ai-agents-for-beginners

ကွန်ပျူတာ အသုံးပြုသူ Agent များ တည်ဆောက်ခြင်း (CUA)

ကွန်ပျူတာအသုံးပြုသူ Agent များသည် လူတစ်ဦးကဲ့သို့ ဝက်ဘ်ဆိုက်များနှင့် အပြန်အလှန်ဆက်သွယ်နိုင်သည်။ ဘရောက်ဇာကို ဖွင့်ကာ စာမျက်နှာကို စစ်ဆေးပြီး တွေ့ရှိသည့် အချက်အလက်အရ နောက်တစ်ဆင့် အကောင်းဆုံး အကောင့်လမ်းကြောင်းဖြင့် လုပ်ဆောင်သည်။ ဤသင်ခန်းစာတွင် သင်သည် Airbnb ကို ရှာဖွေပြီး စတော့ခ်ဟိုးလ်မ်ရှိ အိမ်ခန်းစာရင်းများမှ စနစ်တကျ ဖော်ထုတ်နိုင်သော ဘရောက်ဇာ အော်တီမေးရှင်း Agent တစ်ခုကို တည်ဆောက်မည်ဖြစ်ပြီး အိမ်ရာဈေးသက်သာဆုံးကို ဖော်ထုတ်နိုင်ပါသည်။

ဤသင်ခန်းစာတွင် Browser-Use (AI အခြေခံ ရွှေ့ပြောင်းမှုအတွက်)၊ Playwright နှင့် Chrome DevTools Protocol (CDP) ကို ဘရောက်ဇာထိန်းချုပ်ရန်၊ Azure OpenAI ကို မျက်နှာပြင်မြင်ရခြင်း အထောက်အပံ့အတွက်နှင့် Pydantic ကို စနစ်တကျ အချက်အလက်ထုတ်ယူရန် ပေါင်းစပ်အသုံးပြုထားသည်။

အကျဉ်းချုပ်

ဤသင်ခန်းစာတွင် ပါဝင်သည့်အကြောင်းအရာများမှာ -

သင်ယူရမည့် ရည်မှန်းချက်များ

ဤသင်ခန်းစာပြီးဆုံးပါက သင်လေ့လာသိရှိနိုင်မည့်အကြောင်းအရာများမှာ -

ကုတ်နမူနာ

ဤသင်ခန်းစာတွင် တစ်ခုသော notebook သင်တန်းလမ်းညွှန် ပါဝင်သည် -

လိုအပ်ချက်များ

ပြင်ဆင်မှုများ

Notebook တွင် အသုံးပြုထားသည့် package များကို ထည့်သွင်းပါ -

pip install browser_use playwright python-dotenv
playwright install chromium

Notebook ၌ အသုံးပြုသော Azure OpenAI ပတ်ဝန်းကျင် အပြောင်းအလဲများ သတ်မှတ်ပါ -

AZURE_OPENAI_ENDPOINT=...
AZURE_OPENAI_API_KEY=...
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=...
# လိုအပ်ပါက: မပါလျှင် အလိုအလျောက် နောက်ဆုံး API ဗားရှင်းကို သတ်မှတ်သည်
AZURE_OPENAI_API_VERSION=...

စုစုပေါင်း ရှုမြင်ချက်

Notebook သည် ဟိုက်ဘရစ် ဘရောက်ဇာ အော်တီမေးရှင်း လုပ်ငန်းစဉ်တစ်ခုကို ပြသသည်။

  1. Chrome ကို CDP ဖြင့် အစပြုသည်၊ ဤကြောင့် Playwright နှင့် Browser-Use အတူတူ ဘရောက်ဇာ session တစ်ခုကို အသုံးပြုနိုင်သည်။
  2. Browser-Use Agent သည် Airbnb ကို ဖွင့်ခြင်း၊ ပေါ့ပ်အပ်များ ဖျက်ပစ်ခြင်းနှင့် စတော့ခ်ဟိုးလ်မ် ရှာဖွေခြင်း စသည့် လမ်းကြောင်းများကို ကိုင်တွယ်သည်။
  3. လက်ရှိ စာမျက်နှာကို Pydantic စနစ်တကျအတိုင်း စစ်ဆေးကာ စာရင်းခေါင်းစဉ်များ၊ တစ်ညစျေးနှုန်းများ၊ အဆင့်သတ်မှတ်ချက်များနှင့် URL များကို ထုတ်ယူသည်။
  4. Python အချက်အလက်များဖြင့် ထုတ်ယူထားသော စာရင်းများကို နှိုင်းယှဉ်ပြီး အများဆုံးစျေးသက်သာဆုံး ရလဒ်ကို အထူးပြထားသည်။

ဤနည်းလမ်းသည် Browser-Use ၏ မျက်နှာပြင်မြင်ရမှုအရည်အသွေးနှင့် လျှာလည်ကြောင်း ရွှေ့ပြောင်းစွမ်းရည်ကို ထိန်းသိမ်းပေးသလို စိတ်ချရသော ဘရောက်ဇာ ထိန်းချုပ်မှုကိုလည်း ပေးစွမ်းသည်။

အဓိကအချက်များနှင့် အကောင်းဆုံး လေ့ကျင့်မှုများ

Agent နှင့် Actor အသုံးပြုရမည့် အချိန်

အခြေအနေ Agent အသုံးပြုရန် Actor အသုံးပြုရန်
ပြောင်းလဲနေသော layout များ ဟုတ်၊ AI က စာမျက်နှာ ပြောင်းလဲမှုများကို ကိုက်ညီစွာ တုံ့ပြန်နိုင်သည် မဟုတ်၊ ချိုးဖောက်ရလွယ်သော selector များရှိနိုင်သည်
ရှင်းလင်းသတ်မှတ်ထားသော ဖွဲ့စည်းမှု မဟုတ်၊ agent သည် တိုက်ရိုက် ထိန်းချုပ်မှုထက် နှေးကွေးသည် ဟုတ်၊ မျက်နှာဖုံးနှင့် တိကျမှန်ကန်သည်
အပိုင်းအစတွေ ရှာဖွေခြင်း ဟုတ်၊ သဘာဝဘာသာစကားအသုံးပြုမှုကောင်းသည် မဟုတ်၊ လိုအပ်သော Selector များ တိကျမှန်ကန်ရန် လိုသည်
အချိန်ပြန်ထိန်းချုပ်မှု မဟုတ်၊ ခန့်မှန်းခြေမပြည့်စုံပါ ဟုတ်၊ စောင့်ဆိုင်းမှုနှင့် ပြန်လည်ကြိုးစားမှုများကို အပြည့်အ၀ ထိန်းချုပ်သည်
ရှုပ်ထွေးသော လုပ်ငန်းစဉ်များ ဟုတ်၊ မမျှော်လင့်ထားသော UI အခြေအနေများကို ကိုင်တွယ်နိုင်သည် မဟုတ်၊ ပွဲခွဲသီးခြားခြင်း လိုအပ်သည်

Browser-Use အကောင်းဆုံးလေ့ကျင့်မှုများ

  1. စူးစမ်းရှာဖွေနေမှုနှင့် ပြောင်းလဲမှု ရှိသော လမ်းကြောင်းများအတွက် Agent နှင့်စတင်ပါ။
  2. ထိတွေ့မှုတွေ ခန့်မှန်းနိုင်သည့်အချိန်တွင် တိုက်ရိုက် စာမျက်နှာထိန်းချုပ်မှုသို့ ပြောင်းရွှေ့ပါ။
  3. ထုတ်ယူထားသော အချက်အလက်များကို စနစ်တကျစစ်ဆေးပြီး အမျိုးအစားသေချာသော ထုတ်လွှင့်မှု မော်ဒယ်များအသုံးပြုပါ။
  4. မြင်သာသော UI ပြောင်းလဲမှုများ ဖြစ်ပေါ်စေသော လုပ်ဆောင်ချက်များနောက်တွင် နောက်ကျရန် အချိန်များ ထည့်ပါ။
  5. အလုပ်များ ကျရောက်စဉ်တွင် မျက်နှာဖုံးပုံဖမ်းမှုများ ဆွဲယူထားရန်၊ အရှုံးအတွက် သတင်းအချက်အလက်များ လွယ်ကူစွာ ပြန်လည်စစ်ဆေးနိုင်ရန်။
  6. ဝက်ဘ်ဆိုက်များ ပြောင်းလဲလေ့ရှိသည်ကို မျှော်လင့်ပြီး ပေါ့ပ်အပ်များနှင့် ဖွဲ့စည်းပုံ ပြောင်းလဲမှုအတွက် မတည့်သောကြားမှု ပေါင်းထားရန် ဒီဇိုင်းချပါ။
  7. Agent နှင့် Actor ပုံစံများကို ပေါင်းစပ်၍ ပြောင်းလွယ်ပြင်လွယ်မှုနှင့် တိကျမှန်ကန်မှု နှစ်မျိုးလုံးရယူပါ။

Browser Agent များအတွက် ဘေးကင်းရေး လမ်းညွှန်ချက်များ

Browser Agent များသည် အသက်ရှင်နေသော ဝက်ဘ်ဆိုက်များပေါ်တွင် လည်ပတ်သောကြောင့် ရိုးရိုး API သာ ခေါ်သုံးသော စကရစ်ပက်ထက် ပိုမိုတင်းကြပ်သည့် ကန့်သတ်ချက်များ လိုအပ်သည်။ Notebook သင်ခန်းစာမှ အမှန်တကယ် လုပ်ငန်းစဉ်သို့ မရွှေ့မီ Agent ၏ ကြည့်ရှုခွင့်၊ နှိပ်ခွင့်၊ တင်ပြခွင့်များကို သတ်မှတ်ပေးပါ။

  1. ဘရောက်ဇာ ပတ်ဝန်းကျင်ကို သတ်မှတ်ပါ။ Agent ကို သီးသန့် ဘရောက်ဇာ ပရိုဖိုင် သို့မဟုတ် စိမ်းလန်းနံပါတ် တစ်ခုတွင် ပြေးပါ၊ လုပ်ငန်းအတွက် လိုအပ်သည့် ဒိုမိန်းများအတွင်းသာ ကန့်သတ်ပါ။
  2. ကြည့်ရှုမှ လုပ်ဆောင်မှုအဆင့်ကို ခွဲခြားပါ။ Agent ကို ရှာဖွေခြင်း၊ ဖတ်ရှုခြင်းနှင့် အချက်အလက်ထုတ်ယူခြင်း စတင်ခွင့် ပေးပြီး Form များတင်ပို့ခြင်း၊ စာပိုက်ဆောင်ခြင်း၊ ခရီးစဥ်မှာယူခြင်း၊ ဝယ်ယူမှုများ ပြုလုပ်ခြင်း၊ မှတ်တမ်း ဖျက်သိမ်းခြင်း၊ အကောင့် ဆက်တင်ပြောင်းလဲခြင်းများအတွက် သီးခြား အတည်ပြုခွင့် လိုအပ်ပါသည်။
  3. ရှောင်ရှားရန် ဖြစ်သော အချက်အလက်များကို Prompt နှင့် မှတ်တမ်းများမှ မထည့်ပါနှင့်။ စကားဝှက်များ၊ ငွေပေးချေမှုအသေးစိတ်များ၊ ဆက်သွယ်မှုအချက်အလက်များ ဒါမှမဟုတ် ကိုယ်ရေးအချက်အလက်များကို မော်ဒယ်အတွင်း မထည့်ပါစေနဲ့။ အသုံးပြုသူ ဆက်လက်အတည်ပြုခြင်းနှင့် လုပ်ငန်းလမ်းညွှန်ရယူရန် အပိုင်းဆိုင်ရာ အချက်အလက် များကို ဖျက်ပစ်ပါ။
  4. စာမျက်နှာအကြောင်းအရာများကို ယုံကြည်စိတ်ချရန်မဖြစ်သော အချက်အလက်အဖြစ် ဆက်ဆံပါ။ ဝက်ဘ်ဆိုက်တွင် Agent အတွက်သာ ဖြစ်သော ညွှန်ကြားချက်များ ပါရှိနိုင်သည်၊ Agent သည် အကြောင်းအရာ ပြောင်းလဲရန်၊ ဒေတာ ဖော်ထုတ်ရန်၊ ဘေးကင်းရေး ကာကွယ်မှု ပိတ်သိမ်းရန် သို့မဟုတ် ဆက်စပ် မဟုတ်သောဆိုက်များသို့ သွားရောက်ရန် ဖိတ်ခေါ်သည့် စာလုံးများကို လုံးဝ မီရမီစွာ လက်မခံသငျ့ပါ။
  5. အန္တရာယ်ရှိသော အဆင့်များတွင် သတ်မှတ်ချက်များ ရှိသော စစ်ဆေးမှုများ အသုံးပြုပါ။ လက်ရှိ URL၊ စာမျက်နှာ ခေါင်းစဉ်၊ ရွေးချယ်ထားသော အရာဝတ္ထု၊ စျေးနှုန်း၊ လက်ခံသူနှင့် လုပ်ဆောင်မှု အကျုံးဖော်ခြင်း ကို ကုဒ်များဖြင့် စစ်ဆေးပြီး အသုံးပြုသူထံ အတည်ပြုရန် မေးခွန်းတင်ပါ။
  6. အသုံးစရိတ်နှင့် ရပ်နားမှု အခြေအနေများ သတ်မှတ်ပါ။ လုပ်ဆောင်ချက် အရေအတွက်၊ ပြန်လည်ကြိုးစားမှုအရေအတွက်၊ ထပ်များနှင့် မိနစ် အရေအတွက်များကို ကန့်သတ်ပါ။ စာမျက်နှာ အခြေအနေ မရှင်းလင်းသောအခါ နှိပ်ဖျက်မှု မလုပ်ဘဲ ရပ်တန့်ပါ။
  7. တစ်ခုချင်းစီကို မမှတ်တမ်းတင်ဘဲ အသုံးဝင်သော သက်သေများမှတ်တမ်းတင်ပါ။ လုပ်ဆောင်မှုအကျဥ်းချုပ်များ၊ အချိန်တံဆိပ်များ၊ URL များ၊ ရွေးချယ်ထားသော အရာဝတ္ထု ဝေါဟာရချက်များနှင့် မျက်နှာဖုံးပုံဖမ်းမှု အညွှန်းများကို သိမ်းဆည်းထား၍ အမှားများ ပြန်လည်စစ်ဆေးရာတွင် အလိုအလျောက် မလိုအပ်သော စာမျက်နှာအကြောင်းအရာများ မသိမ်းဆည်းပါ။

Airbnb နမူနာတွင် စံနှုန်းဘေးကင်းသော လုပ်ဆောင်မှုမှာ စာရင်းများကို ရှာဖွေပြီး စျေးနှုန်းများကို ထုတ်ယူခြင်းဖြစ်သည်။ လက်မှတ်ထိုးခြင်း၊ အိမ်ရှင်နှင့် ဆက်သွယ်ခြင်း သို့မဟုတ် စာရင်းမှာယူခြင်းများကို အသုံးပြုသူ အတည်ပြုချက် မပြုမီ သီးခြား လုပ်ဆောင်သင့်သည်။

အမှန်တကယ် အသုံးချနိုင်မှုများ

အမှန်တကယ် လုပ်ဆောင်မှု ဥပမာ - Microsoft Project Opal

ဤသင်ခန်းစာတွင် သင်တည်ဆောက်မည့် Agent သည် ကွန်ပျူတာအသုံးပြုသူ Agent (CUA) အကြီးစားဖြစ်ပြီး လူတစ်ဦးကဲ့သို့ ဘရောက်ဇာကို လမ်းညွှန်ပေးသည်။ Microsoft သည် Microsoft 365 Copilot ထဲသို့ ပြည်သူ့အကျိုးရှိ ပြီးသော ယင်းစိတ်ကူးကို Project Opal (Frontier) ဖြင့် ပေးဆောင်နေသည်။

Project Opal ဖြင့် သင်သည် လုပ်ငန်းတစ်ခုကို ဖေါ်ပြကာ Agent သည် လုံခြုံသော Windows 365 Cloud PC ပေါ်ရှိ ကွန်ပျူတာအသုံးပြုသူ အနေဖြင့် သင့်အဖွဲ့အစည်း၏ ဘရောက်ဇာ အပလီကေးရှင်းများ၊ ဆိုက်များနှင့် ဒေတာများပေါ်တွင် လုပ်ဆောင်ပါသည်။ ၎င်းသည် နောက်ခံ asynchronous ပုံစံဖြင့် လည်ပတ်ကာ သင်သည် လုပ်ငန်းကို လမ်းညွှန်ရန် သို့မဟုတ် အချိန်မရွေး ထိန်းချုပ်နိုင်ပါသည်။ ဥပမာလုပ်ငန်းများမှာ -

Opal သည် ထုတ်လုပ်မှုအဆင့်ရှိပြီး ယုံကြည်စိတ်ချရသော ကွန်ပျူတာအသုံးပြုသူ Agent ၏ ဥပမာ၊ နမူနာကောင်းတစ်ခုဖြစ်ပြီး ယခင် သင်ခန်းစာများမှ အကြောင်းအရာများကိုလည်း ပြန်လည်အတည်ပြုပေးသည်။

သင်တန်းတွင် ပါသော အယူအဆ Project Opal တွင် အသုံးချပုံ
လူမှထိန်းချုပ်မှု ပါရှိခြင်း (သင်ခန်းစာ 06) Opal သည် စာရင်းဝင်ခြင်းအချက်အလက်၊ အထူးအချက်အလက်များ သို့မဟုတ် မရှင်းလင်းသော ညွှန်ကြားချက်များအတွက် ရပ်တန့်သည်၊ စကားဝှက် မထည့်နှင့် Form မတင်မီ အတည်ပြုချက် မရပါ။ ထို့အပြင် ထိန်းချုပ်ခွင့်ကူးပြောင်း နိုင်ခြင်းကို လည်း ပေးသည်။
ယုံကြည်စိတ်ချရပြီး လုံခြုံသော Agent များ (သင်ခန်းစာ 06 & 18) Windows 365 Cloud PC သီးသန့်တွင် လည်ပတ်သည်၊ ဘရောက်ဇာသာမာန်အဖြစ် လည်ပတ်ပြီး (အခြား ကွန်ပျူတာအသုံးပြုခွင့်များ ပိတ်ထားသည်၊ Intune ဖြင့် အကောင်အထည်ဖော်သည်), သင့် ကိုယ်စားအသုံးပြုမှုဖြစ်ပြီး ခွင့်ပြုချက်ရှိသော အရာများကိုသာ ဝင်ရောက်ကြည့်ရှုရန် ခွင့်ပြုသည်၊ လုပ်ဆောင်ချက်တိုင်းကို စစ်ဆေးရေးအတွက် မှတ်တမ်းတင်သည်။
အစီအစဉ်ရေးဆွဲခြင်းနှင့် မီတာခံယူချက် (သင်ခန်းစာ 07 & 09) Opal သည် အလုပ်တစ်ခုအတွက် အစီအမံ တည်ဆောက်ပြီး လုပ်ဆောင်ချက်တိုင်းကို ကိုယ်တိုင် စိစစ်ကာ မသည်းခံမဖြစ်ဘဲ ရပ်တန့်သည်၊ စွပ်စွဲချက်တွေ ဖြစ်လာပါက ရပ်တန့်သည်။
ပြန်အသုံးပြုနိုင်သော စွမ်းဆောင်ရည်များ / ကိရိယာများ (သင်ခန်းစာ 04) ကျွမ်းကျင်မှုပုံစံများ အသုံးပြု၍ .md ဖိုင်မှ တင်သွင်းခြင်း သို့မဟုတ် Opal ဖြင့် ဖန်တီးခြင်းအားဖြင့် အသုံးပြုသည်။ ပြောဆိုမှုများတစ်လျှောက် ပြန်အသုံးပြုနိုင်သည်။

ရရှိနိုင်မှု: Project Opal ကို ယခုအခါ Frontier early access program ၏ အသုံးပြုသူများအတွက် Microsoft 365 Copilot စာရင်းသွင်းမှုဖြင့် ရရှိနိုင်ပြီး သင့် အုပ်ချုပ်ရေးမှူးမှ ပြင်ဆင်မှုများ ပြီးစီးစေရမည်။ Frontier စမ်းသပ်မှု အင်္ဂါရပ်ဖြစ်သည့်အတွက် စွမ်းဆောင်ရည်များမှာ အချိန်အလိုက် ပြောင်းလဲနိုင်သည်။

ထပ်ဆောင်း တွေ့ရှိနိုင်သော အရင်းအမြစ်များ

ယခင် သင်ခန်းစာ

Microsoft Agent Framework စူးစမ်းခြင်း

နောက်တစ်ခါ သင်ခန်းစာ

Scalable Agent များ တပ်ဆင်ခြင်း

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.