ai-agents-for-beginners

ਕੋਰਸ ਸੈੱਟਅੱਪ

ਜਾਣ ਪਹਚਾਣ

ਇਹ ਸਬਕ ਇਸ ਕੋਰਸ ਦੇ ਕੋਡ ਸੈਂਪਲ ਚਲਾਉਣ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇਵੇਗਾ।

ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਜੁੜੋ ਅਤੇ ਮਦਦ ਲਵੋ

ਆਪਣਾ ਰਿਪੋ ਕਲੋਨ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਕਿਰਪਾ ਕਰਕੇ AI Agents For Beginners Discord ਚੈਨਲ ਨਾਲ ਜੁੜੋ ਤਾਂ ਜੋ ਸੈੱਟਅੱਪ ਬਾਰੇ ਮਦਦ ਮਿਲੇ, ਕੋਰਸ ਬਾਰੇ ਕਿਸੇ ਵੀ ਸਵਾਲ ਦਾ ਜਵਾਬ ਮਿਲ ਸਕੇ ਜਾਂ ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਜੁੜ ਸਕੋ।

ਇਹ ਰਿਪੋ ਕਲੋਨ ਜਾਂ ਫੋਰਕ ਕਰੋ

ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ GitHub ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਕਲੋਨ ਜਾਂ ਫੋਰਕ ਕਰੋ। ਇਸ ਨਾਲ ਤੁਹਾਡੇ ਕੋਲ ਕੋਰਸ ਸਮੱਗਰੀ ਦਾ ਆਪਣਾ ਵਰਜਨ ਬਣ ਜਾਵੇਗਾ ਤਾਂ ਜੋ ਤੁਸੀਂ ਕੋਡ ਚਲਾ ਸਕੋ, ਟੈਸਟ ਕਰ ਸਕੋ ਅਤੇ ਸੁਧਾਰ ਕਰ ਸਕੋ!

ਇਹ ਕੰਮ ਦੇਣ ਲਈ ਫੋਰਕ ਰਿਪੋ ‘ਤੇ ਕਲਿੱਕ ਕਰੋ

ਤੁਹਾਡੇ ਕੋਲ ਹੁਣ ਇਸ ਕੋਰਸ ਦਾ ਆਪਣਾ ਫੋਰਕ ਕੀਤਾ ਵਰਜਨ ਇਸ ਲਿੰਕ ‘ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ:

Forked Repo

ਸ਼ੈੱਲੋ ਕਲੋਨ (ਵਰਕਸ਼ਾਪ / ਕੋਡਸਪੇਸਜ਼ ਲਈ ਸਿਫਾਰਸੀ)

ਜਦੋਂ ਤੁਸੀਂ ਪੂਰੀ ਇਤਿਹਾਸ ਅਤੇ ਸਾਰੇ ਫਾਈਲਾਂ ਡਾਊਨਲੋਡ ਕਰਦੇ ਹੋ ਤਾਂ ਪੂਰਾ ਰਿਪੋਜ਼ਟਰੀ ਵੱਡਾ (~3 GB) ਹੋ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਸਿਰਫ ਵਰਕਸ਼ਾਪ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋ ਰਹੇ ਹੋ ਜਾਂ ਸਿਰਫ ਕੁਝ ਸਬਕ ਦੇ ਫੋਲਡਰ ਚਾਹੀਦੇ ਹਨ, ਤਾਂ ਇੱਕ ਸ਼ੈੱਲੋ ਕਲੋਨ (ਜਾਂ ਸਪੈਰਸ ਕਲੋਨ) ਇਤਿਹਾਸ ਨੂੰ ਘਟਾ ਕੇ ਅਤੇ/ਜਾਂ ਬਲੌਬਸ ਨੂੰ ਛੱਡ ਕੇ ਜ਼ਿਆਦਾਤਰ ਡਾਊਨਲੋਡ ਤੋਂ ਬਚਾਅ ਕਰਦਾ ਹੈ।

ਤੇਜ਼ ਸ਼ੈੱਲੋ ਕਲੋਨ — ਘੱਟ ਇਤਿਹਾਸ, ਸਾਰੀਆਂ ਫਾਈਲਾਂ

ਹੇਠਾਂ ਦਿੱਤੇ ਕਮਾਂਡਾਂ ਵਿੱਚ <your-username> ਨੂੰ ਆਪਣੇ ਫੋਰਕ URL (ਜਾਂ ਤੁਹਾਡੀ ਪਸੰਦ ਦੇ ਅਪਸਟਰੀਮ URL) ਨਾਲ ਬਦਲੋ।

ਸਿਰਫ ਨਵੀਂ ਕਮਿੱਟ ਇਤਿਹਾਸ ਕਲੋਨ ਕਰਨ ਲਈ (ਛੋਟਾ ਡਾਊਨਲੋਡ):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

ਕਿਸੇ ਖਾਸ ਬ੍ਰਾਂਚ ਨੂੰ ਕਲੋਨ ਕਰਨ ਲਈ:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

ਅੰਸ਼ਿਕ (ਸਪੈਰਸ) ਕਲੋਨ — ਘੱਟ ਬਲੌਬਸ + ਸਿਰਫ ਚੁਣੇ ਹੋਏ ਫੋਲਡਰ

ਇਹ ਅੰਸ਼ਿਕ ਕਲੋਨ ਅਤੇ ਸਪੈਰਸ-ਚੈਕਆਊਟ ਵਰਤਦਾ ਹੈ (ਜਿਸਨੂੰ Git 2.25+ ਅਤੇ ਅਧੁਨਿਕ Git ਨਾਲ ਅੰਸ਼ਿਕ ਕਲੋਨ ਸਪੋਰਟ ਦੀ ਸਿਫਾਰਸ ਕੀਤੀ ਜਾਂਦੀ ਹੈ):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

ਰਿਪੋ ਫੋਲਡਰ ਵਿੱਚ ਜਾਓ:

cd ai-agents-for-beginners

ਫਿਰ ਉਹ ਫੋਲਡਰ ਸੂਚੀਬੱਧ ਕਰੋ ਜੋ ਤੁਸੀਂ ਚਾਹੁੰਦੇ ਹੋ (ਹੇਠਾਂ ਦਿੱਤਾ ਉਦਾਹਰਨ ਵਿੱਚ ਦੋ ਫੋਲਡਰ ਹਨ):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

ਕਲੋਨ ਕਰਨ ਅਤੇ ਫਾਈਲਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਜੇ ਤੁਹਾਨੂੰ ਸਿਰਫ ਫਾਈਲਾਂ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਤੁਸੀਂ ਸਥਾਨ ਖਾਲੀ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ (ਕੋਈ ਗਿੱਟ ਇਤਿਹਾਸ ਨਹੀਂ), ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਰਿਪੋਜ਼ਟਰੀ ਮੈਟਾਡੇਟਾ ਹਟਾ ਦਿਓ (💀ਅਣਵਾਪਸੀਯੋਗ — ਤੁਸੀਂ ਸਾਰੀ Git ਫੰਕਸ਼ਨਾਲਟੀ ਨੂੰ ਗੁਆ ਦਿਓਗੇ: ਕੋਈ ਕਮਿੱਟ, ਪੁਲ, ਪੁਸ਼ ਜਾਂ ਇਤਿਹਾਸ ਐਕਸੈਸ ਨਹੀਂ)।

# ਜ਼ੈਸ਼/ਬੈਸ਼
rm -rf .git

# ਪਾਵਰਸ਼ੈੱਲ
Remove-Item -Recurse -Force .git

GitHub Codespaces ਵਰਤਣਾ (ਲੋਕਲ ਵੱਡੇ ਡਾਊਨਲੋਡ ਤੋਂ ਬਚਣ ਲਈ ਸਿਫਾਰਸੀ)

ਇਸ ਰਿਪੋ ਲਈ GitHub UI ਜੀ ਤੁਹਾਡਾ ਨਵਾਂ Codespace ਬਣਾਓ।
ਨਵੇਂ ਬਣੇ Codespace ਦੇ ਟਰਮੀਨਲ ਵਿੱਚ, ਹੇਠਾਂ ਦਿੱਤੇ ਸ਼ੈੱਲੋ/ਸਪੈਰਸ ਕਲੋਨ ਕਮਾਂਡਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚਲਾਓ ਜੋ ਸਿਰਫ ਤੁਹਾਡੇ ਚਾਹੀਦੇ ਸਬਕ ਫੋਲਡਰ Codespace ਵਰਕਸਪੇਸ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ।
ਵਿਕਲਪਿਕ: Codespaces ਵਿੱਚ ਕਲੋਨ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਵਾਧੂ ਸਥਾਨ ਵਾਪਸ ਲੈਣ ਲਈ .git ਹਟਾਓ (ਉੱਪਰ ਦਿੱਤੀਆਂ ਕਮਾਂਡਾਂ ਵੇਖੋ)।
ਧਿਆਨ ਦਿਓ: ਜੇ ਤੁਸੀਂ ਰਿਪੋ ਨੂੰ ਸਿੱਧਾ Codespaces ਵਿੱਚ ਖੋਲ੍ਹਣਾ ਚਾਹੁੰਦੇ ਹੋ (ਕੋਈ ਵਾਧੂ ਕਲੋਨ ਨਹੀਂ), ਤਾਂ ਜਾਣੋ ਕਿ Codespaces devcontainer ਵਾਤਾਵਰਣ ਬਣਾਏਗਾ ਅਤੇ ਸੰਭਵ ਹੈ ਉਹ ਤੁਹਾਡੀ ਲੋੜ ਤੋਂ ਵੱਧ ਪ੍ਰੋਵੀਜ਼ਨਵੇਂਸ਼ਨ ਕਰੇ। ਨਵੇਂ Codespace ਵਿੱਚ ਇੱਕ ਸ਼ੈੱਲੋ ਕਾਪੀ ਕਲੋਨ ਕਰਨਾ ਤੁਹਾਡੇ ਡਿਸਕ ਦੀ ਵਰਤੋਂ ‘ਤੇ ਵਧੇਰੇ ਨਿਯੰਤ੍ਰਣ ਦਿੰਦਾ ਹੈ।

ਸਲਾਹਾਂ

ਜੇ ਤੁਸੀਂ ਸੋਧ/ਕਮਿੱਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਹਮੇਸ਼ਾ ਕਲੋਨ URL ਨੂੰ ਆਪਣੇ ਫੋਰਕ ਨਾਲ ਬਦਲੋ।
ਜੇ ਬਾਅਦ ਵਿੱਚ ਵੱਧ ਇਤਿਹਾਸ ਜਾਂ ਫਾਈਲਾਂ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਫੈਚ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਸਪੈਰਸ-ਚੈਕਆਊਟ ਨੂੰ ਵੱਧ ਫੋਲਡਰ ਸ਼ਾਮਿਲ ਕਰਨ ਲਈ ਸੋਧ ਸਕਦੇ ਹੋ।

ਕੋਡ ਚਲਾਉਣਾ

ਇਹ ਕੋਰਸ ਤੁਹਾਨੂੰ AI ਏਜੰਟ ਬਣਾਉਣ ਦਾ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਕਈ Jupyter ਨੋਟਬੁੱਕਸ ਦਿੰਦਾ ਹੈ।

ਕੋਡ ਸੈਂਪਲ Microsoft Agent Framework (MAF) ਵਰਤਦੇ ਹਨ, FoundryChatClient ਨਾਲ ਜੋ Microsoft Foundry ਦੁਆਰਾ Microsoft Foundry Agent Service V2 (Responses API) ਨਾਲ ਜੁੜਦਾ ਹੈ।

ਸਾਰੇ Python ਨੋਟਬੁੱਕਸ *-python-agent-framework.ipynb ਲੇਬਲ ਵਾਲੇ ਹਨ।

ਲੋੜਾਂ

Python 3.12+
- ਟਿੱਪਣੀ: ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ Python3.12 ਇੰਸਟਾਲ ਨਹੀਂ ਹੈ, ਤਾਂ ਕ੍ਰਿਪਾ ਕਰਕੇ ਇਹ ਇੰਸਟਾਲ ਕਰੋ। ਫਿਰ requirements.txt ਤੋਂ ਸਹੀ ਵਰਜਨ ਇੱਕਠੇ ਕਰਨ ਲਈ python3.12 ਨਾਲ ਆਪਣਾ venv ਬਣਾਓ।
  
  ਉਦਾਹਰਨ
  
  Python venv ਡਾਇਰੈਕਟਰੀ ਬਣਾਓ:
```
python -m venv venv
```
  ਫਿਰ ਇਹਦਾ ਵਾਤਾਵਰਣ ਐਕਟੀਵੇਟ ਕਰੋ:
```
# zsh/bash
source venv/bin/activate
```
```
# Command Prompt for Windows
venv\Scripts\activate
```
.NET 10+: .NET ਵਰਤੀ ਜਾਣ ਵਾਲੇ ਨਮੂਨੇ ਲਈ, ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਸੀਂ .NET 10 SDK ਜਾਂ ਇਸ ਤੋਂ ਬਾਅਦ ਦਾ ਵਰਜਨ ਇੰਸਟਾਲ ਕੀਤਾ ਹੋਵੇ। ਫਿਰ ਆਪਣੀ ਇੰਸਟਾਲ ਕੀਤੀ ਗਈ .NET SDK ਵਰਜਨ ਚੈੱਕ ਕਰੋ:
```
  dotnet --list-sdks
```
Azure CLI — ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ ਜ਼ਰੂਰੀ। ਇਹ aka.ms/installazurecli ਤੋਂ ਇੰਸਟਾਲ ਕਰੋ।
Azure Subscription — Microsoft Foundry ਅਤੇ Microsoft Foundry Agent Service ਤੱਕ ਪਹੁੰਚ ਲਈ।
Microsoft Foundry ਪ੍ਰੋਜੈਕਟ — deployed ਮਾਡਲ ਵਾਲਾ ਪ੍ਰੋਜੈਕਟ (ਉਦਾਹਰਨ ਲਈ, gpt-5-mini)। ਵੇਖੋ ਕਦਮ 1 ਹੇਠਾਂ।

ਇਸ ਰਿਪੋ ਦੇ ਰੂਟ ਵਿੱਚ ਇੱਕ requirements.txt ਫਾਈਲ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਹੈ ਜਿਸ ਵਿੱਚ ਸਾਰੀਆਂ ਲੋੜੀਂਦੀਆਂ Python ਪੈਕੇਜ ਹਨ ਜਿਨ੍ਹਾਂ ਨਾਲ ਕੋਡ ਸੈਂਪਲ ਚਲਾਏ ਜਾ ਸਕਦੇ ਹਨ।

ਤੁਸੀਂ ਇਹਨਾਂ ਪੈਕੇਜਾਂ ਨੂੰ ਇੰਸਟਾਲ ਕਰਨ ਲਈ ਹੇਠ ਲਿਖੀ ਕਮਾਂਡ ਟਰਮੀਨਲ ਵਿੱਚ ਰੂਟ ਫੋਲਡਰ ਤੋਂ ਚਲਾ ਸਕਦੇ ਹੋ:

pip install -r requirements.txt

ਅਸੀਂ ਸਲਾਹ ਦਿੰਦੇ ਹਾਂ ਕਿ ਕੋਈ Python ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਬਣਾਇਆ ਜਾਵੇ ਤਾਂ ਜੋ ਕੋਈ ਟੱਕਰ ਜਾਂ ਸਮੱਸਿਆ ਨਾ ਆਵੇ।

VSCode ਸੈੱਟਅੱਪ

ਸੁਰੱਖਿਅਤ ਕਰੋ ਕਿ ਤੁਸੀਂ VSCode ਵਿੱਚ ਸਹੀ Python ਵਰਜਨ ਵਰਤ ਰਹੇ ਹੋ।

Microsoft Foundry ਅਤੇ Microsoft Foundry Agent Service ਸੈੱਟਅੱਪ ਕਰੋ

ਕਦਮ 1: ਇੱਕ Microsoft Foundry ਪ੍ਰੋਜੈਕਟ ਬਣਾਓ

ਤੁਹਾਨੂੰ ਨੋਟਬੁੱਕ ਚਲਾਉਣ ਲਈ ਇੱਕ Microsoft Foundry ਹੱਬ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਲੋੜ ਹੈ ਜਿਸ ਵਿੱਚ ਮਾਡਲ ਤੈਨਾਤ ਹੋਵੇ।

ai.azure.com ‘ਤੇ ਜਾਓ ਅਤੇ ਆਪਣੇ Azure ਖਾਤੇ ਨਾਲ ਸਾਈਨ ਇਨ ਕਰੋ।
ਇੱਕ ਹੱਬ ਬਣਾਓ (ਜਾਂ ਮੌਜੂਦਾ ਵਰਤੋਂ ਕਰੋ)। ਵੇਖੋ: Hub resources overview।
ਹੱਬ ਦੇ ਅੰਦਰ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਬਣਾਓ।
ਮਾਡਲ + ਐਂਡਪੌਇੰਟਸ → Deploy model ਤੋਂ ਇੱਕ ਮਾਡਲ (ਉਦਾਹਰਨ ਲਈ, gpt-5-mini) ਤੈਨਾਤ ਕਰੋ।

ਕਦਮ 2: ਆਪਣਾ ਪ੍ਰੋਜੈਕਟ ਐਂਡਪੌਇੰਟ ਅਤੇ ਮਾਡਲ ਡਿਪਲੋਇਮੈਂਟ ਨਾਮ ਪ੍ਰਾਪਤ ਕਰੋ

Microsoft Foundry ਪੋਰਟਲ ਵਿੱਚ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਤੋਂ:

ਪ੍ਰੋਜੈਕਟ ਐਂਡਪੌਇੰਟ — Overview ਪੇਜ਼ ‘ਤੇ ਜਾ ਕੇ ਐਂਡਪੌਇੰਟ URL ਕਾਪੀ ਕਰੋ।

Project Connection String

ਮਾਡਲ ਡਿਪਲੋਇਮੈਂਟ ਨਾਮ — ਮਾਡਲ + ਐਂਡਪੌਇੰਟਸ ‘ਤੇ ਜਾ ਕੇ ਆਪਣਾ ਤੈਨਾਤ ਕੀਤਾ ਮਾਡਲ ਚੁਣੋ ਅਤੇ ਡਿਪਲੋਇਮੈਂਟ ਨਾਮ (ਉਦਾਹਰਨ ਲਈ, gpt-5-mini) ਨੋਟ ਕਰੋ।

ਕਦਮ 3: `az login` ਨਾਲ Azure ਵਿੱਚ ਸਾਈਨ ਇਨ ਕਰੋ

ਸਾਰੇ ਨੋਟਬੁੱਕ ਸਹੀ ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ AzureCliCredential ਵਰਤਦੇ ਹਨ — ਕੋਈ API ਕੀਜ਼ ਦੀ ਲੋੜ ਨਹੀਂ। ਇਸ ਲਈ ਤੁਹਾਨੂੰ Azure CLI ਤੋਂ ਲਾੱਗ ਇਨ ਹੋਣਾ ਪੈਂਦਾ ਹੈ।

Azure CLI ਇੰਸਟਾਲ ਕਰੋ, ਜੇ ਇੰਸਟਾਲ ਨਹੀਂ ਕੀਤਾ: aka.ms/installazurecli
ਸਾਈਨ ਇਨ ਕਰਨ ਲਈ ਚਲਾਓ:
```
 az login
```
ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਰਿਮੋਟ/ਕੋਡਸਪੇਸ ਵਾਤਾਵਰਣ ਵਿੱਚ ਹੋ ਜਿੱਥੇ ਬ੍ਰਾਉਜ਼ਰ ਨਹੀਂ ਹੈ ਤਾਂ:
```
 az login --use-device-code
```
ਜੇ ਪੁੱਛਿਆ ਜਾਵੇ ਤਾਂ ਆਪਣੀ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਚੁਣੋ — ਉਹ ਜਿੱਥੇ ਤੁਹਾਡਾ Foundry ਪ੍ਰੋਜੈਕਟ ਹੈ।
ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਸੀਂ ਲਾੱਗਡ ਇਨ ਹੋ:
```
 az account show
```

ਕੀ ਲਈ az login? ਨੋਟਬੁੱਕ AzureCliCredential ਪੈਕੇਜ ਤੋਂ ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ ਵਰਤਦੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਤੁਹਾਡਾ Azure CLI ਸੈਸ਼ਨ ਪ੍ਰਮਾਣ ਪੱਤਰ ਮੁਹੱਈਆ ਕਰਦਾ ਹੈ — ਕੋਈ API ਕੀਜ਼ ਜਾਂ ਰਾਜ਼ .env ਫਾਈਲ ਵਿੱਚ ਨਹੀਂ। ਇਹ ਇੱਕ ਸੁਰੱਖਿਆ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸ ਹੈ।

ਕਦਮ 4: ਆਪਣੀ `.env` ਫਾਈਲ ਬਣਾਓ

ਉਦਾਹਰਨ ਫਾਈਲ ਨੂੰ ਕਾਪੀ ਕਰੋ:

# zsh/bash
cp .env.example .env

# پاور شیل
Copy-Item .env.example .env

.env کھولو ਅਤੇ ਇਹ ਦੋ ਮੁੱਲ ਭਰੋ:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-5-mini

ਵੈਰੀਏਬਲ	ਕਿੱਥੋਂ ਲੱਭਣਾ ਹੈ
`AZURE_AI_PROJECT_ENDPOINT`	Foundry ਪੋਰਟਲ → ਤੁਹਾਡਾ ਪ੍ਰੋਜੈਕਟ → Overview ਪੇਜ
`AZURE_AI_MODEL_DEPLOYMENT_NAME`	Foundry ਪੋਰਟਲ → ਮਾਡਲ + ਐਂਡਪੌਇੰਟਸ → ਤੁਹਾਡਾ ਤੈਨਾਤ ਕੀਤਾ ਮਾਡਲ ਦਾ ਨਾਮ

ਜ਼ਿਆਦਾਤਰ ਪਾਠਾਂ ਲਈ ਇਹੀ ਕਾਫੀ ਹੈ! ਨੋਟਬੁੱਕ ਆਪਣੇ ਆਪ ਤੁਹਾਡੇ az login ਸੈਸ਼ਨ ਰਾਹੀਂ ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਾਪਤ ਕਰ ਲਵੇਗਾ।

ਕਦਮ 5: Python ਡਿਪੈਂਡੈਂਸੀਜ਼ ਇੰਸਟਾਲ ਕਰੋ

pip install -r requirements.txt

ਅਸੀਂ ਸਿਫਾਰਸੀ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਪਹਿਲਾਂ ਬਣਾਏ ਗਏ ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਇਹ ਚਲਾਓ।

ਪਾਠ 5 (Agentic RAG) ਲਈ ਵਾਧੂ ਸੈੱਟਅੱਪ

ਪਾਠ 5 Azure AI Search ਵਰਤਦਾ ਹੈ ਰੀਟਰੀਵਲ-ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ ਲਈ। ਜੇ ਤੁਸੀਂ ਉਹ ਪਾਠ ਚਲਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਇਹ ਵੈਰੀਏਬਲ ਆਪਣੀ .env ਫਾਈਲ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰੋ:

ਵੈਰੀਏਬਲ	ਕਿੱਥੋਂ ਲੱਭਣਾ ਹੈ
`AZURE_SEARCH_SERVICE_ENDPOINT`	Azure ਪੋਰਟਲ → ਤੁਹਾਡਾ Azure AI Search ਸਰੋਤ → Overview → URL
`AZURE_SEARCH_API_KEY`	Azure ਪੋਰਟਲ → ਤੁਹਾਡਾ Azure AI Search ਸਰੋਤ → ਸੈੱਟਿੰਗਜ਼ → ਕੀਜ਼ → ਪ੍ਰਾਇਮਰੀ ਐਡਮਿਨ ਕੀ

ਉਹ ਪਾਠ ਜੋ ਸਿੱਧਾ Azure OpenAI ਨੂੰ ਕਾਲ ਕਰਦੇ ਹਨ (ਪਾਠ 6 ਅਤੇ 8)

ਕੁਝ ਨੋਟਬੁੱਕ ਪਾਠ 6 ਅਤੇ 8 ਵਿੱਚ ਸਿੱਧਾ Azure OpenAI (Responses API ਵਰਤਦਾ) ਨੂੰ ਕਾਲ ਕਰਦੇ ਹਨ, ਨਾ ਕਿ ਇੱਕ Microsoft Foundry ਪ੍ਰੋਜੈਕਟ ਰਾਹੀਂ। ਇਹ ਨਮੂਨੇ ਪਹਿਲਾਂ GitHub ਮਾਡਲ ਵਰਤਦੇ ਸਨ, ਜੋ ਹੁਣ ਬੰਦ ਹੋ ਰਿਹਾ ਹੈ (ਜੁਲਾਈ 2026 ਨੂੰ ਰਿਟਾਇਰ) ਅਤੇ Responses API ਨੂੰ ਸਹਾਇਤਾ ਨਹੀਂ ਦਿੰਦਾ। ਜੇ ਤੁਸੀਂ ਉਹ ਨਮੂਨੇ ਚਲਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਆਪਣੀ .env ਫਾਈਲ ਵਿੱਚ ਇਹ ਵੈਰੀਏਬਲ ਸ਼ਾਮਲ ਕਰੋ:

ਵੈਰੀਏਬਲ	ਕਿੱਥੋਂ ਲੱਭਣਾ ਹੈ
`AZURE_OPENAI_ENDPOINT`	Azure ਪੋਰਟਲ → ਤੁਹਾਡਾ Azure OpenAI ਸਰੋਤ → ਕੀਜ਼ ਅਤੇ ਐਂਡਪੌਇੰਟ → ਐਂਡਪੌਇੰਟ (ਜਿਵੇਂ `https://<your-resource>.openai.azure.com`)
`AZURE_OPENAI_DEPLOYMENT`	ਤੁਹਾਡੇ ਤੈਨਾਤ ਮਾਡਲ ਦਾ ਨਾਮ (ਜਿਵੇਂ `gpt-5-mini`) ਜਿਸ ਨੂੰ Responses API ਸਹਾਇਤਾ ਦਿੰਦਾ ਹੈ
`AZURE_OPENAI_API_KEY`	ਵਿਕਲਪਿਕ — ਜੇ ਤੁਸੀਂ `az login` / Entra ID ਦੀ ਥਾਂ ਕਿ ਕੁੰਜੀ-ਆਧਾਰਿਤ ਪ੍ਰਮਾਣੀਕਰਨ ਵਰਤਦੇ ਹੋ

Responses API ਸਥਿਰ /openai/v1/ ਐਂਡਪੌਇੰਟ ਨੂੰ ਵਰਤਦਾ ਹੈ, ਇਸ ਲਈ ਕੋਈ api-version ਦੀ ਲੋੜ ਨਹੀਂ। ਕੁੰਜੀ-ਰਹਿਤ Entra ID ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ az login ਨਾਲ ਸਾਈਨ ਇਨ ਕਰੋ।

ਬਦਲੀ ਪ੍ਰਦਾਤਾ: MiniMax (OpenAI-ਅਨੁਕੂਲ)

MiniMax ਵੱਡੇ-ਸੰਦੇਸ਼ ਕਾਂਟੈਕਸਟ ਮਾਡਲ (204K ਟੋਕੇਨ ਤੱਕ) OpenAI-ਅਨੁਕੂਲ API ਰਾਹੀਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। Microsoft Agent Framework ਦੇ OpenAIChatClient ਕਿਸੇ ਵੀ OpenAI-ਅਨੁਕੂਲ ਐਂਡਪੌਇੰਟ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਸ ਲਈ ਤੁਸੀਂ MiniMax ਨੂੰ Azure OpenAI ਜਾਂ OpenAI ਦੀ ਥਾਂ ਤੋਂ ਵਰਤ ਸਕਦੇ ਹੋ।

ਆਪਣੀ .env ਫਾਈਲ ਵਿੱਚ ਇਹ ਵੈਰੀਏਬਲ ਸ਼ਾਮਲ ਕਰੋ:

ਵੈਰੀਏਬਲ	ਕਿੱਥੋਂ ਲੱਭਣਾ ਹੈ
`MINIMAX_API_KEY`	MiniMax Platform → API ਕੀਜ਼
`MINIMAX_BASE_URL`	`https://api.minimax.io/v1` (ਮੂਲ ਮੂਲ)
`MINIMAX_MODEL_ID`	ਵਰਤਣ ਲਈ ਮਾਡਲ ਨਾਮ (ਜਿਵੇਂ `MiniMax-M3`)

ਉਦਾਹਰਨ ਮਾਡਲ: MiniMax-M3 (ਸਿਫਾਰਸੀ), MiniMax-M2.7, MiniMax-M2.7-highspeed (ਤੇਜ਼ ਜਵਾਬ). ਮਾਡਲ ਦੇ ਨਾਮ ਅਤੇ ਉਪਲੱਬਧਤਾ ਸਮੇਂ ਦੇ ਨਾਲ ਬਦਲ ਸਕਦੀ ਹੈ, ਅਤੇ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ ਤੁਹਾਡੇ ਖਾਤੇ ਜਾਂ ਖੇਤਰ ‘ਤੇ ਨਿਰਭਰ ਕਰ ਸਕਦੀ ਹੈ — ਮੌਜੂਦਾ ਸੂਚੀ ਲਈ MiniMax Platform ਵੇਖੋ। ਜੇ MiniMax-M3 ਤੁਹਾਡੇ ਖਾਤੇ ਲਈ ਉਪਲਬਧ ਨਹੀਂ ਹੈ, ਤਾਂ MINIMAX_MODEL_ID ਵਿੱਚ ਕੋਈ ਹੋਰ ਮਾਡਲ ਸੈੱਟ ਕਰੋ (ਜਿਵੇਂ MiniMax-M2.7)।

OpenAIChatClient ਵਰਤਣ ਵਾਲੇ ਕੋਡ ਸੈਂਪਲ (ਜਿਵੇਂ ਪਾਠ 14 ਹੋਟਲ ਬੁਕਿੰਗ ਵਰਕਫਲੋ) ਆਪਣੇ ਆਪ ਤੁਹਾਡੀ MiniMax ਸੰਰਚਨਾ ਦਾ ਪਤਾ ਲਗਾ ਕੇ ਵਰਤਣਗੇ ਜਦੋਂ MINIMAX_API_KEY ਸੈੱਟ ਹੋਵੇ।

ਬਦਲੀ ਪ੍ਰਦਾਤਾ: Foundry Local (ਡਿਵਾਈਸ ਤੇ ਮਾਡਲ ਚਲਾਓ)

Foundry Local ਇੱਕ ਹਲਕਾ ਰਣਟਾਈਮ ਹੈ ਜੋ ਤੁਹਾਡੀ ਆਪਣੀ ਮਸ਼ੀਨ ਤੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਡਾਊਨਲੋਡ, ਪ੍ਰਬੰਧ ਅਤੇ ਸੇਵਾ ਕਰਦਾ ਹੈ, OpenAI-ਅਨੁਕੂਲ API ਰਾਹੀਂ — ਕੋਈ ਕਲਾਉਡ, ਕੋਈ Azure ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਜਾਂ API ਕੀਜ਼ ਨਹੀਂ। ਇਹ ਆਫਲਾਈਨ ਵਿਕਾਸ, ਕਲਾਉਡ ਖਰਚ ਬਿਨਾਂ ਤਜਰਬੇ ਕਰਨ ਜਾਂ ਡੇਟਾ ਨੂੰ ਡਿਵਾਈਸ ਤੇ ਰੱਖਣ ਲਈ ਵਧੀਆ ਵਿਕਲਪ ਹੈ।

ਕਿਉਂਕਿ Microsoft Agent Framework da OpenAIChatClient ਕਿਸੇ ਵੀ OpenAI-ਅਨੁਕੂਲ ਐਂਡਪੌਇੰਟ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ, Foundry Local Azure OpenAI ਦਾ ਸਥਾਨਕ ਵਿਕਲਪ ਹੈ।

1. Foundry Local ਇੰਸਟਾਲ ਕਰੋ

# ਵਿਂਡੋਜ਼
winget install Microsoft.FoundryLocal

# ਮੈਕਓਐਸ
brew install foundrylocal

2. ਇੱਕ ਮਾਡਲ ਡਾਊਨਲੋਡ ਅਤੇ ਚਲਾਓ (ਇਸ ਨਾਲ ਸਥਾਨਕ ਸੇਵਾ ਵੀ ਸ਼ੁਰੂ ਹੋ ਜਾਵੇਗੀ):

foundry model list          # ਉਪਲਬਧ ਮਾਡਲ ਵੇਖੋ
foundry model run phi-4-mini

3. ਸਥਾਨਕ ਐਂਡਪੌਇੰਟ ਲੱਭਣ ਲਈ Python SDK ਇੰਸਟਾਲ ਕਰੋ:

pip install foundry-local-sdk

4. Microsoft Agent Framework ਨੂੰ ਆਪਣੇ ਸਥਾਨਕ ਮਾਡਲ ਵੱਲ ਪਾਇੰਟ ਕਰੋ:

from foundry_local import FoundryLocalManager
from agent_framework.openai import OpenAIChatClient

# ਮਾਡਲ ਨੂੰ ਡਾਊਨਲੋਡ (ਜੇ ਲੋੜ ਹੋਵੇ) ਕਰਦਾ ਹੈ ਅਤੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਸਰਵ ਕਰਦਾ ਹੈ, ਫਿਰ ਐਂਡਪੋਇੰਟ/ਪੋਰਟ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ।
manager = FoundryLocalManager("phi-4-mini")

chat_client = OpenAIChatClient(
    base_url=manager.endpoint,      # ਉਦਾਹਰਣ ਲਈ http://localhost:<port>/v1
    api_key=manager.api_key,        # Foundry Local ਲਈ ਹਮੇਸ਼ਾ "ਲੋੜ ਨਹੀਂ"
    model_id=manager.get_model_info("phi-4-mini").id,
)

agent = chat_client.as_agent(
    name="LocalAgent",
    instructions="You are a helpful assistant running fully on-device.",
)

ਨੋਟ: Foundry Local ਇੱਕ OpenAI-ਅਨੁਕੂਲ ਚੈਟ ਕਮਪਲੀਸ਼ਨਸ ਐਂਡਪੌਇੰਟ ਦਿੰਦਾ ਹੈ। ਇਸਨੂੰ ਸਥਾਨਕ ਵਿਕਾਸ ਅਤੇ ਆਫਲਾਈਨ ਸੈਨਾਰਿਓਜ਼ ਲਈ ਵਰਤੋ। ਪੂਰੀ Responses API ਫੀਚਰ ਸੈੱਟ (ਸਟੇਟਫੁਲ ਗੱਲਬਾਤਾਂ, ਡੀਪ ਟੂਲ ਆਰਕੇਸ्ट्रੇਸ਼ਨ, ਅਤੇ ਏਜੰਟ-ਸ਼ੈਲੀ ਵਿਕਾਸ) ਲਈ Azure OpenAI ਜਾਂ Microsoft Foundry ਪ੍ਰੋਜੈਕਟ ਨਿਸ਼ਾਨਾ ਬਣਾਓ ਜਿਵੇਂ ਪਾਠਾਂ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਮੌਜੂਦਾ ਮਾਡਲ ਕੈਟਾਲਾਗ ਅਤੇ ਪਲੇਟਫਾਰਮ ਸਹਾਇਤਾ ਲਈ Foundry Local ਦਸਤਾਵੇਜ਼ ਵੇਖੋ।

ਪਾਠ 8 (Bing Grounding Workflow) ਲਈ ਵਾਧੂ ਸੈੱਟਅੱਪ

ਪਾਠ 8 ਵਿੱਚ ਸ਼ਰਤੀ ਵਰਕਫ਼ਲੋ ਨੋਟਬੁੱਕ ਮਾਈਕਰੋਸੋਫਟ ਫਾਊਂਡਰੀ ਰਾਹੀਂ ਬਿੰਗ ਗ੍ਰਾਊਂਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਉਹ ਨਮੂਨਾ ਚਲਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਆਪਣੇ .env ਫਾਇਲ ਵਿੱਚ ਇਹ ਚਰ ਵਰਤੋਂ ਜੋੜੋ:

ਚਰ	ਇਹ ਕਿੱਥੋਂ ਲੱਭਣਾ ਹੈ
`BING_CONNECTION_ID`	ਮਾਈਕਰੋਸੋਫਟ ਫਾਊਂਡਰੀ ਪੋਰਟਲ → ਤੁਹਾਡਾ ਪ੍ਰੋਜੈਕਟ → ਮੈਨੇਜਮੈਂਟ → ਕਨੈਕਟਿਡ ਰਿਸੋਰਸਿਜ਼ → ਤੁਹਾਡੀ ਬਿੰਗ ਕਨੈਕਸ਼ਨ → ਕਨੈਕਸ਼ਨ ਆਈਡੀ ਨਕਲ ਕਰੋ

ਸਮੱਸਿਆ ਨਿਵਾਰਣ

macOS ਤੇ SSL ਸਰਟੀਫਿਕੇਟ ਜਾਂਚ ਦੀਆਂ ਫ਼ੇਲਾਂ

ਜੇਕਰ ਤੁਸੀਂ macOS ‘ਤੇ ਹੋ ਅਤੇ ਇਹ ਤਰ੍ਹਾਂ ਦੀ ਗਲਤੀ ਆਵੇ:

ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain

ਇਹ macOS ‘ਤੇ ਪਾਇਥਨ ਨਾਲ ਜਾਣੀ ਪਹਚਾਣੀ ਸਮੱਸਿਆ ਹੈ ਜਿੱਥੇ ਸਿਸਟਮ SSL ਸਰਟੀਫਿਕੇਟ ਆਪਣੇ ਆਪ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੋਦੇ। ਨਿਮਨਲਿਖਿਤ ਹੱਲਾਂ ਨੂੰ ਕ੍ਰਮ ਵਿੱਚ ਅਜ਼ਮਾਓ:

ਵਿਕਲਪ 1: ਪਾਇਥਨ ਦਾ Install Certificates ਸਕ੍ਰਿਪਟ ਚਲਾਓ (ਸਿਫਾਰਸ਼ੀ)

# ਆਪਣੇ ਇੰਸਟਾਲ ਕੀਤੇ Python ਵਰਜ਼ਨ ਨਾਲ 3.XX ਨੂੰ ਬਦਲੋ (ਉਦਾਹਰਣ ਲਈ, 3.12 ਜਾਂ 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

ਵਿਕਲਪ 2: ਆਪਣੇ ਨੋਟਬੁੱਕ ਵਿੱਚ connection_verify=False ਵਰਤੋਂ ਕਰੋ (ਸਿਰਫ GitHub ਮਾਡਲ ਨੋਟਬੁੱਕ ਲਈ)

ਲੈਸਨ 6 ਦੇ ਨੋਟਬੁੱਕ (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb) ਵਿਚ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਟਿੱਪਣੀ ਕਰਕੇ ਵਰਕਅਰਾਉਂਡ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਕਲਾਇੰਟ ਬਣਾਉਂਦਿਆਂ connection_verify=False ਦੀ ਟਿੱਪਣੀ ਹਟਾਓ:

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # ਜੇ ਤੁਸੀਂ ਸਰਟੀਫਿਕੇਟ ਗਲਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ ਤਾਂ ਐਸਐਸਐਲ ਵੈਰੀਫਿਕੇਸ਼ਨ ਨੂੰ ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਬੰਦ ਕਰੋ
)

⚠️ ਚੇਤਾਵਨੀ: SSL ਜਾਂਚ ਨੂੰ ਬੰਦ ਕਰਨਾ (connection_verify=False) ਸਰਟੀਫਿਕੇਟ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਛੱਡ ਕੇ ਸੁਰੱਖਿਆ ਘੱਟ ਕਰਦਾ ਹੈ। ਇਸਨੂੰ ਕੇਵਲ ਵਿਕਾਸ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਅਸਥਾਇਤ ਪੱਧਰ ‘ਤੇ ਵਰਤੋਂ ਕਰੋ, ਉਤਪਾਦਨ ਵਿੱਚ ਕਦੇ ਵੀ ਨਾ ਕਰੋ।

ਵਿਕਲਪ 3: truststore ਸਥਾਪਿਤ ਕਰੋਂ ਅਤੇ ਵਰਤੋਂ ਕਰੋ

pip install truststore

ਫਿਰ ਆਪਣੀ ਨੋਟਬੁੱਕ ਜਾਂ ਸਕ੍ਰਿਪਟ ਦੇ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਇਨ੍ਹਾਂ ਨੂੰ ਜੋੜੋ, ਕਿਸੇ ਵੀ ਨੈੱਟਵਰਕ ਕਾਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ:

import truststore
truststore.inject_into_ssl()

ਕੋਈ ਪਰੇਸ਼ਾਨੀ ਹੈ?

ਜੇਕਰ ਤੁਹਾਨੂੰ ਇਸ ਸੈਟਅਪ ਚਲਾਉਣ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਆਏ, ਤਾਂ ਸਾਡੇ Azure AI Community Discord ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ ਜਾਂ ਇੱਕ ਮੁੱਦਾ ਬਣਾਓ।

ਅਗਲਾ ਪਾਠ

ਤੁਸੀਂ ਹੁਣ ਇਸ ਕੋਰਸ ਲਈ ਕੋਡ ਚਲਾਉਣ ਲਈ ਤਿਆਰ ਹੋ। ਏਆਈ ਏਜੰਟਸ ਦੀ ਦੁਨੀਆ ਬਾਰੇ ਹੋਰ ਸਿੱਖਦੇ ਰਹੋ!

AI ਏਜੰਟਸ ਅਤੇ ਏਜੰਟ ਉਪਯੋਗ ਕੇਸਾਂ ਦਾ ਪਰਿਚਯ

ਅਸਵੀਕਾਰੋਪਣ: ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾਵਾਂ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮੱਤਿਆਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।

This site is open source. Improve this page.