံးသည်။ ခရီးသွားအေးဂျင့်သည် အခန်းမှာယူခြင်း၊ အတည်ပြုချက်ပို့ခြင်း သို့မဟုတ် ရပ်ဆိုင်းခြင်းတို့ကို ဖန်တီးနိုင်သည်။
-
အကြီးစားဘာသာစကား မော်ဒယ်များ — AI အေးဂျင့်များသည် LLM မရှိခင်မှ ရှိခဲ့သော်လည်း၊ ယနေ့ခေတ်အေးဂျင့်များအားလုံးကို ထိရောက်စေရန် LLM များက အရေးပါသည်။ ၎င်းတို့သည် သဘာဝဘာသာစကားကို နားလည်နိုင်ပြီး၊ စာစဉ်အတိအကျကို ကိုင်တွယ်နိုင်ပြီး၊ အသုံးပြုသူတောင်းဆိုချက် များကို တိကျသော လုပ်ဆောင်မှုအစီအစဉ်များသို့ ပြောင်းလဲနိုင်သည်။
-
လုပ်ဆောင်ချက်များ ဆောင်ရွက်ခြင်း — အေးဂျင့်စနစ်မရှိဘဲ LLM သည် စာသားထုတ်ပေးခြင်းသာ လုပ်နိုင်သည်။ အေးဂျင့်စနစ်ပေါ်တွင် LLM သည် အမှန်တကယ် ခြေလှမ်းများ ကို ထိုးဆောင်နိုင်သည်။ ဥပမာအနေနှင့် ဒေတာဘေ့စ်တွင် ရှာဖွေခြင်း၊ API ကို ခေါ်ယူခြင်း၊ စာတိုက်ပို့ခြင်း။
-
ကိရိယာများထံ လက်လှမ်းရောက်ခြင်း — အေးဂျင့်သည် သုံးနိုင်သော ကိရိယာများသည် (1) လည်ပတ်နေသော ပတ်ဝန်းကျင်ပေါ်မူတည်ပြီး (2) ဖန်တီးသူက မည်သို့ ပံ့ပိုးပေးသည်ကို သတ်မှတ်ခြင်းရှိသည်။ ခရီးသွားအေးဂျင့်သည် လေယာဉ်များကို ရှာဖွေသော်လည်း ဖောက်သည်မှတ်တမ်းများကို ပြင်ဆင်၍ မရနိုင်ပါ — သင်တပ်ဆင်သောအရာပင် ဖြစ်သည်။
-
မှတ်ဉာဏ် + အသိပညာ — အေးဂျင့်များမှာ ထိပ်တန်းမှတ်ဉာဏ် (လက်ရှိ စကားပြောဆိုမှု) နှင့် နောက်ခံမှတ်ဉာဏ် (ဖောက်သည်ဒေတာဘေ့စ်၊ နောက်ဆုံး စကားပြောမှုများ) ရနိုင်သည်။ ခရီးသွားအေးဂျင့်သည် သင် မျက်နှာပြင်ထောင့်ထပ်ထိုင်ခြင်းကို နှစ်သက်ကြောင်း “မှတ်ဆ”နိုင်သည်။
AI အေးဂျင့်အမျိုးအစားများ
အေးဂျင့်များ အားလုံးသည် တူညီသောပုံစံဖြင့် မတည်ဆောက်ထားကြပါ။ ခရီးသွားအေးဂျင့်ကို နမူနာအဖြစ် အသုံးပြုသောအခါ အဓိကအမျိုးအစားများကို အောက်ပါအတိုင်း ခွဲခြားကြည့်ပါ။
| အေးဂျင့်အမျိုးအစား | လုပ်ဆောင်ချက် | ခရီးသွားအေးဂျင့်နမူနာ |
|---|---|---|
| ရိုးရှင်းသော ဆိုင်ရာခြေအက်အေးဂျင့်များ | စည်းကမ်းသတ်မှတ်ချက်များကို လိုက်နာသည် — မှတ်ဉာဏ်မရှိ၊ စီမံကိန်းမရှိ။ | တိုင်ကြားစာကြည့်မိ → ကုန်ကျစရိတ် ဝန်ဆောင်မှုကို ပို့သည်။ အဲဒါပဲ။ |
| ပုံစံအခြေပြု ဆိုင်ရာခြေအက်အေးဂျင့်များ | ကမ္ဘာကိုယ်တိုင် ပုံစံကို ထိန်းသိမ်းပြီး အခြေအနေပြောင်းလဲ ချိန်တွင် ထပ်မံပြင်ဆင်သည်။ | သမိုင်းကာလ လေယာဉ်ဈေးနှုန်းများကို ကြည့်ရှု၍ တောင့်တင်းလာသော လမ်းကြောင်းများကို ဟန်ချက်ညှိသည်။ |
| ရည်မှန်းချက် အခြေပြု အေးဂျင့်များ | ရည်မှန်းချက်တစ်ခုရှိပြီး အဆင့်ဆင့် ရောက်ရှိရန် နည်းလမ်းရှာဖွေသည်။ | သင့် လက်ရှိတည်ရှိရာနေရာမှ နေရာရောက်ရန် လေယာဉ်၊ ကား၊ ဟိုတယ် များ စုစည်းပြီး ခရီးစဉ်အပြည့်အစုံ မွာယူသည်။ |
| အသုံးတည့်မှု အခြေပြု အေးဂျင့်များ | ဖြေရှင်းချက် တစ်ခုကိုသာ ရှာမသိဘဲ အကောင်းဆုံးဖြေရှင်းချက် ထိန်းချုပ်သော နှုန်းထားများ စဉ်းစားသည်။ | သင့် ကြိုက်နှစ်သက်မှု အတွက် စျေးနှုန်း နှင့် အဆင်ပြေမှုတို့ကို ချိန်ညှိ၍ ခရီးစဉ်ကောင်းဆုံးကို ရွေးချယ်သည်။ |
| သင်ယူတိုးတက်သော အေးဂျင့်များ | တုံ့ပြန်ချက်မှ သင်ယူပြီး အချိန်နှင့်အမျှ ပိုမိုကောင်းမွန်လာသည်။ | ခရီးပြီးပြီးနောက် အကြံပြုချက်များကို အခြေခံပြီး နောက်ထပ် မှာယူရန် အကြံပေးချက်များ ပြင်ဆင်သည်။ |
| အဆင့်လိုက် အေးဂျင့်များ | ရှေ့ဆောင်အေးဂျင့်တစ်ခုက အလုပ်ကို ပြေးစားလုပ်ရန်အတွက် လျှော့ချပေးပြီး အောက်ပါအေးဂျင့်များသို့ ပေးအပ်သည်။ | “ခရီးစဉ်ကို ရပ်ဆိုင်းပါ” တောင်းဆိုမှုကို လေယာဉ် ရပ်ဆိုင်း၊ ဟိုတယ် ရပ်ဆိုင်း၊ ကားငှား ရပ်ဆိုင်းတို့သို့ ခွဲဝေထားသော အေးဂျင့်များ အား ဦးစီးလေ့လာသည်။ |
| အများအပြား အေးဂျင့်စနစ်များ (MAS) | အေးဂျင့်များ အများစုက အတူတကွ (သို့) ယှဉ်ပြိုင်ကာ လုပ်ဆောင်သည်။ | ပူးပေါင်းဆောင်ရွက်ခြင်း - ဟိုတယ်၊ လေယာဉ်နှင့် ဖျော်ဖြေမှုများကို အမျိုးအစား သတ်မှတ်ထားသော အေးဂျင့်များက ဆောင်ရွက်သည်။ ယှဉ်ပြိုင်မှု - အေးဂျင့် အများစုသည် အကောင်းဆုံးစျေးနှုန်းဖြင့် ဟိုတယ်အခန်းများ ပြည့်စေဖို့ ယှဉ်ပြိုင်သည်။ |
ဘယ်အချိန် AI အေးဂျင့်ကို အသုံးပြုသင့်သလဲ
သင် AI အေးဂျင့်ကို အသုံးပြု နိုင်တယ် ဆိုတာ အမြဲလိုအပ်တယ်ဆိုတာ မဟုတ်ပါ။ အေးဂျင့်များ တကယ်အောင်မြင်မှုရှိသည့် အခြေအနေများမှာ -
- ဖွင့်လှစ် မသတ်မှတ်ထားသော ပြဿနာများ — ပြဿနာဖြေရှင်းမှုအဆင့်များကို ကြိုတင် ပရိုဂရမ်းမလုပ်နိုင်သောအခါ။ LLM သည် လမ်းကြောင်းကို တည်ဆောက်ရမည်။
- အဆင့်အတန်းများ ရှိသော လုပ်ငန်းစဉ်များ — ကိရိယာများကို အဆက်မပြတ် အသုံးပြုရမည့် လုပ်ငန်းများ၊ တစ်ချက်တည်း ရှာဖွေခြင်း (lookup) သို့မဟုတ် ဖန်တီးခြင်း မဟုတ်ဘဲ။
- အချိန်အတွင်း တိုးတက်ကောင်းမွန်လာခြင်း — အသုံးပြုသူ၏ တုံ့ပြန်ချက် သို့မဟုတ် ပတ်ဝန်းကျင်မှ သတင်းအချက်အလက်များအပေါ်အခြေခံပြီး စနစ်ကို ပိုမို အရည်အသွေးမြင့်လာစေလိုသောအခါ။
သင်တန်းအရှေ့ပိုင်းတွင် ယုံကြည်စိတ်ချရသော AI အေးဂျင့်များ တည်ဆောက်ခြင်း သင်ခန်းစာတွင် AI အေးဂျင့် အသုံးပြုသင့်သည့် အချိန်နှင့် မသင့်သည့် အချိန်ကို ပိုမို ကြည့်ရှုသွားပါမည်။
Agentic ဖြေရှင်းချက် များ၏ အခြေခံများ
အေးဂျင့် ဖန်တီးခြင်း
အေးဂျင့်တစ်ခု တည်ဆောက်စဉ်တွင် ပထမဆုံး သတ်မှတ်ရမည့်အရာမှာ လုပ်ဆောင်နိုင်သော အရာများဖြစ်သည် — ကိရိယာများ၊ လုပ်ဆောင်ချက်များနှင့် ဖျော်ဖြေရေးများ။
ဤသင်တန်းတွင် ကျွန်ုပ်တို့သည် Azure AI Agent Service ကို အဓိက စနစ်အဖြစ် အသုံးပြုပါသည်။ ၎င်းသည်
- OpenAI, Mistral, Meta (Llama) ကဲ့သို့သော တည်ဆောက်သူများ၏ မော်ဒယ်များကို ထောက်ပံ့သည်
- Tripadvisor ကဲ့သို့သော ပံ့ပိုးသူများ၏ ခွင့်ပြုထားသော ဒေတာများကို အသုံးပြုသည်
- OpenAPI 3.0 စံချိန်ထား ကိရိယာသတ္တိသတ်မှတ်ချက်များကို ထောက်ပံ့သည်
Agentic ပုံစံများ
LLM များနှင့် ဆက်သွယ်ရာတွင် prompt များကို အသုံးပြုရသည်။ အေးဂျင့်များနှင့်အတူ prompt တစ်ခုချင်းစီကို ဘယ်လိုချိန်ညှိမလဲဆိုတာ အဆင့်အများကြီး လုပ်ဆောင်ရတဲ့ အချိန်အချက်များရှိသည်။ ထို့ကြောင့် Agentic ပုံစံများ က ထပ်မံအသုံးချနိုင်သော အကြံဥာဏ်များ၊ prompt နည်းပညာများ ဖြစ်ပြီး LLM များကို ပိုမို ကျယ်ပြန့်စွာ တပ်ဆင်၊ ထိန်းချုပ်ရာတွင် အထောက်အကူပြုသည်။
ဤသင်တန်းတွင် အကြီးစားနှင့် အသုံးဝင်သော agentic ပုံစံများအပေါ် အခြေခံပြီး ဖွဲ့စည်းထားသည်။
Agentic ဖရိမ်းဝါးများ
Agentic ဖရိမ်းဝါးများသည် ဖန်တီးသူများအတွက် တိုက်ရိုက် အသုံးပြုနိုင်သော သေချာမော်ဒယ်၊ ကိရိယာများနဲ့ အခြေခံအဆောက်အအုံများကို ပေးသည်။ ၎င်းတို့ကြောင့် -
- ကိရိယာများနှင့် တာဝန်ခံမှုများ ချိတ်ဆက်ရန် ပိုမို လွယ်ကူသည်
- အေးဂျင့် လုပ်ဆောင်ချက်များကို ကြည့်ရှု၊ ပြဿနာရှာဖွေရန် လုပ်ဆောင်နိုင်သည်
- အေးဂျင့်အများစုတွင် ပူးပေါင်းဆောင်ရွက်ရန် အထောက်အကူဖြစ်စေသည်
ဤသင်တန်းတွင် ကျွန်ုပ်တို့သည် Microsoft Agent Framework (MAF) ကို အဓိက အခြေခံပြီး ထုတ်လုပ်မှုအဆင့် သင်္ချာအေးဂျင့်များတည်ဆောက်ရန် အသုံးပြုပါသည်။
ကုဒ်နမူနာများ
အလုပ်ကိုင်လုပ်ဆောင်မှုကို ကြည့်ရအောင်။ ဒီသင်ခန်းစာအတွက် ကုဒ်နမူနာများမှာ -
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
မေးခွန်းများ ရှိပါသလား?
Microsoft Foundry Discord သို့ ဝင်ရောက်ပြီး သင်ယူနေသူများနှင့် ဆက်သွယ်၊ အလုပ်ချိန်များတက်ရောက်၍ သင်၏ AI အေးဂျင့်နှင့် ပတ်သက်သည့် မေးခွန်းများကို အဖွဲ့အစည်းထံ တောင်းဆိုနိုင်ပါသည်။
ယခင်သင်ခန်းစာ
နောက်တစ်ခါသင်ခန်းစာ
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။