ai-agents-for-beginners
(उपरोक्त छवि क्लिक गरेर यस पाठको भिडियो हेर्नुहोस्)
AI एजेन्टहरू र एजेन्ट प्रयोगका केसहरू
Welcome to the “AI Agents for Beginners” course! This course provides fundamental knowledge and applied samples for building AI Agents.
Join the Azure AI डिसकर्ड समुदाय to meet other learners and AI Agent Builders and ask any questions you have about this course.
To start this course, we begin by getting a better understanding of what AI Agents are and how we can use them in the applications and workflows we build.
परिचय
This lesson covers:
- AI एजेन्टहरू के हुन् र एजेन्टका विभिन्न प्रकारहरू के-के हुन्?
- AI एजेन्टहरूका लागि कुन प्रयोग केसहरू उपयुक्त छन् र तिनीहरूले हामीलाई कसरी मद्दत गर्न सक्छन्?
- एजेन्टिक समाधानहरू डिजाइन गर्दा के के आधारभूत निर्माण ब्लकहरू हुन्छन्?
सिकाइका लक्ष्यहरू
After completing this lesson, you should be able to:
- AI एजेन्ट अवधारणाहरू बुझ्ने र तिनीहरू अन्य AI समाधानहरू भन्दा कसरी फरक छन् भन्ने बुझ्ने।
- AI एजेन्टहरू सबैभन्दा प्रभावकारी रूपमा लागू गर्ने।
- प्रयोगकर्ता र ग्राहक दुबैका लागि उत्पादक रूपमा एजेन्टिक समाधानहरू डिजाइन गर्ने।
AI एजेन्टहरूको परिभाषा र एजेन्टका प्रकारहरू
AI एजेन्टहरू के हुन्?
AI एजेन्टहरू प्रणालीहरू हुन् जसले ठूला भाषा मोडेलहरू(LLMs) लाई उपकरणहरू र ज्ञान पहुँच दिएर उनीहरूको क्षमताहरू विस्तार गरी कार्यहरू प्रदर्शन गर्न सक्षम बनाउँछ।
Let’s break this definition into smaller parts:
- प्रणाली - एजेन्टहरूलाई केवल एउटै कम्पोनेंट मात्र नभई धेरै कम्पोनेंटहरूको प्रणालीको रूपमा सोच्नु महत्त्वपूर्ण हुन्छ। आधारभूत स्तरमा, AI एजेन्टका कम्पोनेंटहरू हुन्:
- पर्यावरण - AI एजेन्टले सञ्चालन गरिरहेको परिभाषित ठाउँ। उदाहरणका लागि, यदि हामीसँग यात्रा बुकिङ AI एजेन्ट छ भने, पर्यावरण त्यो यात्रा बुकिङ प्रणाली हुन सक्छ जुन AI एजेन्टले कार्यहरू पूरा गर्न प्रयोग गर्छ।
- Sensors - वातावरणहरूले जानकारी राख्छन् र प्रतिक्रीया दिन्छन्। AI एजेन्टहरूले सेन्सरहरू प्रयोग गरेर वातावरणको वर्तमान अवस्थाबारे यो जानकारी सङ्कलन र व्याख्या गर्छन्। यात्रा बुकिङ एजेन्ट उदाहरणमा, यात्रा बुकिङ प्रणालीले होटल उपलब्धता वा उडान मूल्य जस्ता जानकारी प्रदान गर्न सक्छ।
- Actuators - एकपटक AI एजेन्टले वातावरणको वर्तमान अवस्था प्राप्त गरेपछि, हालको कार्यका लागि एजेन्टले वातावरण परिवर्तन गर्न कुन कदम चाल्ने भन्ने निर्धारण गर्छ। यात्रा बुकिङ एजेन्टको लागि, यो प्रयोगकर्ताका लागि उपलब्ध कोठा बुक गर्नु हुन सक्छ।
ठूला भाषा मोडेलहरू - एजेन्टहरूको अवधारणा LLMs सिर्जना हुनु भन्दा पहिले नै अस्तित्वमा थियो। LLMs सँग AI एजेन्टहरू बनाउँदा फाइदा भनेको मानव भाषालाई र डाटालाई व्याख्या गर्न सक्ने क्षमता हो। यस क्षमता ले LLMs लाई वातावरणीय जानकारी व्याख्या गरी वातावरण परिवर्तन गर्ने योजना बनाउन सक्षम बनाउँछ।
कार्यहरू प्रदर्शन - AI एजेन्ट प्रणालीहरू बाहेक, LLMs ती अवस्थाहरूमा सीमित हुन्छन् जहाँ कार्य प्रयोगकर्ताको प्रॉम्प्टबाट सामग्री वा जानकारी उत्पन्न गर्नु नै हुन्छ। AI एजेन्ट प्रणालीभित्र, LLMsले प्रयोगकर्ताको अनुरोध व्याख्या गरी र आफ्नो वातावरणमा उपलब्ध उपकरणहरू प्रयोग गरी कार्यहरू सम्पन्न गर्न सक्छन्।
उपकरणहरूसम्म पहुँच - LLMले कस्ता उपकरणहरू पहुँच पाउँछ भन्ने कुरा 1) यसले सञ्चालन गरिरहेको वातावरण र 2) AI एजेन्टको विकासकर्ताद्वारा परिभाषित हुन्छ। हाम्रो यात्रा एजेन्ट उदाहरणमा, एजेन्टका उपकरणहरू बुकिङ प्रणालीमा उपलब्ध अपरेसनहरूले सीमित हुन्छन्, र/वा विकासकर्ताले एजेन्टको उपकरण पहुँचलाई उडानहरूमात्र सीमित गर्न सक्छ।
Memory+Knowledge - स्मृति प्रयोगकर्ता र एजेन्ट बीचको संवादको सन्दर्भमा छोटो-समयको हुन सक्छ। दीर्घकालीन रूपमा, वातावरणले प्रदान गरेको जानकारी बाहिर, AI एजेन्टहरूले अन्य प्रणालीहरू, सेवाहरू, उपकरणहरू र यहाँसम्म कि अन्य एजेन्टहरूबाट पनि ज्ञान प्राप्त गर्न सक्छन्। यात्रा एजेन्ट उदाहरणमा, यो ज्ञान ग्राहक डाटाबेसमा रहेको प्रयोगकर्ताको यात्रा प्राथमिकता सम्बन्धी जानकारी हुन सक्छ।
एजेन्टका विभिन्न प्रकारहरू
| एजेन्ट प्रकार | विवरण | उदाहरण |
|---|---|---|
| सरल रिफ्लेक्स एजेन्टहरू | पूर्वनिर्धारित नियमहरूका आधारमा तत्काल कार्यहरू प्रदर्शन गर्छन्। | यात्रा एजेन्टले इमेलको सन्दर्भ व्याख्या गरी यात्रा गुनासोहरू ग्राहक सेवा विभागमा अग्रेषित गर्छ। |
| मोडेल-आधारित रिफ्लेक्स एजेन्टहरू | विश्वको मोडेल र त्यस मोडेलमा हुने परिवर्तनहरू आधारित कार्यहरू प्रदर्शन गर्छन्। | यात्रा एजेन्टले ऐतिहासिक मूल्याङ्कन डेटा पहुँचको आधारमा धेरै मूल्य परिवर्तन भएका मार्गहरूलाई प्राथमिकता दिन्छ। |
| लक्ष्य-आधारित एजेन्टहरू | लक्ष्यलाई व्याख्या गरी त्यसलाई प्राप्त गर्ने कार्यहरू निर्धारण गरेर विशेष लक्ष्यहरू हासिल गर्न योजनाहरू बनाउँछन्। | यात्रा एजेन्टले हालको स्थानबाट गन्तव्यसम्म आवश्यक यात्रा व्यवस्था (कार, सार्वजनिक यातायात, उडानहरू) निर्धारण गरी यात्रा बुक गर्छ। |
| उपयोगिता-आधारित एजेन्टहरू | प्राथमिकताहरू विचार गरी र ट्रेड-अफहरूलाई संख्यात्मक रूपमा तौलेर लक्ष्य कसरी हासिल गर्ने निर्धारण गर्छन्। | यात्रा बुक गर्दा सुविधा र लागतबीचको सट्टेबाजी तौल गरेर यात्रा एजेन्टले उपयोगिता अधिकतम बनाउँछ। |
| सिक्ने एजेन्टहरू | प्रतिक्रियालाई जवाफ दिँदै र त्यसअनुसार कार्यहरू समायोजन गर्दै समयसँगै सुधार हुन्छन्। | यात्रा एजेन्टले यात्रापश्चात सर्वेक्षणबाट प्राप्त ग्राहक प्रतिक्रिया प्रयोग गरेर भविष्यका बुकिङहरू समायोजन गरी सुधार गर्छ। |
| हाइरार्किकल एजेन्टहरू | एक तहगत प्रणालीमा धेरै एजेन्टहरू समावेश हुन्छन्, जहाँ उच्च-स्तरका एजेन्टहरूले कामलाई स-साना उपकार्यक्षेत्रहरूमा विभाजन गर्छन् जुन तल्लो-स्तरका एजेन्टहरूले पूरा गर्छन्। | यात्रा एजेन्टले यात्रा रद्द गर्दा कामलाई उपकार्यहरूमा विभाजन गरी (उदाहरणका लागि, विशेष बुकिङहरू रद्द गर्ने) तल्लो-स्तरका एजेन्टहरूले ती पूरा गर्दछन् र उच्च-स्तरका एजेन्टलाई रिपोर्ट गर्छन्। |
| बहु-एजेन्ट प्रणालीहरू (MAS) | एजेन्टहरूले स्वतन्त्र रूपमा, सहयोगी वा प्रतिस्पर्धात्मक रूपमा, कार्यहरू पूरा गर्छन्। | सहयोगी: धेरै एजेन्टहरूले होटल, उडान र मनोरञ्जन जस्ता विशिष्ट यात्रा सेवाहरू बुक गर्छन्। प्रतिस्पर्धात्मक: धेरै एजेन्टहरूले साझा होटल बुकिङ क्यालेन्डरलाई व्यवस्थित गरी ग्राहकहरूलाई होटलमा बुक गर्न प्रतिस्पर्धा गर्छन्। |
AI एजेन्टहरू कहिले प्रयोग गर्ने
In the earlier section, we used the Travel Agent use-case to explain how the different types of agents can be used in different scenarios of travel booking. We will continue to use this application throughout the course.
Let’s look at the types of use cases that AI Agents are best used for:
- Open-Ended Problems - LLMलाई आवश्यक कदमहरू निर्धारण गर्न दिने; किनकि ती सबै अवस्थामा कार्यप्रवाहमा स्थिर रूपमा कोड गर्न सकिंदैन।
- Multi-Step Processes - त्यस्ता कार्यहरू जसमा जटिलताको स्तर आवश्यक पर्छ र जहाँ AI एजेन्टले एकै चरणमा जानकारी निकाल्ने सट्टा धेरै चरणहरूमा उपकरण वा जानकारी प्रयोग गर्नुपर्छ।
- Improvement Over Time - वातावरण वा प्रयोगकर्ताबाट प्राप्त प्रतिकृयाबाट समयसँगै सुधार गरी अधिक उपयोगिता प्रदान गर्न सकिने कार्यहरू।
We cover more considerations of using AI Agents in the Building Trustworthy AI Agents lesson.
एजेन्टिक समाधानहरूको आधारभूत कुरा
एजेन्ट विकास
AI एजेन्ट प्रणाली डिजाइन गर्ने पहिलो कदम भनेको उपकरणहरू, कार्यहरू, र व्यवहारहरू परिभाषित गर्नु हो। यस पाठ्यक्रममा, हामीले हाम्रो एजेन्टहरू परिभाषित गर्न Azure AI Agent Service प्रयोगमा ध्यान केन्द्रित गरेका छौं। यसले जस्ता सुविधाहरू प्रस्ताव गर्छ:
- OpenAI, Mistral, र Llama जस्ता खुला मोडेलहरूको चयन
- Tripadvisor जस्ता प्रदायकहरूमार्फत लाइसेन्स प्राप्त डाटा प्रयोग
- मानकीकृत OpenAPI 3.0 उपकरणहरूको प्रयोग
एजेन्टिक ढाँचाहरू
LLMs सँग सञ्चार प्रॉम्प्टहरू मार्फत हुन्छ। AI एजेन्टहरूको अर्ध-स्वायत्त प्रकृतिलाई ध्यानमा राख्दै, वातावरणमा परिवर्तन भएपछि LLMलाई म्यानुअली पुन:प्रॉम्प्ट गर्नु सधैं सम्भव वा आवश्यक नहुन सक्छ। हामी एजेन्टिक ढाँचाहरू प्रयोग गर्छौं जसले LLMलाई धेरै चरणहरूमा बढी स्केलेबल तरिकाले प्रॉम्प्ट गर्न अनुमति दिन्छ।
This course is divided into some of the current popular Agentic patterns.
एजेन्टिक फ्रेमवर्कहरू
एजेन्टिक फ्रेमवर्कहरूले विकासकर्ताहरूलाई कोडमार्फत एजेन्टिक ढाँचाहरू कार्यान्वयन गर्न दिन्छ। यी फ्रेमवर्कहरूले टेम्प्लेटहरू, प्लगइनहरू, र AI एजेन्ट सहकार्य सुधार गर्नका लागि उपकरणहरू प्रस्ताव गर्छन्। यी सुविधाहरूले AI एजेन्ट प्रणालीहरूको राम्रो अवलोकनयोग्यता र समस्या समाधान गर्न सक्ने क्षमता प्रदान गर्छन्।
यस पाठ्यक्रममा, हामी उत्पादन-तयार AI एजेन्टहरू निर्माणका लागि Microsoft Agent Framework (MAF) अन्वेषण गर्नेछौं।
नमूना कोडहरू
- Python: एजेन्ट फ्रेमवर्क
- .NET: एजेन्ट फ्रेमवर्क
AI एजेन्टहरू सम्बन्धी थप प्रश्नहरू छन्?
Join the Microsoft Foundry Discord to meet with other learners, attend office hours and get your AI Agents questions answered.
अघिल्लो पाठ
अर्को पाठ
अस्वीकरण: यो दस्तावेज AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी शुद्धताको लागि प्रयासरत भएता पनि, कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटि वा असंगतिहरू हुनसक्छन्। मूल दस्तावेजलाई यसको मूल भाषामा नै अधिकारिक स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीका लागि पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार छैनौं।