ai-agents-for-beginners

AI ਏਜੰਟਾਂ ਲਈ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ

(ਇਸ ਪਾਠ ਦੀ ਵੀਡੀਓ ਦੇਖਣ ਲਈ ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿੱਕ ਕਰੋ)

ਉਸ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਜਟਿਲਤਾ ਨੂੰ ਸਮਝਣਾ ਜਿਸ ਲਈ ਤੁਸੀਂ AI ਏਜੰਟ ਸਿਰਜ ਰਹੇ ਹੋ, ਇਕ ਭਰੋਸੇਯੋਗ ਏਜੰਟ ਬਣਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਾਨੂੰ ਐਸੇ AI ਏਜੰਟ ਬਣਾਉਣੇ ਦੀ ਲੋੜ ਹੈ ਜੋ ਜਟਿਲ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਸੰਬੋਧਨ ਕਰਨ ਲਈ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਤ ਕਰ ਸਕਣ, ਜੋ ਸਿਰਫ ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਤੋਂ ਅੱਗੇ ਹੈ।

ਇਸ ਪਾਠ ਵਿੱਚ, ਅਸੀਂ ਦੇਖਾਂਗੇ ਕਿ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਕੀ ਹੈ ਅਤੇ AI ਏਜੰਟ ਬਣਾਉਣ ਵਿੱਚ ਇਸਦਾ ਕੀ ਰੋਲ ਹੈ।

ਜਾਣਪਹਿਚਾਣ

ਇਹ ਪਾਠ ਕਵਰ ਕਰੇਗਾ:

• ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਕੀ ਹੈ ਅਤੇ ਇਹ ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਤੋਂ ਕਿਵੇਂ ਵੱਖਰਾ ਹੈ।

• ਅਸਰਦਾਰ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀਆਂ ਰਣਨੀਤੀਆਂ, ਜਿਵੇਂ ਕਿ ਜਾਣਕਾਰੀ ਲਿਖਣ, ਚੁਣਨ, ਸੰਕੁਚਿਤ ਕਰਨ ਅਤੇ ਵੱਖਰਾ ਕਰਨ ਦੇ ਤਰੀਕੇ।

• ਆਮ ਸੰਦਰਭ ਗਲਤੀਆਂ ਜੋ ਤੁਹਾਡੇ AI ਏਜੰਟ ਨੂੰ ਅੜਚਨ ਪਹੁੰਚਾ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਦੇ ਤਰੀਕੇ।

ਸਿੱਖਣ ਦੇ ਮੁੱਖ ਮਕਸਦ

ਇਸ ਪਾਠ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਸਮਝ ਜਾਵੋਗੇ ਕਿ ਕਿਵੇਂ:

• ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਪਰਿਭਾਸ਼ਾ, ਅਤੇ ਇਸਨੂੰ ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਤੋਂ ਵੱਖਰਾ ਕਰਨਾ।

• ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLM) ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਸੰਦਰਭ ਦੇ ਮੁੱਖ ਤੱਤਾਂ ਦੀ ਪਹਿਚਾਣ ਕਰਨੀ।

• ਸੰਦਰਭ ਨੂੰ ਲਿਖਣ, ਚੁਣਨ, ਸੰਕੁਚਿਤ ਕਰਨ ਅਤੇ ਵੱਖਰਾ ਕਰਨ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਲਾਗੂ ਕਰਨਾ, ਜਿਨ੍ਹਾਂ ਨਾਲ ਏਜੰਟ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸੁਧਰੀ ਜਾ ਸਕਦੀ ਹੈ।

• ਆਮ ਸੰਦਰਭ ਗਲਤੀਆਂ ਜਿਵੇਂ ਕਿ ਜਹਿਰਲੀ ਜਾਣਕਾਰੀ, ਧਿਆਨ ਵਿਛੁੜਣਾ, ਗੜਬੜ ਅਤੇ ਟਕਰਾਅ ਨੂੰ ਪਹਿਚਾਣਨਾ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਰੋਕਥਾਮ ਤਕਨੀਕਾਂ ਲਾਗੂ ਕਰਨਾ।

ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਕੀ ਹੈ?

AI ਏਜੰਟਾਂ ਲਈ, ਸੰਦਰਭ ਉਹ ਗੁਣ ਹੈ ਜੋ ਏਜੰਟ ਦੀ ਯੋਜਨਾ ਨੂੰ ਖਾਸ ਕਦਮ ਚੁੱਕਣ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ। ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਇਹ ਪ੍ਰਕਿਰਿਆ ਹੈ ਕਿ ਯਕੀਨੀ ਬਣਾਈ ਜਾਵੇ ਕਿ AI ਏਜੰਟ ਕੋਲ ਅਗਲਾ ਕੰਮ ਪੂਰਾ ਕਰਨ ਲਈ ਸਹੀ ਜਾਣਕਾਰੀ ਹੈ। ਸੰਦਰਭ ਵਿੰਡੋ ਦੀ ਸੀਮਾ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਏਜੰਟ ਬਣਾਉਣ ਵਾਲਿਆਂ ਵਜੋਂ ਸਾਨੂੰ ਜਾਣਕਾਰੀ ਨੂੰ ਜੋੜਨ, ਹਟਾਉਣ ਅਤੇ ਸੰਕੁਚਿਤ ਕਰਨ ਲਈ ਪ੍ਰਣਾਲੀਆਂ ਤਿਆਰ ਕਰਣੀਆਂ ਪੈਂਦੀਆਂ ਹਨ।

ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਬਨੇ ਔਰ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ

ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਇੱਕ ਸਥਿਰ ਨਿਰਦੇਸ਼ਾਂ ਦਾ ਸੈੱਟ ਹੈ ਜੋ ਐਆਈ ਏਜੰਟਾਂ ਨੂੰ ਇੱਕ ਨਿਯਮਤ ਰੂਪ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਗਾਈਡ ਕਰਦਾ ਹੈ। ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਜਾਣਕਾਰੀ ਦੇ ਗਤੀਸ਼ੀਲ ਸੈੱਟ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋੰਪਟ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਤਾਂ ਜੋ AI ਏਜੰਟ ਕੋਲ ਲੰਮੇ ਸਮੇਂ ਲਈ ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਹਮੇਸ਼ਾ ਹੋਵੇ। ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦੋਹਰਾਏ ਜਾਣਯੋਗ ਅਤੇ ਭਰੋਸੇਮੰਦ ਬਣਾਉਣਾ ਹੈ।

ਸੰਦਰਭ ਦੇ ਪ੍ਰਕਾਰ

ਇਹ ਯਾਦ ਰੱਖਣਾ ਜਰੂਰੀ ਹੈ ਕਿ ਸੰਦਰਭ ਸਿਰਫ ਇੱਕ ਚੀਜ਼ ਨਹੀਂ ਹੈ। ਐਆਈ ਏਜੰਟ ਲਈ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਆ ਸਕਦੀ ਹੈ ਅਤੇ ਸਾਡੇ ਤੇ ਹੁੰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਯਕੀਨੀ ਬਣਾਈਏ ਕਿ ਏਜੰਟ ਨੂੰ ਇਹ ਸਰੋਤਾਂ ਮਿਲ ਰਹੇ ਹਨ:

AI ਏਜੰਟ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਦੇ ਜਾ ਸਕਣ ਵਾਲੇ ਸੰਦਰਭ ਦੇ ਪ੍ਰਕਾਰਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਨਿਰਦੇਸ਼: ਇਹ ਏਜੰਟ ਦੇ “ਨਿਯਮ” ਵਾਂਗ ਹਨ – ਪ੍ਰੋੰਪਟ, ਸਿਸਟਮ ਸੁਨੇਹੇ, ਕੁਝ ਉਦਾਹਰਣ (ਜੋ AI ਨੂੰ ਕੁਝ ਸਿਖਾਉਂਦੇ ਹਨ) ਅਤੇ ਉਪਕਰਨਾਂ ਦੇ ਵੇਰਵੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਹ ਵਰਤ ਸਕਦਾ ਹੈ। ਇਹ ਥਾਂ ਪ੍ਰੋੰਪਟ ਅਤੇ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦਾ ਮੇਲ ਹੈ।

• ਜਾਣਕਾਰੀ: ਇਹ ਤੱਥ, ਡਾਟਾਬੇਸਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਜਾਂ ਦਿਰਘਕਾਲੀ ਯਾਦਾਂ ਹਨ ਜੋ ਏਜੰਟ ਨੇ ਸੰਗ੍ਰਹਿਤ ਕੀਤੀਆਂ ਹਨ। ਇਸ ਵਿੱਚ Retrieval Augmented Generation (RAG) ਸਿਸਟਮ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੇ ਏਜੰਟ ਨੂੰ ਵੱਖ-ਵੱਖ ਜਾਣਕਾਰੀ ਸਟੋਰਾਂ ਅਤੇ ਡੇਟਾਬੇਸਾਂ ਦੀ ਲੋੜ ਹੋਵੇ।

• ਉਪਕਰਣ: ਇਹ ਬਾਹਰੀ ਫੰਕਸ਼ਨਾਂ, APIs ਅਤੇ MCP ਸਰਵਰਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਏਜੰਟ ਕਾਲ ਕਰ ਸਕਦਾ ਹੈ, ਨਾਲ ਹੀ ਉਨ੍ਹਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਪਰਣਾਮ ਵੀ।

• ਸੰਵਾਦ ਇਤਿਹਾਸ: ਉਪਭੋਗਤਾ ਨਾਲ ਚੱਲ ਰਹੀ ਗੱਲਬਾਤ। ਸਮੇਂ ਦੇ ਨਾਲ, ਇਹ ਗੱਲਬਾਤਾਂ ਲੰਬੀਆਂ ਅਤੇ ਜਟਿਲ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਜਿਸ ਕਰਕੇ ਇਹ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਜਗ੍ਹਾ ਨਿਭਾਉਂਦੀਆਂ ਹਨ।

• ਉਪਯੋਗਕਰਤਾ ਪਸੰਦਾਂ: ਵਰਤੋਂਕਾਰ ਦੀਆਂ ਪਸੰਦਾਂ ਜਾਂ ਨਾਪਸੰਦ ‘ਤੇ ਸਮੇਂ ਦੇ ਨਾਲ ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ। ਇਹ ਜਾਣਕਾਰੀ ਸਟੋਰ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਮੁੱਖ ਫੈਸਲਿਆਂ ‘ਤੇ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਲਈ ਰਣਨੀਤੀਆਂ

ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਰਣਨੀਤੀਆਂ

ਚੰਗੀ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਚੰਗੀ ਯੋਜਨਾ ਬਣਾਉਣ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਇਹ ਇਕ ਪদ্ধਤਿਕ ਢੰਗ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਧਾਰਣਾ ਲਾਗੂ ਕਰਨ ਵਿਚ ਸਹਾਇਤਾ ਕਰੇਗਾ:

1. ਸਾਫ ਨਤੀਜੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ - ਜਿਹੜੇ ਕੰਮ AI ਏਜੰਟਾਂ ਨੂੰ ਦਿੱਤੇ ਜਾਣਗੇ, ਉਨ੍ਹਾਂ ਦੇ ਨਤੀਜੇ ਸਾਫ਼ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੋ - “ਜਦੋਂ AI ਏਜੰਟ ਆਪਣਾ ਕੰਮ ਕਰ ਲਏ, ਤਾਂ ਦੁਨੀਆ ਕਿਵੇਂ ਦਿਖੇਗੀ?” ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਉਪਭੋਗਤਾ ਕੋਲ ਕੀ ਤਬਦੀਲੀ, ਜਾਣਕਾਰੀ ਜਾਂ ਜਵਾਬ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
2. ਸੰਦਰਭ ਦਾ ਨਕਸ਼ਾ ਬਣਾਓ - ਜਦੋਂ ਤੁਸੀਂ AI ਏਜੰਟ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਲੈਂਦੇ ਹੋ, ਤੁਹਾਨੂੰ ਇਹ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣਾ ਪੈਂਦਾ ਹੈ ਕਿ “ਇਸ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ AI ਏਜੰਟ ਨੂੰ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਹੈ?” ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਜਾਣਕਾਰੀ ਨਾਮਕ ਸੰਦਰਭ ਨੂੰ ਕਿੱਥੇ ਮਿਲ ਸਕਦਾ ਹੈ, ਇਹ ਨਕਸ਼ਾ ਬਣਾਉਂਦੇ ਹੋ।
3. ਸੰਦਰਭ ਪਾਈਪਲਾਈਨ ਬਣਾਓ - ਹੁਣ ਜਦੋਂ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ ਕਿ ਜਾਣਕਾਰੀ ਕਿੱਥੇ ਹੈ, ਤੁਹਾਨੂੰ ਇਹ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣਾ ਹੈ ਕਿ “ਏਜੰਟ ਇਹ ਜਾਣਕਾਰੀ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰੇਗਾ?” ਇਹ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ RAG, MCP ਸਰਵਰਾਂ ਅਤੇ ਹੋਰ ਉਪਕਰਣਾਂ ਦੀ ਵਰਤੋਂ।

ਵੈਵਹਾਰਿਕ ਰਣਨੀਤੀਆਂ

ਯੋਜਨਾ ਬਣਾਉਣਾ ਜਰੂਰੀ ਹੈ ਪਰ ਜਦੋਂ ਜਾਣਕਾਰੀ ਸਾਡੇ ਏਜੰਟ ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਆਉਣ ਲੱਗਦੀ ਹੈ, ਤਾਂ ਇਸ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਸਾਡੇ ਕੋਲ ਵੈਵਹਾਰਿਕ ਰਣਨੀਤੀਆਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ:

ਸੰਦਰਭ ਦਾ ਪ੍ਰਬੰਧਨ

ਜਦ ਕਿ ਕੁਝ ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਆਪਣੇ ਆਪ ਸ਼ਾਮਲ ਹੋ ਜਾਂਦੀ ਹੈ, ਸੰਦਰଭ ਇੰਜੀਨੀਅਰਿੰਗ ਜ਼ਿਆਦਾ ਸਰਗਰਮ ਭੂਮਿਕਾ ਨਿਭਾਉਣ ਬਾਰੇ ਹੈ, ਜੋ ਕੁਝ ਤਰੀਕਿਆਂ ਨਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:

1. ਏਜੰਟ ਸਕ੍ਰੈਚਪੈਡ
   ਇਹ AI ਏਜੰਟ ਨੂੰ ਇੱਕ ਹੀ ਸੈਸ਼ਨ ਦੌਰਾਨ ਮੌਜੂਦਾ ਕੰਮਾਂ ਅਤੇ ਉਪਭੋਗਤਾ ਮੁਲਾਕਾਤਾਂ ਬਾਰੇ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਦੇ ਨੋਟ ਲੈਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਸੰਦਰਭ ਵਿੰਡੋ ਦੇ ਬਾਹਰ ਕਿਸੇ ਫਾਇਲ ਜਾਂ ਰਨਟਾਈਮ ਆਬਜੈਕਟ ਵਿਚ ਹੁਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਸਨੂੰ ਬਾਅਦ ਵਿੱਚ ਇਸ ਸੈਸ਼ਨ ਵਿੱਚ ਦੀ ਲੋੜ ਪੈਣ ‘ਤੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕੇ।

2. ਸਮਰਿੱਥੀਆਂ (Memories)
   ਸਕ੍ਰੈਚਪੈਡ ਇੱਕ ਸੈਸ਼ਨ ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਤੋਂ ਬਾਹਰ ਜਾਣਕਾਰੀ ਪ੍ਰਬੰਧਨ ਲਈ ਚੰਗੇ ਹਨ। ਸਮਰਿੱਥੀਆਂ ਏਜੰਟਾਂ ਨੂੰ ਬਹੁ-ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਸਟੋਰ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ। ਇਸ ਵਿੱਚ ਸੰਖੇਪ, ਉਪਭੋਗਤਾ ਪਸੰਦਾਂ ਅਤੇ ਭਵਿੱਖ ਲਈ ਸੁਧਾਰਾਂ ਲਈ ਫੀਡਬੈਕ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ।

3. ਸੰਦਰਭ ਦਾ ਸੰਕੁਚਨ
   ਜਦ ਸੰਦਰਭ ਵਿੰਡੋ ਵੱਧ ਜਾਂਦੀ ਹੈ ਅਤੇ ਨੇੜੇ ਆ ਜਾਂਦੀ ਹੈ ਉਸਦੀ ਸੀਮਾ ਨੂੰ, ਤਦ ਸਮਰੀਜ਼ੇਸ਼ਨ ਅਤੇ ਕੱਟ-ਛਾਂਟ ਜਿਵੇਂ ਤਕਨਾਲੋਜੀ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਆਮਤੌਰ ‘ਤੇ ਸਿਰਫ ਸਭ ਤੋਂ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਰੱਖਣ ਜਾਂ ਪੁਰਾਣੇ ਸੁਨੇਹੇ ਹਟਾਉਣ ਲਈ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

4. ਮਲਟੀ-ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ
   ਮਲਟੀ-ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ ਵਿਕਸਤ ਕਰਨਾ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਇੱਕ ਸ਼ਾਖਾ ਹੈ ਕਿਉਂਕਿ ਹਰ ਏਜੰਟ ਦੀ ਆਪਣੀ ਸੰਦਰਭ ਵਿੰਡੋ ਹੁੰਦੀ ਹੈ। ਇਹ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦਾ ਤਰੀਕਾ ਕਿ ਸੰਦਰਭ ਕਿਵੇਂ ਸਾਂਝਾ ਅਤੇ ਵੱਖ-ਵੱਖ ਏਜੰਟਾਂ ਨੂੰ ਲੰਘਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਬਣਾਉਂਦੇ ਸਮੇਂ ਯੋਜਨਾ ਬਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ।

5. ਸੈਂਡਬਾਕਸ ਵਾਤਾਵਰਣ
   ਜੇ ਇੱਕ ਏਜੰਟ ਨੂੰ ਕੁਝ ਕੋਡ ਚਲਾਉਣ ਦੀ ਜਾਂ ਕਿਸੇ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਵੱਡੀ ਮਾਤਰਾ ਵਿਚ ਜਾਣਕਾਰੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਇਸਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਟੋਕਨ ਲੱਗ ਸਕਦੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਏਜੰਟ ਇੱਕ ਐਸਾ ਸੰਡਬਾਕਸ ਵਾਤਾਵਰਣ ਵਰਤ ਸਕਦਾ ਹੈ ਜੋ ਇਹ ਕੋਡ ਚਲਾ ਸਕੇ ਅਤੇ ਕੇਵਲ ਨਤੀਜੇ ਅਤੇ ਹੋਰ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀਆਂ ਪੜ੍ਹ ਸਕੇ।

6. ਰਨਟਾਈਮ ਸਟੇਟ ਆਬਜੈਕਟ
   ਇਹ ਜਾਣਕਾਰੀ ਦੇ ਕੰਟੇਨਰ ਬਣਾਕੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਐਜੰਟ ਨੂੰ ਕੁਝ ਖਾਸ ਜਾਣਕਾਰੀਆਂ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਜਟਿਲ ਕੰਮ ਲਈ, ਇਹ ਐਜੰਟ ਨੂੰ ਹਰ ਇੱਕ ਸਬ-ਟਾਸ্ক ਦੇ ਨਤੀਜੇ ਕਦਮ-ਦਰ-ਕਦਮ ਸਟੋਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸੰਦਰਭ ਸਿਰਫ ਉਸ ਖਾਸ ਸਬ-ਟਾਸਕ ਨਾਲ ਜੁੜਿਆ ਰਹਿੰਦਾ ਹੈ।

ਸੰਦਰਭ ਦੀ ਜਾਂਚ

ਤੁਸੀਂ ਜਦੋਂ ਅਜਿਹਾ ਇੱਕ ਰਣਨੀਤੀ ਲਾਗੂ ਕਰਦੇ ਹੋ, ਤਾਂ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਅਗਲਾ ਮਾਡਲ ਕਾਲ ਕੁਝ ਅਸਲ ਵਿਚ ਕੀ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਕ ਲਾਭਕਾਰੀ ਡਿਬੱਗਿੰਗ ਸਵਾਲ ਹੈ:

ਕੀ ਏਜੰਟ ਨੇ ਬਹੁਤ ਸਾਰਾ ਸੰਦਰਭ ਭਰਿਆ, ਗਲਤ ਸੰਦਰਭ ਭਰਿਆ ਜਾਂ ਜਰੂਰੀ ਸੰਦਰਭ ਮਿਸ ਕਰ ਦਿੱਤਾ?

ਤੁਸੀਂ ਇਹ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਰਾਅ ਪ੍ਰੋੰਪਟ, ਟੂਲ ਦੀ ਨਤੀਜੇ ਜਾਂ ਯਾਦ ਦੀ ਸਮਗਰੀ ਦਰਜ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਉਤਪਾਦਨ ਵਿੱਚ, ਛੋਟੇ ਸੰਦਰਭ ਜਾਂਚ ਰਿਕਾਰਡ ਪਸੰਦ ਕਰੋ ਜੋ ਗਿਣਤੀਆਂ, ਆਈਡੀਆਂ, ਹੈਸ਼ਾਂ ਅਤੇ ਨੀਤੀ ਲੇਬਲਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦੇ ਹੋਣ:

• ਚੋਣ: ਇਹ ਟ੍ਰੈਕ ਕਰੋ ਕਿ ਕਿੰਨੇ ਉਮੀਦਵਾਰ ਟੁਕੜੇ, ਉਪਕਰਣ ਜਾਂ ਸਮਰਿੱਥੀਆਂ ‘ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਗਿਆ, ਕਿੰਨੀਆਂ ਚੁਣੀਆਂ ਗਈਆਂ, ਅਤੇ ਕਿਹੜੇ ਨਿਯਮ ਜਾਂ ਸਕੋਰ ਨੇ ਹੋਰਾਂ ਨੂੰ ਫਿਲਟਰ ਕੀਤਾ।
• ਸੰਕੁਚਨ: ਸਰੋਤ ਰੇਂਜ ਜਾਂ ਟ੍ਰੇਸ ਆਈਡੀ, ਸੰਖੇਪ ਆਈਡੀ, ਸੰਕੁਚਨ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਦਾ ਅਨੁਮਾਨਿਤ ਟੋਕਨ ਗਿਣਤੀ, ਅਤੇ ਕਿ ਕਿਆ ਰਾਅ ਸਮੱਗਰੀ ਨੂੰ ਅਗਲੇ ਕਾਲ ਤੋਂ ਬਾਹਰ ਰੱਖਿਆ ਗਿਆ।
• ਵੱਖਰਾ ਕਰਨਾ: ਨੋਟ ਕਰੋ ਕਿ ਕਿਹੜਾ ਸਬ-ਟਾਸਕ ਵੱਖਰੇ ਏਜੰਟ, ਸੈਸ਼ਨ ਜਾਂ ਸੰਡਬਾਕਸ ‘ਚ ਚੱਲਾਇਆ ਗਿਆ, ਕੀ ਸੀਮਿਤ ਸੰਖੇਪ ਵਾਪਸ ਆਇਆ, ਅਤੇ ਕੀ ਵੱਡੇ ਟੂਲ ਨਤੀਜੇ ਮੂਲ ਏਜੰਟ ਸੰਦਰਭ ਤੋਂ ਬਾਹਰ ਰਹੇ।
• ਯਾਦ ਅਤੇ RAG: ਪ੍ਰਾਪਤ ਡੌਕੂਮੈਂਟ ਆਈਡੀਆਂ, ਯਾਦ ਆਈਡੀਆਂ, ਸਕੋਰ, ਚੁਣੀਆਂ ਆਈਡੀਆਂ ਅਤੇ ਹਟਾਏ ਜਾਣ ਦੀ ਸਥਿਤੀ ਪੂਰੇ ਪ੍ਰਾਪਤ ਲੇਖ ਦੀ ਬਜਾਏ ਸਟੋਰ ਕਰੋ।
• ਸੁਰੱਖਿਆ ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ: ਸੰਵੇਦਨਸ਼ੀਲ ਪ੍ਰੋੰਪਟ ਟੈਕਸਟ, ਟੂਲ ਤਰਕ, ਟੂਲ ਨਤੀਜੇ ਜਾਂ ਯੂਜ਼ਰ ਮੈਮੋਰੀ ਬਾਡੀਜ਼ ਦੀ ਬਜਾਏ ਹੈਸ਼ਾਂ, ਆਈਡੀਆਂ, ਟੋਕਨ ਬਕਟ ਅਤੇ ਨੀਤੀ ਲੇਬਲ ਪਸੰਦ ਕਰੋ।

ਮਕਸਦ ਵੱਧ ਸੰਦਰਭ ਰੱਖਣਾ ਨਹੀਂ ਹੈ। ਇਹ ਕਿਉਂਕਿ ਇੰਨੀ ਸਬੂਤ ਛੱਡਣੀ ਹੈ ਕਿ ਵਿਕਾਸਕਾਰ ਦੱਸ ਸਕੇ ਕਿ ਕਿਹੜੀ ਸੰਦਰਭ ਰਣਨੀਤੀ ਚੱਲੀ ਅਤੇ ਇਹ ਅਗਲੇ ਮਾਡਲ ਕਾਲ ‘ਤੇ ਇਰਾਦੇ ਮੁਤਾਬਕ ਪ੍ਰਭਾਵ ਪਾਇਆ ਹੈ ਜਾਂ ਨਹੀਂ।

ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਇਕ ਉਦਾਹਰਣ

ਮਾਨ ਲਓ ਕਿ ਅਸੀਂ ਇੱਕ AI ਏਜੰਟ ਨੂੰ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ “ਮੈਨੂੰ ਪੈਰਿਸ ਦੀ ਯਾਤਰਾ ਬੁੱਕ ਕਰ ਦਿਓ।”

• ਸਿਰਫ ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਵਰਤਣ ਵਾਲਾ ਸਰਲ ਏਜੰਟ ਸਿਰਫ ਇਹ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ: “ਠੀਕ ਹੈ, ਤੁਸੀਂ ਪੈਰਿਸ ਜਾਣ ਲਈ ਕਦੋਂ ਜਾਣਾ ਚਾਹੁੰਦੇ ਹੋ?”। ਇਹ ਸਿਰਫ ਉਸ ਸਮੇਂ ਤੁਹਾਡੇ ਸਵਾਲ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ।

• ਪਰ ਜੋ ਏਜੰਟ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਵਰਤਦਾ ਹੈ, ਉਹ ਇਸ ਤੋਂ ਕਈ ਗੁਣਾ ਵੱਧ ਕਰੇਗਾ। ਜਵਾਬ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਸਦਾ ਸਿਸਟਮ ਜ਼ਰੂਰੀ ਗੱਲਾਂ ਕਰ ਸਕਦਾ ਹੈ:

  ◦ ਤੁਹਾਡੇ ਕੈਲੰਡਰ ਦੀ ਜਾਂਚ ਕਰੋ ਕਿ ਕਿਹੜੇ ਦਿਨ ਖਾਲੀ ਹਨ (ਤਾਜ਼ਾ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਕੇ)।

 ◦ ਪਿਛਲੇ ਯਾਤਰਾ ਪਸੰਦ ਨੂੰ ਯਾਦ ਕਰੋ (ਲੰਮੇ ਸਮੇਂ ਦੀ ਯਾਦ ਤੋਂ) ਜਿਵੇਂ ਤੁਹਾਡੀ ਸਪੱਸ਼ਟ ਏਅਰਲਾਈਨ, ਬਜਟ ਜਾਂ ਸਿੱਧੇ ਉਡਾਣਾਂ ਦੀ ਪਸੰਦ।

 ◦ ਉਪਲਬਧ ਉਪਕਰਣਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਜਿਵੇਂ ਕਿ ਉਡਾਣ ਅਤੇ ਹੋਟਲ ਬੁਕਿੰਗ ਲਈ।

• ਫਿਰ, ਇਕ ਉਦਾਹਰਣ ਜਵਾਬ ਹੋ ਸਕਦਾ ਹੈ: “ਹੈਲੋ [ਤੁਹਾਡਾ ਨਾਮ]! ਮੈਂ ਵੇਖ ਰਿਹਾ ਹਾਂ ਤੁਸੀਂ ਅਕਤੂਬਰ ਦੇ ਪਹਿਲੇ ਹਫ਼ਤੇ ਵਿੱਚ ਖਾਲੀ ਹੋ। ਕੀ ਮੈਂ [ਪਸੰਦੀਦਾ ਏਅਰਲਾਈਨ] ‘ਤੇ ਸਿੱਧੀਆਂ ਉਡਾਣਾਂ ਦੀ ਤਲਾਸ਼ ਕਰਾਂ ਜੋ ਤੁਹਾਡੇ ਆਮ ਬਜਟ [ਬਜਟ] ਵਿੱਚ ਆਉਂਦੀਆ ਹਨ?” ਇਹ ਧਨੀ, ਸੰਦਰਭ-ਜਾਣੂ ਜਵਾਬ ਸੰਦਰਭ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਤਾਕਤ ਦਿਖਾਉਂਦਾ ਹੈ।

ਆਮ ਸੰਦਰਭ ਗਲਤੀਆਂ

ਸੰਦਰਭ ਜਹਿਰੀਲਾ ਜਾਣਕਾਰੀ (Context Poisoning)

ਕੀ ਹੈ: ਜਦੋਂ ਇੱਕ ਹਲੂਸਿਨੇਸ਼ਨ (LLM ਵੱਲੋਂ ਬਣਾਈ ਗਈ ਗਲਤ ਜਾਣਕਾਰੀ) ਜਾਂ ਗਲਤੀ ਸੰਦਰਭ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਵਾਰੀ ਵਾਰੀ ਉਸ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਏਜੰਟ ਅਸੰਭਵ ਲਕੜੀ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ ਜਾਂ ਅਸਮਝਦਾਰ ਰਣਨੀਤੀਆਂ ਵਿਕਸਿਤ ਕਰਦਾ ਹੈ।

ਕੀ ਕਰਨਾ: ਸੰਦਰਭ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਕਰੈਂਟਾਈਨ ਲਾਗੂ ਕਰੋ। ਜਾਣਕਾਰੀ ਨੂੰ ਲੰਮੇ ਸਮੇਂ ਦੀ ਯਾਦ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। ਜੇ ਸੰਭਾਵਿਤ ਜਹਿਰੀਲੇ ਜਾਣਕਾਰੀ ਦਾ ਪਤਾ ਲੱਗੇ, ਤਾਂ ਨਵੀਂ ਸੰਦਰਭ ਧਾਰਾਵਾਂ ਸ਼ੁਰੂ ਕਰੋ ਤਾਂ ਜੋ ਗਲਤ ਜਾਣਕਾਰੀ ਫੈਲੇ ਨਾ।

ਯਾਤਰਾ ਬੁਕਿੰਗ ਉਦਾਹਰਣ: ਤੁਹਾਡਾ ਏਜੰਟ ਇੱਕ ਛੋਟੇ ਸਥਾਨਕ ਹਵਾਈ ਅੱਡੇ ਤੋਂ ਦੂਰ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸ਼ਹਿਰ ਲਈ ਸਿੱਧੀ ਉਡਾਣ ਦਾ ਹਲੂਸਿਨੇਸ਼ਨ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਅੰਤਰਰਾਸ਼ਟਰੀ ਉਡਾਣਾਂ ਨਹੀਂ ਦਿੰਦਾ। ਇਹ ਗਲਤ ਜਾਣਕਾਰੀ ਸੰਦਰਭ ਵਿੱਚ ਸਟੋਰ ਹੋ ਜਾਂਦੀ ਹੈ। ਬਾਅਦ ਵਿੱਚ ਜਦੋਂ ਤੁਸੀਂ ਏਜੰਟ ਨੂੰ ਬੁਕਿੰਗ ਲਈ ਕਹਿੰਦੇ ਹੋ, ਇਹ ਅਸੰਭਵ ਰਸਤੇ ਲਈ ਟਿਕਟ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਲਗਾਤਾਰ ਗਲਤੀਆਂ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ।

ਸਮਾਧਾਨ: ਇੱਕ ਐਸਾ ਕਦਮ ਲਗਾਓ ਜੋ ਸਚ-ਅਸਥਿਤੀ ਅਤੇ ਰਸਤੇ ਦੀ ਪੜਤਾਲ ਕਰਨ ਵਾਲੀ ਹਕੀਕਤੀ-ਸਮੇਂ API ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰੇ ਪਹਿਲਾਂ ਇਸ ਵੇਰਵੇ ਨੂੰ ਏਜੰਟ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਤੋਂ। ਜੇ ਪ੍ਰਮਾਣਿਕਤਾ ਫੇਲ੍ਹ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਗਲਤ ਜਾਣਕਾਰੀ ਨੂੰ “ਕਰੈਂਟਾਈਨ” ਕੀਤਾ ਜਾਵੇ ਅਤੇ ਅੱਗੇ ਵਰਤੋਂ ਨਾ ਕੀਤੀ ਜਾਵੇ।

ਸੰਦਰਭ ਧਿਆਨ ਵਿਛੁੜਣਾ (Context Distraction)

ਕੀ ਹੈ: ਜਦੋਂ ਸੰਦਰਭ ਇੰਨਾ ਵੱਡਾ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਮਾਡਲ ਟਰੇਨਿੰਗ ਦੌਰਾਨ ਸਿੱਖਿਆ ਗਈਆਂ ਗੱਲਾਂ ਤੋਂ ਜਿਆਦਾ ਮਿਲੀ ਸਾਂਝੀ ਇਤਿਹਾਸ ‘ਤੇ ਧਿਆਨ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਦੋਹਰਾਅ ਜਾਂ ਗੈਰ-ਮਦਦਗਾਰ ਕਾਰਵਾਈਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਮਾਡਲ ਹਾਲਾਂਕਿ ਸੰਦਰਭ ਵਿੰਡੋ ਭਰਣ ਤੋਂ ਪਹਿਲਾਂ ਵੀ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ।

ਕੀ ਕਰਨਾ: ਸੰਦਰਭ ਸੰਖੇਪ ਵਰਤੋਂ। ਸਮੇਂ ਸਮੇਂ ਤੇ ਮਿਲੀ ਜਾਣਕਾਰੀ ਨੂੰ ਛੋਟੀਆਂ ਸੰਖੇਪਾਂ ਵਿੱਚ ਸੰਕੁਚਿਤ ਕਰੋ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਜਾਣਕਾਰੀ ਰਹੇ ਅਤੇ ਵਿਅਰਥ ਇਤਿਹਾਸ ਹਟਾ ਦਿੱਤਾ ਜਾਵੇ। ਇਸ ਨਾਲ ਫੋਕਸ “ਰੀਸੈੱਟ” ਹੁੰਦਾ ਹੈ।

ਯਾਤਰਾ ਬੁਕਿੰਗ ਉਦਾਹਰਣ: ਤੁਸੀਂ ਕਾਫੀ ਸਮੇਂ ਤੋਂ ਵੱਖ-ਵੱਖ ਯਾਤਰਾ ਦੀਆਂ ਮਨਪਸੰਦ ਜਗ੍ਹਾਂ ਦੀ ਗੱਲ ਕਰ ਰਹੇ ਹੋ, ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਦੋ ਸਾਲ ਪਹਿਲਾਂ ਕਿਤੇ ਗਏ ਬੈਕਪੈਕਿੰਗ ਯਾਤਰਾ ਦੀ ਵਿਸਥਾਰ ਨਾਲ ਵਰਣਨਾ ਵੀ ਸ਼ਮਿਲ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਆਖਿਰਕਾਰ “ਅਗਲੇ ਮਹੀਨੇ ਲਈ ਸਸਤੀ ਉਡਾਣ ਲੱਭ ਕੇ ਦਿਓ,” ਕਹਿੰਦੇ ਹੋ, ਤਾਂ ਏਜੰਟ ਪੁਰਾਣੀਆਂ, ਗੈਰ-ਸੰਬੰਧਿਤ ਗੱਲਾਂ ਵਿੱਚ ਫਸ ਜਾਂਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੇ ਮੌਜੂਦਾ ਬੇਨਤੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ।

ਸਮਾਧਾਨ: ਕੁਝ ਮੁੜ-ਮੁੜੇ ਮੋੜਾਂ ਜਾਂ ਜਦ ਸੰਦਰਭ ਵੱਡਾ ਹੋ ਜਾਵੇ, ਤਾਂ ਏਜੰਟ ਨੂੰ ਸਭ ਤੋਂ ਹਾਲੀਆ ਅਤੇ ਸੰਬੰਧਿਤ ਗੱਲਾਂ ਦਾ ਸੰਖੇਪ ਤਿਆਰ ਕਰਨ ਦਾ ਹੁਕਮ ਦਿਓ – ਮੁੱਖ ਯਾਤਰਾ ਦੀ ਮਿਤੀਆਂ ਅਤੇ ਮੰਜਿਲ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹੋਏ – ਅਤੇ ਇਸ ਸੰਕੁਚਿਤ ਸੰਖੇਪ ਨੂੰ ਅਗਲੇ LLM ਕਾਲ ਲਈ ਵਰਤੋ, ਜਦਕਿ ਘੱਟ ਸੰਬੰਧਿਤ ਗੱਲਬਾਤ ਨੂੰ ਮੁਕਾ ਦਿਓ।

ਸੰਦਰਭ ਗੜਬੜ (Context Confusion)

ਕੀ ਹੈ: ਜਦੋਂ ਬਹੁਤ ਸਾਰੇ ਉਪਕਰਣ ਉਪਲਬਧ ਹੁੰਦੇ ਹਨ ਜੋ ਮਾਡਲ ਨੂੰ ਗਲਤ ਜਵਾਬ ਬਣਾਉਣ ਜਾਂ ਗੈਰ-ਸੰਬੰਧਿਤ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰਦੇ ਹਨ। ਛੋਟੇ ਮਾਡਲ ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਗੜਬੜ ਲਈ ਜ਼ਿਆਦਾ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ।

ਕੀ ਕਰਨਾ: RAG ਤਕਨੀਕਾਂ ਵਰਤੋਂਦਿਆਂ ਟੂਲ ਚੋਣ ਪ੍ਰਬੰਧਨ ਲਾਗੂ ਕਰੋ। ਉਪਕਰਨ ਵਰਣਨਾਂ ਨੂੰ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਸਟੋਰ ਕਰੋ ਅਤੇ ਹਰ ਖਾਸ ਕੰਮ ਲਈ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਸੰਬੰਧਿਤ ਉਪਕਰਣ ਚੁਨੋ। ਅਧਿਐਨ ਵੇਖਾਉਂਦਾ ਹੈ ਕਿ ਉਪਕਰਣਾਂ ਦੀ ਚੋਣ 30 ਤੋਂ ਘੱਟ ਰੱਖੀ ਜਾਵੇ।

ਯਾਤਰਾ ਬੁਕਿੰਗ ਉਦਾਹਰਣ: ਤੁਹਾਡੇ ਏਜੰਟ ਕੋਲ ਦਹਾਕੇ ਟੂਲਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ: book_flight, book_hotel, rent_car, find_tours, currency_converter, weather_forecast, restaurant_reservations ਆਦਿ। ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ, “ਪੈਰਿਸ ਵਿੱਚ ਘੁੰਮਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਕੀ ਹੈ?” ਜਿਨ੍ਹਾਂ ਵੀ ਉਪਕਰਣਾਂ ਦੀ ਭਾਰੀ ਸੰਖਿਆ ਕਾਰਨ, ਏਜੰਟ ਗਬਰਾਟੀ ਵਿੱਚ ਆ ਜਾਂਦਾ ਹੈ ਅਤੇ book_flight ਨੂੰ ਪੈਰਿਸ ਦੇ ਅੰਦਰ ਕਾਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਜਾਂ rent_car ਕਿਉਂਕਿ ਟੂਲ ਵਰਣਨਾਂ ਵੰਨਰ ਰਹੇ ਹੋਣ ਜਾਂ ਵਧੀਆ ਟੂਲ ਦੀ ਪਛਾਣ ਨਹੀਂ ਹੋ ਪਾਂਦੀ।

ਸਮਾਧਾਨ: ਟੂਲ ਵਰਣਨਾਂ ਤੇ RAG ਵਰਤੋਂ। ਜਦ ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ ਕਿ ਪੈਰਿਸ ਵਿੱਚ ਕਿਵੇਂ ਘੁੰਮਣਾ ਹੈ, ਸਿਸਟਮ ਤੁਹਾਡੇ ਕੁਐਰੀ ਅਨੁਸਾਰ ਕੇਵਲ ਸਭ ਤੋਂ ਸੰਬੰਧਿਤ ਉਪਕਰਨਾਂ ਜਿਵੇਂ rent_car ਜਾਂ public_transport_info ਨੂੰ ਹੀ ਖੋਜਦਾ ਹੈ ਅਤੇ LLM ਨੂੰ ਕੇਂਦਰਿਤ ਟੂਲ ਚੋਣ ਦਿਖਾਉਂਦਾ ਹੈ।

ਸੰਦਰਭ ਟਕਰਾਅ (Context Clash)

ਕੀ ਹੈ: ਜਦੋਂ ਸੰਦਰਭ ਵਿੱਚ ਵਿਰੋਧੀ ਜਾਣਕਾਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਗਲਤ ਤਰਕ ਜਾਂ ਮਾੜਾ ਅੰਤਿਮ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। ਇਹ ਅਕਸਰ ਉਸ ਸਮੇਂ ਹੁੰਦਾ ਹੈ ਜਦ ਜਾਣਕਾਰੀ ਦਰਜਾਵਾਰ ਆਉਂਦੀ ਹੈ ਅਤੇ ਪਹਿਲਾਂ ਦੀਆਂ ਗਲਤ ਧਾਰਣਾਵਾਂ ਸੰਦਰਭ ਵਿੱਚ ਰਹਿ ਜਾਂਦੀਆਂ ਹਨ।

ਕੀ ਕਰਨਾ: ਸੰਦਰਭ ਕੁਟਾਈ (pruning) ਅਤੇ ਬਾਹਰ ਭੇਜਣਾ (offloading) ਵਰਤੋਂ। ਕੁਟਾਈ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜਦ ਨਵੀਆਂ ਜਾਣਕਾਰੀਆਂ ਆਉਂਦੀਆਂ ਹਨ, ਪੁਰਾਣੀ ਜਾਂ ਵਿਰੋਧੀ ਜਾਣਕਾਰੀ ਹਟਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਬਾਹਰ ਭੇਜਣਾ ਮਾਡਲ ਨੂੰ ਵੱਖਰਾ “ਸਕ੍ਰੈਚਪੈਡ” ਵਰਕਸਪੇਸ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਜਾਣਕਾਰੀ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕੇ ਬਿਨਾਂ ਮੁੱਖ ਸੰਦਰਭ ਵਿੱਚ ਗੜਬੜ ਬਨਾਏ।

ਯਾਤਰਾ ਬੁਕਿੰਗ ਉਦਾਹਰਨ: ਤੁਸੀਂ ਸ਼ੁਰੂ ਵਿੱਚ ਆਪਣੇ ਏਜੰਟ ਨੂੰ ਕਹਿੰਦੇ ਹੋ, “ਮੈਨੂੰ economy ਕਲਾਸ ਵਿਚ ਉਡਾਣ ਭਰਣੀ ਹੈ।” ਬਾਅਦ ਵਿੱਚ ਗੱਲਬਾਤ ਵਿੱਚ, ਤੁਸੀਂ ਆਪਣਾ ਮਤਲਬ ਬਦਲ ਦਿੰਦੇ ਹੋ ਅਤੇ ਕਹਿੰਦੇ ਹੋ, “ਅਸਲ ਵਿੱਚ, ਇਸ ਯਾਤਰਾ ਲਈ, ਚਲੋ ਬਿਜਨੈਸ ਕਲਾਸ ਵਿੱਚ ਜਾਈਏ।” ਜੇ ਦੋਹਾਂ ਹਿਦਾਇਤਾਂ ਪ੍ਰਸੰਗ ਵਿੱਚ ਮੌਜੂਦ ਰਹਿੰਦੀਆਂ ਹਨ, ਤਾਂ ਏਜੰਟ ਨੂੰ ਵਿਰੋਧੀ ਖੋਜ ਨਤੀਜੇ ਮਿਲ ਸਕਦੇ ਹਨ ਜਾਂ ਇਹ ਸਮਝਣ ਵਿੱਚ ਗਲਤਫਹਮੀ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਕਿਹੜੀ ਪਸੰਦ ਨੂੰ ਪਹਿਲ ਦਿੱਤੀ ਜਾਵੇ।

ਉਪਾਅ: ਸੰਦਰਭ ਛਾਂਟਣ ਨੂੰ ਲਾਗੂ ਕਰੋ। ਜਦੋਂ ਕੋਈ ਨਵੀਂ ਹਿਦਾਇਤ ਪੁਰਾਣੀ ਨਾਲ ਵਿਰੋਧ ਕਰਦੀ ਹੈ, ਤਾਂ ਪੁਰਾਣੀ ਹਿਦਾਇਤ ਸੰਦਰਭ ਵਿੱਚੋਂ ਹਟਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਜਾਂ ਸਪਸ਼ਟ ਤੌਰ ‘ਤੇ ਓਵਰਰਾਈਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਥਾਂਮ ਦੇ ਤੌਰ ‘ਤੇ, ਏਜੰਟ ਇੱਕ ** ਸਕ੍ਰੈਚਪੈਡ ** ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਵਿਰੋਧੀ ਪਸੰਦਾਂ ਨੂੰ ਸ਼ਾਂਤ ਕੀਤਾ ਜਾਵੇ ਪਹਿਲਾਂ ਫੈਸਲਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਸਿਰਫ ਅੰਤਿਮ, ਸਥਿਰ ਹਿਦਾਇਤ ਹੀ ਇਸ ਦੇ ਕੰਮਾਂ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰੇ।

ਜ਼ਿਆਦਾ ਸਵਾਲ ਹਨ ਸੰਦਰਭ ਇੰਜਨੀਅਰਿੰਗ ਬਾਰੇ?

Microsoft Foundry Discord ਨਾਲ ਜੁੜੋ, ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਮਿਲੋ, ਦਫਤਰੀ ਸਮੇਂ ਵਿੱਚ ਹਾਜ਼ਰੀ ਦਿਓ ਅਤੇ ਆਪਣੇ AI ਏਜੰਟਸ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਲਵੋ।

ਪਿਛਲਾ ਪਾਠ

Agentic Protocols

ਅਗਲਾ ਪਾਠ

Memory for AI Agents

---

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.