ai-agents-for-beginners
AI ဂျင်နီယပ်များအတွက် မှတ္ဉာဏ်
AI ဂျင်နီယပ်များဖန်တီးခြင်း၏ ထူးခြားသော အကျိုးကျေးဇူးများဖြစ်သော ကိရိယာများကို ခေါ်ယူပြီး တာဝန်များကို ပြီးမြောက်စေရန်နှင့် အချိန်ကြာလာသည့်အခါ တိုးတက်ကောင်းမွန်လာနိုင်စွမ်းများကို များစွာဆွေးနွေးကြသည်။ မှတ်ဉာဏ်သည် ကိုယ်တိုင်တိုးတက်တတ်သော ဂျင်နီယပ်တစ်ခု ဖန်တီးရာတွင် အခြေခံဖြစ်၍ အသုံးပြုသူများအတွက် ပိုမိုကောင်းမွန်သော အတွေ့အကြုံများ ဖန်တီးနိုင်စေသည်။
ဒီပညာသင်ခန်းစာတွင် AI ဂျင်နီယပ်များအတွက် မှတ်ဉာဏ်ဆိုတာဘာလဲ၊ ကျွန်ုပ်တို့မည်သို့ စီမံခန့်ခွဲနိုင်ပြီး၊ သုံးနိုင်မလဲဆိုတာကိုကြည့်ပါမည်။
နိဒါန်း
ဒီသင်ခန်းစာမှာ ပါဝင်သည်မှာ –
• AI ဂျင်နီယပ်မှတ်ဉာဏ်နားလည်မှု - မှတ်ဉာဏ်ဆိုတာဘာလဲ၊ ဂျင်နီယပ်များအတွက် ဘာကြောင့် အရေးကြီးလဲဆိုတာ။
• မှတ်ဉာဏ်တည်ဆောက်ခြင်းနှင့် သိမ်းဆည်းခြင်း - သင့် AI ဂျင်နီယပ်များတွင် မှတ်ဉာဏ်စွမ်းရည်များ ထည့်သွင်းပေးနည်းများ၊ အာရုံစိုက်သည့် အတိုချုပ်နှင့် ရေရှည်မှတ်ဉာဏ်အပေါ်။
• AI ဂျင်နီယပ်များကို ကိုယ်တိုင်တိုးတက်လာစေခြင်း - မှတ်ဉာဏ်က အတိတ်ဆက်ဆံမှုများမှ သင်ယူကာ အချိန်နှင့်အမျှ တိုးတက်ကြောင်း။
ရရှိနိုင်သော အကောင်အထည်ဖော်မှုများ
ဒီသင်ခန်းစာတွင် နှစ်ခုသော အသေးစိတ် ညွှန်ပြချက် နှိုးစာအုပ်များ ပါဝင်သည်။
• 13-agent-memory.ipynb - Mem0 နှင့် Azure AI Search ကို Microsoft Agent Framework ဖြင့် အသုံးပြု၍ မှတ်ဉာဏ် ထည့်သွင်းခြင်း။
• 13-agent-memory-cognee.ipynb - Cognee အသုံးပြု၍ ဖွဲ့စည်းထားသော မှတ်ဉာဏ်ကို တည်ဆောက်ပြီး၊ embeddings ဖြင့် အချက်အလက်များ ထောက်ပံ့ ကွက်တိ ဖန်တီးခြင်း၊ ဂရပ်ကိုမြင်ကွင်းပြခြင်းနှင့် အသိ ဉာဏ်ရှိစွာ ရှာဖွေရေး။
သင်ယူမှု ရည်မှန်းချက်များ
ဒီသင်ခန်းစာပြီးဆုံးစဉ်အပြီး သင်သည် မည်သို့ သိရှိနားလည်မည်နည်း -
• AI ဂျင်နီယပ်မှတ်ဉာဏ် အမျိုးအစားများကို ခွဲခြားနားလည်ခြင်း - အလုပ်လုပ်မှတ်ဉာဏ်၊ အတိုချုပ်မှတ်ဉာဏ်နှင့် ရေရှည်မှတ်ဉာဏ်တို့အပြင် persona memory နှင့် episodic memory ကဲ့သို့ အထူးပြု အသေးစားမှတ်ဉာဏ်များပါ။
• Microsoft Agent Framework ကို အသုံးပြုပြီး AI ဂျင်နီယပ်များအတွက် အတိုချုပ်နှင့် ရေရှည်မှတ်ဉာဏ်များ တည်ဆောက်စီမံခြင်း - Mem0, Cognee, Whiteboard memory ကဲ့သို့သော ကိရိယာများနှင့်ပေါင်းစပ်ပြီး Azure AI Search နှင့်ပေါင်းစည်းအသုံးပြုခြင်း။
• ကိုယ်တိုင်တိုးတက်လာသော AI ဂျင်နီယပ်များ၏ အခြေခံ သဘောတရားများကို နားလည်မှု နှင့် ခိုင်မာသော မှတ်ဉာဏ် စီမံခန့်ခွဲမှုစနစ်များသည် အဆက်မပြတ်သင်ယူမှုနှင့် လိုက်လျောညီသော ဖြေရှင်းမှုများ ဖြစ်ပေါ်စေခြင်း။
AI ဂျင်နီယပ်မှတ်ဉာဏ် နားလည်မှု
အခြေခံအားဖြင့်, AI ဂျင်နီယပ်များအတွက် မှတ်ဉာဏ်သည် သတင်းအချက်အလက်များကို သိမ်းဆည်းထားကာ ပြန်လည် ချမှတ်နိုင်စေရန် ဖြစ်သောစနစ်များကို ဆိုလိုသည်။ ဤသတင်းအချက်အလက်များတွင် ဆွေးနွေးပွဲ အကြောင်းအရာတစ်ခုချင်း၊ အသုံးပြုသူဝါသနာ ၊ ယခင်လုပ်ဆောင်မှုများ၊ သို့မဟုတ် သင်ယူထားသော ပုံစံများ ပါဝင်နိုင်သည်။
မှတ်ဉာဏ်မရှိရင် AI အပလီကေးရှင်းများဟာအများအားဖြင့် stateless ဖြစ်ပြီး တစ်ခါတည်း ဆက်သွယ်မှုစဉ် သက်တမ်းတိုင်း စ၍အစ ပြုလုပ်သလိုဖြစ်နေသည်။ ၎င်းကြောင့် အသုံးပြုသူအတွက် အခြေအနေများကို “မေ့လျော့” သွားခြင်းကြောင့် အကြိမ်ကြိမ်ပြောင်းလဲပြီး စိတ်အနှိပ်ကျမှု ဖြစ်တတ်သည်။
မှတ်ဉာဏ် ဘာကြောင့်အရေးကြီးသလဲ?
AI ဂျင်နီယပ်၏ ဉာဏ်ရည်သည် ယခင်သတင်းအချက်အလက်ကို ပြန်လည်မှတ်ဆည်းနိုင်ခြင်းနှင့် အသုံးချနိုင်ခြင်းနှင့် နက်ရှိုင်းစွာ ဆက်နွယ်သည်။ မှတ်ဉာဏ်သည် ဂျင်နီယပ်များအား
• ပြန်လည် စဉ်းစားနိုင်သော - ယခင်လုပ်ရပ်များနှင့် ရလဒ်များမှ သင်ယူခြင်း။
• ** ဆက်သွယ်ဆောင်ရွက်နိုင်သော** - ဆက်လက်စကားပြောခြင်းအတွင်း အကြောင်းအရာ ထိမ်းသိမ်းရန်။
• ** ကြိုတင်ခန့်မှန်း ပြီး ချက်ချင်းတုံ့ပြန်နိုင်သော** - သမိုင်းအချက်အလက်အပေါ် အခြေခံပြီး လိုအပ်ချက်များကို ကြိုတင်ကာကွယ်ခြင်း သို့မဟုတ် သင့်တော်စွာ တုံ့ပြန်ခြင်း။
• ** အိုင်ရွန်လွတ်လပ်သော** - သိမ်းဆည်းထားသော သိပ္ပံပညာအပေါ် အခြေခံ၍ ပိုမိုသီးခြား လုပ်ဆောင်နိုင်ခြင်း။
မှတ်ဉာဏ်ထည့်သွင်းခြင်းရဲ့ ရည်မှန်းချက်မှာ ဂျင်နီယပ်များကို ပိုမို ယုံကြည်ရပြီး စွမ်းရည်ရှိစေခြင်း ဖြစ်သည်။
မှတ်ဉာဏ် အမျိုးအစားများ
အလုပ်လုပ်မှတ်ဉာဏ် (Working Memory)
ဒီဟာကို ဂျင်နီယပ်တစ်ခုက တစ်ခုတည်း ဆက်လက်လုပ်ဆောင်နေတဲ့ တာဝန် သို့မဟုတ် စဥ်းစားမှုလုပ်ငန်းစဉ်တစ်ခုအတွင်း အသုံးပြုသော အချိန်တိုအနက် သတင်းအချက်အလက်စာမျက်နှာသေးတစ်ခုအဖြစ် တွေးကြည့်ပါ။ နောက်တစ်ဆင့်တွက်ချက်ရန်လိုအပ်သော ကျေးဇူးပြု အသေးစိတ်များကို ထိန်းသိမ်းထားသည်။
AI ဂျင်နီယပ်များအတွက် အလုပ်လုပ်မှတ်ဉာဏ်သည်၊ ဆွေးနွေးပွဲမှ အရေးကြီးဆုံး သတင်းအချက်အလက်များကို ဖမ်းယူထားသည်၊ စကားပြောစာမျက်နှာအစုံရှည်ကြာ/ အသေးစိတ် ဖော်ပြမထားပေမယ့်၊ လိုအပ်ချက်ဖော်ပြချက်များ၊ အဆိုပြုချက်များ၊ ဆုံးဖြတ်ချက်များနှင့် လုပ်ဆောင်မှုများကဲ့သို့သော အဓိက ပါဝင်မှုများကို မျက်စိထိဖမ်းထားသည်။
အလုပ်လုပ်မှတ်ဉာဏ် ဥပမာ
ခရီးသွားစည်းကြပ်ရေး၊ မှတ်ပုံတင်ရေးအေဂျင်နီယပ်တွင်၊ အလုပ်လုပ်မှတ်ဉာဏ်သည် အသုံးပြုသူ၏ လက်ရှိတောင်းဆိုချက်ကို၊ ဥပမာအားဖြင့် “ပြီရစ်သို့ ခရီးစဉ် ကြီးမှန်းချင်း” လို့ ဖမ်းယူထားပြီး လက်ရှိဆက်ဆံမှုကို လမ်းညွှန်ပေးသည်။
အတိုချုပ် မှတ်ဉာဏ် (Short Term Memory)
ဒီအမျိုးအစား မှတ်ဉာဏ်သည် တစ်ဦးတည်းသော ဆက်ဆံမှု ဒါမှမဟုတ် အစည်းအဝေးတစ်ခုအတွင်း သတင်းအချက်အလက်ကို ထိန်းသိမ်းထားသည်။ ဒါဟာ လက်ရှိ စကားပြောဖြစ်စဉ်၏ အကြောင်းအရာဖြစ်ပြီး ဂျင်နီယပ်ကို မစကားပြောမတိုင်မီ ပြန်လည်ညွှန်ပြရန် ခွင့်ပြုသည်။
Microsoft Agent Framework Python SDK အတွက် ဥပမာများတွင်၊ ၎င်းသည် AgentSession သို့မဟုတ် agent.create_session() ဖြင့် ဖန်တီးသော အစည်းအဝေးဖြစ်သည်။ အဲဒီ session က framework ရဲ့ တည်ရှိသည့် အတိုချုပ်မှတ်ဉာဏ်ဖြစ်ပြီး session အတွင်း ဆက်စပ်မှု အကြောင်းအရာကို ထိန်းသိမ်းပေးသည်။ session အဆုံးသို့ ရောက်လာသည်သို့မဟုတ် အပလီကေးရှင်း အသစ်စတင်သည့်အခါမှာ ထို အကြောင်းအရာများ မရှိတော့ပေ။ session များအတွင်း သက်တမ်းပိုရှည်သော သဘောထားများနှင့် အချက်အလက်များ သိမ်းဆည်းရန်အတွက် ဒေတာဘေ့(စ်)၊ ဗက်တာဒ် အညွှန်း သို့မဟုတ် တခြား သက်တမ်းရှည်စက္ကူကို အသုံးပြုပါ။
အတိုချုပ် မှတ်ဉာဏ် ဥပမာ
အသုံးပြုသူက “ပြီရစ်သို့ သင်္ဘောခရီး ဘယ်လောက်ကျမလဲ?” ဟု မေးပြီးနောက် “အဲဒီနေရာမှာ စုအိမ်ဆိုင်ရာကော?” ဟု ဆက်မေးပါက၊ အတိုချုပ်မှတ်ဉာဏ်က “အဲဒီ” ဟု ဆိုသောနေရာသည် “ပြီရစ်” ကို ရည်ညွှန်းသည်ဟု အတိအကျ သိရှိနားလည်စေပါသည်။
ရေရှည်မှတ်ဉာဏ် (Long Term Memory)
ဤသည်မှာ စကားပြောပွဲများ အမည်မဲ့ သို့မဟုတ် session များ များစွာတစ်လျှောက်သိုင်း ရပ်တည်နေထိုင်သော သတင်းအချက်အလက်များ ဖြစ်သည်။ ၎င်းက အသုံးပြုသူ၏ ပရိတ်သတ်အလိုက် နွယ်နိမိတ်များ၊ သမိုင်းစဉ်ဆက်ဆံ ချိတ်ဆက်မှုများ သို့မဟုတ် သာမန် သိပ္ပံပညာ အချို့ကို ရေရှည် မှတ်သားထားခွင့်ပြုသည်။ ဤသည်သည် ကျားမြှားသည့် စိတ်ရှုပ်ထွေးမှုအတွက် အရေးကြီးသည်။
ရေရှည်မှတ်ဉာဏ် ဥပမာ
ရေရှည်မှတ်ဉာဏ်သည် “Ben သည် စကီးနှင့် အပြင်မြေ လှုပ်ရှားမှုများကို စိတ်ဝင်စားပြီး ခြစ်ကြိုက်သည်၊ တောင်နှင့် ရှာဖွေခွင့်ရသော ကော်ဖီကို သဘောကျပြီး၊ ယခင်ထိခိုက်မှုကြောင့် အဆင့်မြင့် စကီးလမ်းကြောင်းများမှ ကျူးလွန်ရန် မကြိုက်ပါ” ဟူသော သတင်းအချက်အလက်များကို သိမ်းဆည်းထားနိုင်သည်။ ယင်း သတင်းအချက်အလက်များသည် နောက်ထပ် ခရီးစဉ် စီစဉ်မှုတွင် အထူးပြု၍ မိမိနှစ်သက်သည့် အကြံဉာဏ်များ ထုတ်ပေးရာတွင် သက်ရောက်မှုရှိစေသည်။
Persona မှတ်ဉာဏ် (Persona Memory)
အထူးပြုသည့် မှတ်ဉာဏ်အမျိုးအစားဖြစ်ပြီး ဂျင်နီယပ်တစ်ခု အချိုးအစား သတ်မှတ်ချက် (persona) သို့မဟုတ် ကိုယ်ရည်ကိုယ်သွေး တစ်ခုကို တည်ထောင်သည်။ ၎င်းက ဂျင်နီယပ်ကို မိမိကိုယ်တိုင် သို့မဟုတ် မျှော်မှန်းထားသည့် စာရင်းအင်းအဖြစ် အချက်အလက်များ မှတ်သားပြီး ဆက်ဆံရေးများပိုမိုမှန်ကန်စေသည်။
Persona မှတ်ဉာဏ် ဥပမာ
ခရီးသွားအေဂျင်နီယပ်ကို “အထူးပြုစကီး စီစဉ်သူ” အဖြစ် ဒီဇိုင်น์လျှင် persona မှတ်ဉာဏ်က ဤ အခန်းကဏ္ဍကို အတည်ပြုကာ နားလည်မှုနှင့် တုံ့ပြန်မှုများကို အထူးပြု စီမံနိုင်သည်။
Workflow/Episodic မှတ်ဉာဏ်
ဤမှတ်ဉာဏ်သည် ဂျင်နီယပ်တစ်ခုက အလုပ်ရှုပ်ထွေးသော တာဝန်တစ်ခုအတွင်း လုပ်ဆောင်ခဲ့သည့် အဆင့်လိုက်အဆင့်များကို သိမ်းဆည်းထားသည်၊ အောင်မြင်မှုနှင့် မအောင်မြင်မှုတို့ပါဝင်သည်။ ဤသည်မှာ ထို အတိတ်အတွေ့အကြုံများမှ သင်ယူရန် “အစိတ်အပိုင်းများ” ကို ဖော်စပ်ထားခြင်းနှင့် တူသည်။
Episodic မှတ်ဉာဏ် ဥပမာ
ဂျင်နီယပ်က သတ်မှတ်ထားသော သင်္ဘောခရီးတစ်ခုကို စီစဉ်ရန်ကြိုးစားခဲ့သော်လည်း မရရှိသည့်အတွက် မအောင်မြင်ခဲ့ခြင်းများကို ရှာဖွေနိုင်သည်။ episodic အသိမှတ်ပြုမှတ်ဉာဏ်က ဒီမှုမအောင်မြင်မှုကို မှတ်သား၍၊ နောက်ထပ် ကြိုးစားမှုအတွင်း အစားထိုး သင်္ဘောခရီးများ ကြိုးစားရန် သို့မဟုတ် အသုံးပြုသူကို ပိုမိုသိသော အချက်အလက်ဖြင့် အကြောင်းကြားရန် အထောက်အကူဖြစ်စေသည်။
Entity မှတ်ဉာဏ်
ဤသည်မှာ စကားပြောပွဲများမှ “entities” (လူများ၊ နေရာများ သို့မဟုတ် ပစ္စည်းများ) နှင့်ဖြစ်ရပ်များ ဆွဲထုတ်သည်၊ ထိုအချက်အလက်များအား ဖွဲ့စည်းတည်ဆောက်ထားသော နားလည်မှုအဖြစ် ထိန်းသိမ်းပေးသည်။
Entity မှတ်ဉာဏ် ဥပမာ
ယခင်ခရီးစဉ်အကြောင်း ဆွေးနွေးမှုတွင် “ပြီရစ်”, “Eiffel Tower”, နှင့် “Le Chat Noir စားသောက်ဆိုင်တွင် ညစာ” ကဲ့သို့သော entity များကို ဆွဲထုတ်နိုင်သည်။ နောက်ထပ် ဆက်ဆံမှုတစ်ခုတွင် “Le Chat Noir” ကို ပြန်လည်မှတ်မိကာ အသစ်မှာကြားပေးနိုင်သည်။
ဖွဲ့စည်းထားသော RAG (Retrieval Augmented Generation)
RAG သည် ကျယ်ပြန့်သောနည်းပညာတစ်ခုဖြစ်သော်လည်း၊ “ဖွဲ့စည်းထားသော RAG” သည် အင်အားကြီးသော မှတ်ဉာဏ်နည်းပညာတစ်ခုအဖြစ် ထင်ရှားသည်။ ၎င်းသည် မတူကွဲပြားသော အရင်းအမြစ်များမှ (ဆွေးနွေးမှုများ၊ အီးမေးလ်များ၊ ပုံများ) ထူထောင်ထားသော တိကျချက်ရှိသော အချက်အလက်များကို ဆွဲထုတ်ပြီး အပြန်အလှန် ရှာဖွေရေး၌ တိကျမှု၊ ပြန်လည် သတိရမှုနှင့် အမြန်နှုန်း တိုးတက်စေသည်။ စာသား အညွှန်းနီးစပ်မှု အပေါ်သာ မအခြေစိုက်သည့် ယေဘုယျ RAG နှင့် မတူပဲ၊ ဖွဲ့စည်းထားသော RAG သည် အချက်အလက်၏ ဖြစ်ပေါ်ပုံကို အသုံးပြုသည်။
ဖွဲ့စည်းထားသော RAG ဥပမာ
စာပိုဒ်သော စကားလုံးကိုက်ညီမှုသာမက၊ ဖွဲ့စည်းထားသော RAG သည် အီးမေးလ်မှ သင်္ဘောခရီး အသေးစိတ်များ (יעာဘည့်များ, နေ့စွဲ, အချိန်၊ လေကြောင်းလိုင်း) ကို ပေါ်ပေါက်စေပြီး ဆက်တင်တစ်ခုချင်းစီကို ဖွဲ့စည်းထားသည့် နည်းလမ်းဖြင့် သိမ်းဆည်းနိုင်သည်။ ဒါက “အေဂျင်နီယပ်သည် မြန်ရက်နေ့တွင် ပြီရစ်သို့ ဘယ် သင်္ဘောခရီးမှာခဲ့သည်နည်း?” စသည်ဖြင့် တိကျသော မေးခွန်းများကို ဖြေရှင်းနိုင်စေသည်။
မှတ်ဉာဏ် တည်ဆောက်ခြင်းနှင့် သိမ်းဆည်းခြင်း
AI ဂျင်နီယပ်များအတွက် မှတ်ဉာဏ် ထည့်သွင်းခြင်းသည် စနစ်တကျ ဖြစ်သော မှတ်ဉာဏ် စီမံခန့်ခွဲမှု ဖြစ်ပြီး၊ ထိုစနစ်တွင် ဖန်တီးခြင်း၊ သိမ်းဆည်းခြင်း၊ ပြန်လည် ရှာဖွေခြင်း၊ ပေါင်းစပ်ခြင်း၊ နောက်ဆုံး ပြင်ဆင်ခြင်းနှင့် “မေ့ထားခြင်း” (သို့) ဖျက်ပစ်ခြင်းတို့ ပါဝင်သည်။ ပြန်လည် ရှာဖွေခြင်းသည် အထူး အရေးရှိပါသည်။
အထူးပြု မှတ်ဉာဏ် ကိရိယာများ
Mem0
အေဂျင်နီယပ်မှတ်ဉာဏ်ကို သိမ်းဆည်းနှင့် စီမံရာတွင် Mem0 ကဲ့သို့ အထူးပြု ကိရိယာများကို အသုံးပြုနိုင်သည်။ Mem0 သည် သက်တမ်းရှည် မှတ်ဉာဏ် အလွှာတစ်ခုအဖြစ် အလုပ်လုပ်ပြီး၊ ဂျင်နီယပ်များကို သက်ဆိုင်ရာ ဆက်ဆံမှုများကို ပြန်လည်သတိရစေခြင်း၊ အသုံးပြုသူ စိတ်ဝင်စားမှုများ၊ အချက်အလက် မူလအခြေစိုက်စေရန်၊ အောင်မြင်မှုနှင့် မအောင်မြင်မှုများမှ သင်ယူစေခြင်းတို့ကို လုပ်ဆောင်နိုင်သည်။ ဒီစနစ်က stateless ဖြစ်သော ဂျင်နီယပ်များကို stateful အဖြစ် ပြောင်းလဲစေသည်။
၎င်းသည် နှစ်ဆင့် မှတ်ဉာဏ်စနစ်: စုစည်းခြင်းနှင့် ပြုပြင်ခြင်း ကို အသုံးပြုပြီး အလုပ်လုပ်သည်။ ပထမတွင် ဂျင်နီယပ်၏ ဆက်သွယ်မှုပိုင်းတွင် ပေးပို့သော စာတိုများကို Mem0 ၀န်ဆောင်မှုသို့ ပို့၍၊ Large Language Model (LLM) အား အသုံးပြုကာ ဆွေးနွေးမှုမှတ်တမ်းကို ချုပ်ချာပြီး မှတ်ဉာဏ်အသစ်များကို ထုတ်ယူသည်။ ထို့နောက် LLM ကို ဦးတည်သည့် ပြုပြင်မှုအဆင့်တွင် ၎င်းမှတ်ဉာဏ်များကို ထည့်သွင်း၊ ပြင်ဆင်၊ ဖျက်သိမ်းရန် ဆုံးဖြတ်ပြီး၊ vector, graph သို့ key-value ဒေတာဘေ့(စ်) စသည်ဖြင့် ပေါင်းစပ်ထားသော သိမ်းဆည်းမှုတွင် ထားရှိသည်။ ဒီစနစ်သည် ရိုးရာမှတ်ဉာဏ် အမျိုးအစား များခပ်သိမ်း ထောက်ပံ့ထားပြီး entity များ အကြား ဆက်နွယ်မှုကို ကျော်လွန်ဖော်ပြနိုင်သည့် graph မှတ်ဉာဏ်ကိုပါ ထည့်သွင်းနိုင်သည်။
Cognee
နောက်ထပ် အင်အားအပြည့်ကြွယ်ဝသော နည်းလမ်းတစ်ခုမှာ Cognee ဖြစ်ပြီး AI ဂျင်နီယပ်များအတွက် ဖွဲ့စည်းမြဲသော နှင့် မဖွဲ့စည်းသေးသော ဒေတာများကို query လုပ်နိုင်သော knowledge graph များသို့ ရောင်းချသည်။ Cognee သည် dual-store လုပ်ဆောင်မှုကို vector တူညီမှု ရှာဖွေမှုနှင့် graph ဆက်နွယ်မှုတို့ ပေါင်းစပ်သည့်ပုံ ဖြစ်သည့်အတွက် ဂျင်နီယပ်များကို အချက်အလက် အစုအဝေးတူညီမှုဝင်မဟုတ် သည့် အကြောင်းအရာများနှင့် ၎င်းတို့အပြန်အလှန် ဆက်နွယ်မှု ကို နားလည်နိုင်စေသည်။
Cognee သည် raw chunk lookup မှ graph ကိုထိန်းသိမ်းကာ ဖြေဆိုမှုသို့ရောက်ရှိရန် အထူးအသုံးဝင်သော hybrid retrieval ကို ကိုင်တွယ်လျှက်ရှိသည်။ စနစ်သည် ကျော်လွန်စွာ ကြီးထွားနှင့်ဆက်လက်ဖွံ့ဖြိုးတိုးတက်နေသည့် သက်တမ်းရှည် မှတ်ဉာဏ်ကို တစ်စုတစ်စည်း သာမန် graph အဖြစ် ထိန်းသိမ်းပေးလျက်ရှိကာ အတိုချုပ် session context နှင့် ရေရှည် persistent memory တို့နှစ်မျိုးလုံးကို ထောက်ပံ့သည်။
Cognee notebook tutorial (13-agent-memory-cognee.ipynb) သည် ၎င်းတို့အချက်အလက်များကို စုပေါင်း၍ သုံးနိုင်ရန် နည်းလမ်းများ၊ knowledge graph ကို မြင်ကွင်းပြခြင်းနှင့် ဖွဲ့စည်းထားသော ရှာဖွေရေး နည်းပညာမျိုးစုံဖြင့် query ချခြင်းကို တိကျနားလည်သည့် ဥပမာများပါရှိသည်။
RAG ဖြင့် မှတ်ဉာဏ် သိမ်းဆည်းခြင်း
mem0 ကဲ့သို့ အထူးပြု မှတ်ဉာဏ်ကိရိယာများမှ အပြင်၊ ကြီးမားသော ရှာဖွေရေး၀န်ဆောင်မှုများဖြစ်သော Azure AI Search ကို မှတ်ဉာဏ်များ သိမ်းဆည်းခြင်းနှင့် ပြန်လည် ရှာဖွေခြင်းအတွက် backend အဖြစ် အသုံးပြုနိုင်သည်၊ ထူးခြားသော ဖွဲ့စည်းထားသော RAG အတွက် အထူးသင့်တော်သည်။
ဤသည်က သင့်ဂျင်နီယပ်တုံ့ပြန်မှုများကို သင်၏ ကိုယ်ပိုင် ဒေတာနှင့် ခိုင်မာစေကာ ပိုမို သင့်တော်မှန်ကန်သော ဖြေဆိုချက်များ ရရှိစေသည်။ Azure AI Search ကို အသုံးပြုပြီး အသုံးပြုသူအလိုက် ခရီးသွားမှတ်ဉာဏ်များ၊ ထုတ်ကုန်စာရင်းများ သို့မဟုတ် အခြား စီးပွားရေးအမျိုးအစား အကြောင်းအရာများ သိမ်းဆည်းနိုင်သည်။
Azure AI Search သည် ဖွဲ့စည်းထားသော RAG အာရုံစိုက်ပြီး ဆွေးနွေးမှုမှတ်တမ်းများ၊ အီးမေးလ်များ သို့မဟုတ် ပုံများ ကဲ့သို့သော ကြီးမားသော ဒေတာစုစည်းမှုများမှ တိကျပြတ်သားသော အချက်အလက်တွေကို ဆွဲထုတ်။ ထို့ကြောင့် သာမန် စာသားခွဲခြမ်းမှု၊ embedding နည်းပညာများနှင့် နှိုင်းယှဉ်လျှင် “အလွန် မြင့်မားသော တိကျမှုနှင့် ပြန်လည် သတိရမှု” ပိုင်ဆိုင်သည်။
AI ဂျင်နီယပ်များကို ကိုယ်တိုင် တိုးတက်အောင် ပြုလုပ်ခြင်း
ကိုယ်တိုင်တိုးတက်လာသော ဂျင်နီယပ်များတွင် ပုံမှန်အားဖြင့် “အသိပညာ အေဂျင်နီယပ်” တစ်ခုကို ဖွဲ့စည်းပါသည်။ ဤအထူးအက်စ်ဂျင်သည် အသုံးပြုသူနှင့် အဓိက ဂျင်နီယပ်၏ ဆွေးနွေးမှုအပြင်ဘက်တွင် ကြည့်ရှုသည်။ ၎င်း၏ အခန်းကဏ္ဍမှာ -
-
တန်ဖိုးရှိသော သတင်းအချက်အလက်ကို ထုတ်ဖော်စစ်ဆေးခြင်း - ဆွေးနွေးမှု၏ တစ်စိတ်တစ်ပိုင်းကို အထူးသဖြင့် အထွေထွေ သိက္ခာ သို့မဟုတ် အသုံးပြုသူ လိုအပ်ချက်အဖြစ် သိမ်းဆည်းရန်။
-
ဆွဲထုတ်ခြင်းနှင့် ချုပ်ချာခြင်း - ဆွေးနွေးမှုမှ သင်ယူချက် သို့မဟုတ် သဘောထား အရေးပါဆုံးကို ရှာဖွေခြင်း။
-
အသိပညာ အချက်အလက်များကို သိမ်းဆည်းခြင်း - အများအားဖြင့် ဗက်တာ ဒေတာဘေ့(စ်) တစ်ခုတွင် ဆက်လက် သိမ်းဆည်းသည်။
-
နောင်ကွာလေ့လာမှု ပြုလုပ်မှုတွင် အားဖြည့်စွက်ခြင်း - အသုံးပြုသူ အမေးအသစ် တင်လာသည့်အခါ အသိပညာ အေဂျင်ပြန်လည် ရှာဖွေပြီး အသုံးပြုသူ၏ နောက်ခံအချက်အလက်အဖြစ် မူလ ဂျင်နီယပ်သို့ ထည့်ကူးပေးသည် (RAG တွင် တူသည်)။
မှတ်ဉာဏ်အတွက် မြှင့်တင်ဆောင်ရွက်ချက်များ
• ဖြေရှင်းချိန် စောင့်ရှောက်မှု - အသုံးပြုသူ ဆက်ဆံမှုများကို နှေးကွေးစေခြင်း မရှိစေရန် အရင်က ပိုထိရောက်မြန်ဆန်သော မော်ဒယ်တစ်ခုဖြင့် စစ်ဆေးပြီး နောက်ဆုံး အဆင့်တွင် ကျယ်ပြန့်ပြီး ပြင်ဆင်ခြင်း ခြားနားမှုကြီးသော မော်ဒယ်ကို သုံးသည်။
• အသိပညာအခြေစိုက် ဒေတာဘေ့(စ်) စီမံမှု - အသုံးပြုမှုနည်းသော အချက်အလက်များကို “အေးဂိုဏ်”သိုလှောင်မှုသို့ ရွှေ့စေကာ ကုန်ကျစရိတ်များကို ထိန်းချုပ်ပေးသည်။
AI ဂျင်နီယပ်မှတ်ဉာဏ် အကြောင်း ပိုမိုမေးမြန်းလိုပါသလား?
Microsoft Foundry Discord တွင် တက်ရောက်ပြီး သင်ယူသူများနှင့်တွေ့ဆုံ၊ ရုံးချိန်များ ပူးပေါင်းဆွေးနွေး၍ သင့် AI ဂျင်နီယပ်များ အကြောင်း မေးခွန်းများကို ဖြေကြားပေးပါ။
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။