ai-agents-for-beginners
(उपरोक्त तस्वीरमा क्लिक गरी यस पाठको भिडियो हेर्नुहोस्)
AI एजेन्टहरूको परिचय र एजेन्ट प्रयोग केसहरू
“AI Agents for Beginners” पाठ्यक्रममा स्वागत छ! यो पाठ्यक्रमले AI एजेन्टहरू निर्माण गर्नका लागि आधारभूत ज्ञान र प्रयोगात्मक नमूनाहरू प्रदान गर्दछ।
अन्य सिक्नेहरू र AI एजेन्ट निर्माताहरूलाई भेट्न र यस पाठ्यक्रमका बारेमा कुनै पनि प्रश्नहरू सोध्न Azure AI डिस्कोर्ड समुदाय मा सहभागी हुनुहोस्।
यो पाठ्यक्रम सुरु गर्नका लागि, हामीले पहिले AI एजेन्टहरू के हुन् र तिनीहरूलाई हामीले निर्माण गर्ने अनुप्रयोगहरू र कार्यप्रवाहहरूमा कसरी प्रयोग गर्न सकिन्छ भन्ने राम्रो बुझाइ प्राप्त गरेर सुरु गर्छौं।
परिचय
यस पाठले समेट्छ:
- AI एजेन्टहरू के हुन् र एजेन्टका विभिन्न प्रकारहरू के-के हुन्?
- कुन प्रयोग केसहरू AI एजेन्टहरूका लागि उत्तम हुन्छन् र तिनीहरूले हामीलाई कसरी मद्दत गर्न सक्छन्?
- एजेन्टिक समाधानहरू डिजाइन गर्दा के-के आधारभूत निर्माण सामग्रीहरू हुन्छन्?
सिकाइ लक्ष्यहरू
यो पाठ पूरा गरेपछि, तपाईं सक्षम हुनु पर्नेछ:
- AI एजेन्ट अवधारणाहरू बुझ्न र ती अन्य AI समाधानहरूबाट कसरी फरक छन् भन्ने बुझ्न।
- AI एजेन्टहरूलाई सबैभन्दा प्रभावकारी तरिकाले लागू गर्न।
- प्रयोगकर्ताहरू र ग्राहकहरू दुबैका लागि उत्पादनशील रूपमा एजेन्टिक समाधानहरू डिजाइन गर्न।
AI एजेन्ट परिभाषा र AI एजेन्टका प्रकारहरू
AI एजेन्टहरू के हुन्?
AI एजेन्टहरू ती प्रणालीहरू हुन् जसले ठूला भाषा मोडेलहरू(LLMs) लाई उपकरणहरू र ज्ञानसम्म पहुँच दिएर कार्यहरू प्रदर्शन गर्न सक्षम बनाउँछन्।
यो परिभाषालाई साना भागमा विभाजन गरौं:
- वातावरण - AI एजेन्ट कहाँ सञ्चालन भइरहेको परिभाषित स्थान। उदाहरणका लागि, यदि हामीसँग यात्रा बुकिंग AI एजेन्ट छ भने, वातावरण त्यो यात्रा बुकिंग प्रणाली हुन सक्छ जसलाई AI एजेन्टले कार्य पूरा गर्न प्रयोग गर्छ।
- सेन्सरहरू - वातावरणसँग जानकारी र प्रतिक्रिया हुन्छ। AI एजेन्टहरू वर्तमान वातावरणको अवस्थाबारे जानकारी सङ्कलन र व्याख्या गर्न सेन्सरहरू प्रयोग गर्दछ। यात्रा बुकिंग एजेन्ट उदाहरणमा, बुकिंग प्रणालीले होटल उपलब्धता वा उडान मूल्यहरू जस्ता जानकारी प्रदान गर्न सक्छ।
- एक्चुएटरहरू - एकपटक AI एजेन्टले वातावरणको वर्तमान अवस्था प्राप्त गरेपछि, वर्तमान कार्यका लागि एजेन्टले वातावरण परिवर्तन गर्न कुन कार्य गर्ने निर्धारण गर्छ। यात्रा बुकिंग एजेन्टको लागि, यो प्रयोगकर्ताको लागि उपलब्ध कोठा बुक गर्नु हुन सक्छ।
ठूला भाषा मोडेलहरू - एजेन्टहरूको अवधारणा LLMs को सिर्जनाभन्दा पहिले पनि अस्तित्वमा थियो। LLMs प्रयोग गरेर AI एजेन्टहरू निर्माण गर्दा लाभ भनेको तिनीहरूको मानव भाषा र डाटालाई व्याख्या गर्ने क्षमता हो। यो क्षमता LLMs लाई वातावरणीय जानकारी व्याख्या गर्न र वातावरण परिवर्तन गर्न योजना परिभाषित गर्न सक्षम बनाउँछ।
कार्य प्रदर्शन - AI एजेन्ट प्रणालीहरू बाहिर, LLMs ती अवस्थामा सीमित हुन्छन् जहाँ कार्य प्रयोगकर्ताको प्रॉम्प्टको आधारमा सामग्री वा जानकारी उत्पन्न गर्ने हुन्छ। AI एजेन्ट प्रणाली भित्र, LLMs प्रयोगकर्ताको अनुरोध व्याख्या गरेर र उपलब्ध उपकरणहरू प्रयोग गरेर कार्यहरू पूरा गर्न सक्छन्।
उपकरणहरू पहुँच - LLM लाई कुन उपकरणहरूको पहुँच हुन्छ भन्ने कुरा 1) जुन वातावरणमा यो सञ्चालन भइरहेको छ र 2) AI एजेन्टको डेभलपरले के सीमित गरेका छन् भन्नेले परिभाषित हुन्छ। हाम्रो यात्रा एजेन्ट उदाहरणका लागि, एजेन्टका उपकरणहरू बुकिंग प्रणालीमा उपलब्ध अपरेसनहरूद्वारा सीमित छन्, र/वा डेभलपरले एजेन्टको उपकरण पहुँचलाई उडानसम्म सीमित गर्न सक्छ।
स्मृति + ज्ञान - स्मृति कुराकानीको सन्दर्भमा छोटो-कालीन हुन सक्छ। लामो-कालीन रूपमा, वातावरणले उपलब्ध गराएको जानकारी बाहेक AI एजेन्टहरूले अन्य प्रणालीहरू, सेवाहरू, उपकरणहरू र यहाँसम्म कि अन्य एजेन्टहरूबाट पनि ज्ञान पुन:प्राप्त गर्न सक्छन्। यात्रा एजेन्ट उदाहरणमा, यो ज्ञान प्रयोगकर्ताको यात्रा प्राथमिकताहरूको जानकारी हुन सक्छ जुन ग्राहक डेटाबेसमा रहेको हुन्छ।
एजेन्टका विभिन्न प्रकारहरू
अब जब हामीसँग AI एजेन्टहरूको सामान्य परिभाषा छ, आउनुहोस् केही विशिष्ट एजेन्ट प्रकारहरू र तिनीहरूलाई यात्रा बुकिंग AI एजेन्टमा कसरी लागू गर्ने भनेर हेरौं।
| एजेन्ट प्रकार | विवरण | उदाहरण |
|---|---|---|
| सरल रिफ्लेक्स एजेन्टहरू | पूर्वनिर्धारित नियमहरूका आधारमा तुरुन्त कार्यहरू प्रदर्शन गर्छन्। | यात्रा एजेन्टले इमेलको सन्दर्भ व्याख्या गरेर यात्रा सम्बन्धी उजुरीहरू ग्राहक सेवा समक्ष अग्रेषित गर्छ। |
| मोडेल-आधारित रिफ्लेक्स एजेन्टहरू | संसारको मोडेल र त्यस मोडेलमा भएका परिवर्तनहरूका आधारमा कार्यहरू प्रदर्शन गर्छन्। | यात्रा एजेन्टले ऐतिहासिक मूल्य डेटा पहुँचको आधारमा महत्त्वपूर्ण मूल्य परिवर्तन भएका मार्गहरूलाई प्राथमिकता दिन्छ। |
| उद्देश्य-आधारित एजेन्टहरू | लक्ष्य व्याख्या गरी र त्यसमा पुग्नका लागि आवश्यक कार्यहरू निर्धारण गरी योजना बनाउँछन्। | यात्रा एजेन्टले वर्तमान स्थानबाट गन्तव्यसम्म पुग्न आवश्यक यात्रा व्यवस्था (गाडी, सार्वजनिक यातायात, उडानहरू) निर्धारण गरेर यात्रा बुक गर्छ। |
| युटिलिटी-आधारित एजेन्टहरू | प्राथमिकताहरू विचार गरी संख्यात्मक रूपमा व्यापारoffs तौलेर लक्ष्य कसरी प्राप्त गर्ने भनेर निर्धारण गर्छ। | यात्रा एजेन्टले यात्रा बुक गर्दा सुविधा र लागत बीचको सन्तुलन गरेर युटिलिटी अधिकतम गर्छ। |
| सिक्ने एजेन्टहरू | प्रतिक्रिया प्राप्त गरी र तदनुसार कार्यहरू समायोजन गरेर समयसँग सुधार गर्छन्। | यात्रा एजेन्टले पोस्ट-ट्रिप सर्वेक्षणबाट ग्राहक प्रतिक्रियालाई प्रयोग गरी भविष्यका बुकिंगहरूमा समायोजन गरेर सुधार गर्छ। |
| हाइरार्किकल एजेन्टहरू | तर्जुमा गरिएको सिस्टममा बहु-एजेन्टहरू समावेश हुन्छन्, जहाँ उच्च-स्तरका एजेन्टहरूले कार्यहरू उप-कार्यमध्ये विभाजन गर्छन् र तल्लो-स्तरका एजेन्टले ती पूरा गर्छन्। | यात्रा एजेन्टले कुनै यात्रा रद्द गर्दा कार्यलाई उप-कार्यहरूमा विभाजन गर्छ (उदाहरणका लागि, विशिष्ट बुकिंगहरू रद्द गर्ने) र तल्लो-स्तरका एजेन्टहरूलाई ती पूरा गराउन посाउँछ, र उच्च-स्तरका एजेन्टलाई रिपोर्ट गर्छ। |
| बहु-एजेन्ट प्रणालीहरू (MAS) | एजेन्टहरूले स्वतन्त्र रूपमा कार्यहरू पूरा गर्छन्, सहयोगी वा प्रतिस्पर्धी रूपमा। | सहयोगी: बहु-एजेन्टहरूले होटल, उडान, र मनोरञ्जन जस्ता विशिष्ट यात्रा सेवाहरू बुक गर्छन्। प्रतिस्पर्धी: बहु-एजेन्टहरूले साझा होटल बुकिंग क्यालेन्डरमा ग्राहकहरूलाई होटलमा बुक गर्न प्रतिस्पर्धा गर्छन्। |
कहिले AI एजेन्ट प्रयोग गर्ने
पहिलेको हिस्सामा, हामीले यात्रा एजेन्ट प्रयोग केस प्रयोग गरेर यात्रा बुकिंगका विभिन्न परिदृश्यहरूमा एजेन्टका विभिन्न प्रकारहरू कसरी प्रयोग गर्न सकिन्छ भनेर व्याख्या गर्यौँ। हामी यो अनुप्रयोगलाई पाठ्यक्रमभरि प्रयोग गरिरहनेछौं।
आउनुहोस् ती प्रकारका प्रयोग केसहरू हेरौं जसका लागि AI एजेन्टहरू सबैभन्दा उपयुक्त हुन्छन्:
- खुला-अन्त समस्याहरू - LLM लाई आवश्यक कदमहरू निर्धारण गर्न दिनु, किनकि ती सधैं कार्यप्रवाहमा हार्डकोड गर्न मिल्ने छैनन्।
- बहु-चरण प्रक्रिया - ती कार्यहरू जसले जटिलताको स्तर माग्छन् र जहाँ AI एजेन्टले उपकरणहरू वा जानकारीलाई बहु चरणहरूमा प्रयोग गर्नुपर्ने हुन्छ, एकल-स्ट्रोक पुन:प्राप्तिको सट्टा।
- समयसँग सुधार - ती कार्यहरू जहाँ एजेन्टले वातावरण वा प्रयोगकर्ताहरूबाट प्रतिक्रिया प्राप्त गरेर समयसँग सुधार गर्न सक्छ र अझ राम्रो उपयोगिता प्रदान गर्न सक्छ।
एआई एजेन्टहरू प्रयोग गर्दा थप विचारणीय पक्षहरू हामी “विश्वसनीय AI एजेन्टहरू निर्माण” पाठमा समेट्छौं।
एजेन्टिक समाधानहरूको आधारभूत कुरा
एजेन्ट विकास
AI एजेन्ट प्रणाली डिजाइन गर्ने पहिलो कदम भनेको उपकरणहरू, कार्यहरू, र व्यवहारहरू परिभाषित गर्नु हो। यस पाठ्यक्रममा, हामी हाम्रा एजेन्टहरू परिभाषित गर्न Azure AI Agent Service प्रयोगमा केन्द्रित छौं। यसले तलका जस्ता सुविधाहरू प्रदान गर्छ:
- OpenAI, Mistral, र Llama जस्ता खुला मोडेलहरूको चयन
- Tripadvisor जस्ता प्रदायकहरूमार्फत लाइसेन्स प्राप्त डेटाको प्रयोग
- मानकीकृत OpenAPI 3.0 उपकरणहरूको प्रयोग
एजेन्टिक ढाँचाहरू
LLM हरूसँग सञ्चार प्रॉम्प्टहरू मार्फत हुन्छ। AI एजेन्टहरूको अर्ध-स्वायत्त प्रकृतिका कारण, वातावरणमा परिवर्तन भएपछि LLM लाई म्यानुअली पुन:प्रॉम्प्ट गर्नु सधैं सम्भव वा आवश्यक नहुन सक्छ। हामी एजेन्टिक ढाँचाहरू प्रयोग गर्छौं जसले LLM लाई बहु चरणहरूमा अझ स्केलेबल तरिकाले प्रॉम्प्ट गर्न अनुमति दिन्छ।
यो पाठ्यक्रम वर्तमान लोकप्रिय केहि एजेन्टिक ढाँचाहरूमा विभाजित छ।
एजेन्टिक फ्रेमवर्कहरू
एजेन्टिक फ्रेमवर्कहरूले डेभलपरहरूलाई कोडमार्फत एजेन्टिक ढाँचाहरू लागू गर्न अनुमति दिन्छ। यी फ्रेमवर्कहरूले टेम्पलेटहरू, प्लगइनहरू, र एजेन्टहरूको सहकार्यका लागि उपकरणहरू प्रदान गर्दछन्। यी फाइदाहरूले AI एजेन्ट प्रणालीहरूको राम्रो अवलोकनयोग्यता र समस्याहरूको निवारणका लागि क्षमता प्रदान गर्छन्।
यस पाठ्यक्रममा, हामी अनुसन्धान-प्रेरित AutoGen फ्रेमवर्क र उत्पादन-तैयार Semantic Kernel को Agent फ्रेमवर्कको अन्वेषण गर्नेछौं।
नमूना कोडहरू
- Python: Agent Framework
- .NET: Agent Framework
AI एजेन्टहरूबारे थप प्रश्नहरू छन्?
Microsoft Foundry Discord मा सहभागी भई अन्य सिक्नेहरूसँग भेट्नुहोस्, अफिस आवर्समा भाग लिनुहोस् र आफ्नो AI एजेन्टहरूको प्रश्नहरूको उत्तर प्राप्त गर्नुहोस्।
अघिल्लो पाठ
अर्को पाठ
अस्वीकरण: यो दस्तावेज AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी सटीकताको प्रयास गर्छौं तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धता हुन सक्दछ। मूल दस्तावेजलाई त्यसको मूल भाषामा नै अधिकारिक स्रोत मानिनु पर्छ। महत्त्वपूर्ण जानकारीका लागि पेशेवर मानव अनुवाद सिफारिस गरिन्छ। यो अनुवाद प्रयोग गर्दा उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार होइनौं।