ai-agents-for-beginners
(மேலே உள்ள படத்தை கிளிக் செய்து இந்த பாடத்தின் வீடியோவைப் பாருங்கள்)
AI முகவர்கள் மற்றும் முகவர் பயன்பாடுகளுக்கான அறிமுகம்
“AI Agents for Beginners” பாடநெறிக்கு வரவேற்கிறோம்! இந்த பாடநெறி AI முகவர்களை உருவாக்க அடிப்படை அறிவு மற்றும் நடைமுறை உதாரணங்களை வழங்குகிறது.
Azure AI Discord Communityயில் சேர்ந்து மற்ற பயிற்சியாளர்கள் மற்றும் AI முகவர் உருவாக்குநர்களை சந்தித்து, இந்த பாடநெறி குறித்து உங்களுக்குள்ள கேள்விகளை கேளுங்கள்.
இந்த பாடநெறியைத் தொடங்க, AI முகவர்கள் என்ன மற்றும் நாம் உருவாக்கும் பயன்பாடுகள் மற்றும் வேலைப்பாடுகளில் அவற்றைப் பயன்படுத்துவது எப்படி என்பதைப் புரிந்துகொள்வதிலிருந்து தொடங்குகிறோம்.
அறிமுகம்
இந்த பாடத்தில் உள்ளடக்கப்பட்டவை:
- AI முகவர்கள் என்ன? மற்றும் அவற்றின் வெவ்வேறு வகைகள் என்ன?
- AI முகவர்களுக்கு ஏற்ற பயன்பாடுகள் என்ன? மற்றும் அவை எவ்வாறு நமக்கு உதவ முடியும்?
- முகவர் தீர்வுகளை வடிவமைக்கும் போது அடிப்படை கட்டமைப்புகள் என்ன?
கற்றல் இலக்குகள்
இந்த பாடத்தை முடித்த பிறகு, நீங்கள்:
- AI முகவர் கருத்துக்களைப் புரிந்து கொள்ளவும் மற்றும் பிற AI தீர்வுகளிலிருந்து அவற்றின் வேறுபாடுகளை அறியவும்.
- AI முகவர்களை மிகச் சிறப்பாகப் பயன்படுத்தவும்.
- பயனாளர்கள் மற்றும் வாடிக்கையாளர்களுக்காக முகவர் தீர்வுகளை பயனுள்ள முறையில் வடிவமைக்கவும்.
AI முகவர்களை வரையறுத்தல் மற்றும் AI முகவர்களின் வகைகள்
AI முகவர்கள் என்ன?
AI முகவர்கள் என்பது மEquipment மற்றும் அறிவை வழங்குவதன் மூலம் பெரிய மொழி மாதிரிகள் (LLMs) செயல்களைச் செய்ய உதவுவதற்கான கணினி அமைப்புகள் ஆகும்.
இந்த வரையறையை சிறிய பகுதிகளாகப் பிரிப்போம்:
- அமைப்பு - AI முகவர்களை ஒரு தனி கூறாக அல்லாமல் பல கூறுகளின் அமைப்பாகக் கருதுவது முக்கியம். AI முகவர்களின் அடிப்படை கூறுகள்:
- சுற்றுப்புறம் - AI முகவர் செயல்படும் வரையறுக்கப்பட்ட இடம். உதாரணமாக, ஒரு பயண முன்பதிவு AI முகவர் இருந்தால், அந்த முகவர் செயல்படும் சுற்றுப்புறம் பயண முன்பதிவு அமைப்பாக இருக்கலாம்.
- சென்சார்கள் - சுற்றுப்புறம் தகவல்களை வழங்குகிறது மற்றும் பின்னூட்டத்தை வழங்குகிறது. AI முகவர்கள் சுற்றுப்புறத்தின் தற்போதைய நிலை குறித்து தகவல்களை சேகரிக்கவும், புரிந்துகொள்ளவும் சென்சார்களைப் பயன்படுத்துகின்றன. பயண முன்பதிவு முகவர் உதாரணத்தில், ஹோட்டல் கிடைப்பது அல்லது விமான விலைகள் போன்ற தகவல்களை முன்பதிவு அமைப்பு வழங்கலாம்.
- அக்டுவேட்டர்கள் - AI முகவர் சுற்றுப்புறத்தின் தற்போதைய நிலையைப் பெறும் போது, தற்போதைய பணிக்கான நடவடிக்கையைத் தீர்மானிக்கிறது. பயண முன்பதிவு முகவருக்கான நடவடிக்கை, பயனாளருக்காக கிடைக்கும் அறையை முன்பதிவு செய்வதாக இருக்கலாம்.
பெரிய மொழி மாதிரிகள் - LLMகள் உருவாக்கப்படுவதற்கு முன்பே முகவர் கருத்து இருந்தது. LLMக்களுடன் AI முகவர்களை உருவாக்குவதன் நன்மை, மனித மொழி மற்றும் தரவுகளைப் புரிந்துகொள்ளும் திறன். இந்த திறன் LLMக்களுக்கு சுற்றுப்புற தகவல்களைப் புரிந்துகொண்டு சுற்றுப்புறத்தை மாற்ற திட்டமிட உதவுகிறது.
செயல்களைச் செய்ய - AI முகவர் அமைப்புகளுக்கு வெளியே, LLMக்கள் பயனாளரின் கேள்விக்கு பதிலளிக்க அல்லது தகவலை உருவாக்க மட்டுமே செயல்பட முடியும். AI முகவர் அமைப்புகளுக்குள், LLMக்கள் பயனாளரின் கோரிக்கையைப் புரிந்து, சுற்றுப்புறத்தில் உள்ள கருவிகளைப் பயன்படுத்தி பணிகளை முடிக்க முடியும்.
கருவிகளுக்கான அணுகல் - LLMக்கள் எந்த கருவிகளை அணுக முடியும் என்பது 1) அது செயல்படும் சுற்றுப்புறத்தால் மற்றும் 2) AI முகவரின் டெவலப்பரால் வரையறுக்கப்படுகிறது. எங்கள் பயண முகவர் உதாரணத்தில், முகவரின் கருவிகள் முன்பதிவு அமைப்பில் கிடைக்கும் செயல்பாடுகளால் மட்டுப்படுத்தப்படுகின்றன, அல்லது டெவலப்பர் முகவரின் கருவி அணுகலை விமானங்களுக்கு மட்டுப்படுத்த முடியும்.
மெமரி+அறிவு - மெமரி, பயனாளருக்கும் முகவருக்கும் இடையிலான உரையாடலின் சூழலில் குறுகிய காலமாக இருக்கலாம். நீண்ட காலத்தில், சுற்றுப்புறம் வழங்கும் தகவலுக்கு வெளியே, AI முகவர்கள் மற்ற அமைப்புகள், சேவைகள், கருவிகள் மற்றும் பிற முகவர்களிலிருந்து அறிவை மீட்டெடுக்க முடியும். பயண முகவர் உதாரணத்தில், இந்த அறிவு வாடிக்கையாளர் தரவுத்தொகுப்பில் உள்ள பயனாளரின் பயண விருப்பங்களைப் பற்றிய தகவலாக இருக்கலாம்.
AI முகவர்களின் வெவ்வேறு வகைகள்
இப்போது AI முகவர்களின் பொதுவான வரையறையைப் பெற்றுள்ளோம், பயண முன்பதிவு AI முகவருக்கு பொருந்தும் சில குறிப்பிட்ட முகவர் வகைகள் மற்றும் அவற்றின் பயன்பாடுகளைப் பார்ப்போம்.
| முகவர் வகை | விளக்கம் | உதாரணம் |
|---|---|---|
| எளிய ரெஃப்ளெக்ஸ் முகவர்கள் | முன்கூட்டியே வரையறுக்கப்பட்ட விதிகளின் அடிப்படையில் உடனடி நடவடிக்கைகளைச் செய்கின்றன. | பயண முகவர் மின்னஞ்சலின் சூழலைப் புரிந்து பயண குறைபாடுகளை வாடிக்கையாளர் சேவைக்கு அனுப்புகிறது. |
| மாடல் அடிப்படையிலான ரெஃப்ளெக்ஸ் முகவர்கள் | உலகின் ஒரு மாடலின் அடிப்படையில் மற்றும் அந்த மாடலின் மாற்றங்களின் அடிப்படையில் நடவடிக்கைகளைச் செய்கின்றன. | பயண முகவர் வரலாற்று விலை தரவுகளுக்கான அணுகலின் அடிப்படையில் முக்கிய விலை மாற்றங்களுடன் வழிகளை முன்னுரிமை அளிக்கிறது. |
| கோல் அடிப்படையிலான முகவர்கள் | குறிப்பிட்ட இலக்குகளை அடைய திட்டங்களை உருவாக்கி, அந்த இலக்கை அடைய தேவையான நடவடிக்கைகளைத் தீர்மானிக்கின்றன. | பயண முகவர் தற்போதைய இடத்திலிருந்து இலக்கத்திற்குச் செல்ல தேவையான பயண ஏற்பாடுகளை (கார், பொது போக்குவரத்து, விமானங்கள்) தீர்மானித்து பயணத்தை முன்பதிவு செய்கிறது. |
| யூட்டிலிட்டி அடிப்படையிலான முகவர்கள் | விருப்பங்களைப் பரிசீலித்து, இலக்குகளை அடைய எவ்வாறு முடியும் என்பதை எண்ணிக்கையாக பரிசீலிக்கின்றன. | பயண முகவர் பயணத்தை முன்பதிவு செய்யும்போது வசதியை எதிர்மறையாகவும் செலவை நேர்மறையாகவும் எடைபோட்டு அதிகபட்ச பயன்பாட்டை அடைகிறது. |
| கற்றல் முகவர்கள் | பின்னூட்டத்திற்கு பதிலளித்து, நடவடிக்கைகளை சரிசெய்து, காலப்போக்கில் மேம்படுத்துகின்றன. | பயண முகவர் பயணத்திற்குப் பிறகு கருத்துக்கணிப்பில் இருந்து வாடிக்கையாளர் பின்னூட்டத்தைப் பயன்படுத்தி எதிர்கால முன்பதிவுகளில் மாற்றங்களைச் செய்கிறது. |
| அடுக்கு முகவர்கள் | பல முகவர்களை அடுக்குமுறை அமைப்பில் கொண்டுள்ளது, மேல்நிலை முகவர்கள் பணிகளை துணை பணிகளாகப் பிரித்து கீழ்நிலை முகவர்கள் அவற்றை முடிக்கச் செய்கின்றன. | பயண முகவர் ஒரு பயணத்தை ரத்து செய்யும்போது, பணியை துணை பணிகளாகப் பிரிக்கிறது (உதாரணமாக, குறிப்பிட்ட முன்பதிவுகளை ரத்து செய்தல்) மற்றும் கீழ்நிலை முகவர்கள் அவற்றை முடித்து, மேல்நிலை முகவருக்கு தகவல் அளிக்கின்றன. |
| பல முகவர் அமைப்புகள் (MAS) | முகவர்கள் தனித்தனியாக பணிகளை முடிக்கின்றன, either ஒத்துழைப்பாக அல்லது போட்டியாளராக. | ஒத்துழைப்பு: பல முகவர்கள் ஹோட்டல்கள், விமானங்கள் மற்றும் பொழுதுபோக்கு போன்ற குறிப்பிட்ட பயண சேவைகளை முன்பதிவு செய்கின்றன. போட்டி: பல முகவர்கள் வாடிக்கையாளர்களை ஹோட்டலில் முன்பதிவு செய்ய ஒரு பகிரப்பட்ட ஹோட்டல் முன்பதிவு காலண்டரை நிர்வகித்து, அதில் போட்டியிடுகின்றன. |
AI முகவர்களை எப்போது பயன்படுத்த வேண்டும்
முந்தைய பகுதியில், பயண முன்பதிவு பயன்பாட்டை பயன்படுத்தி, பயண முன்பதிவின் வெவ்வேறு சூழல்களில் AI முகவர்களின் வெவ்வேறு வகைகளை எவ்வாறு பயன்படுத்தலாம் என்பதை விளக்கினோம். இந்த பயன்பாட்டை முழு பாடநெறி முழுவதும் தொடர்வோம்.
AI முகவர்களுக்கு சிறந்த பயன்பாடுகளின் வகைகளைப் பார்ப்போம்:
- திறந்த முடிவில்லாத பிரச்சினைகள் - LLMக்கள் ஒரு பணியை முடிக்க தேவையான படிகளைத் தீர்மானிக்க அனுமதிக்கிறது, ஏனெனில் அவற்றை ஒரு வேலைப்பாடில் எப்போதும் கடினமாக்க முடியாது.
- பல படி செயல்முறைகள் - AI முகவர் கருவிகள் அல்லது தகவல்களை பல முறை திரும்பத் திரும்ப பயன்படுத்த வேண்டிய சிக்கலான பணிகளுக்கு ஏற்றது.
- காலப்போக்கில் மேம்பாடு - முகவர் தனது சுற்றுப்புறம் அல்லது பயனாளர்களிடமிருந்து பின்னூட்டத்தைப் பெறுவதன் மூலம் காலப்போக்கில் மேம்பட முடியும், மேலும் சிறந்த பயன்பாட்டை வழங்க முடியும்.
AI முகவர்களைப் பயன்படுத்துவதற்கான மேலும் பல பரிசீலனைகளை “Building Trustworthy AI Agents” பாடத்தில் கற்றுக்கொள்கிறோம்.
முகவர் தீர்வுகளின் அடிப்படைகள்
முகவர் மேம்பாடு
AI முகவர் அமைப்பை வடிவமைக்கும் முதல் படி கருவிகள், நடவடிக்கைகள் மற்றும் நடத்தைகளை வரையறுப்பதாகும். இந்த பாடநெறியில், Azure AI Agent Serviceயைப் பயன்படுத்தி நமது முகவர்களை வரையறுப்பதில் கவனம் செலுத்துகிறோம். இது போன்ற அம்சங்களை வழங்குகிறது:
- OpenAI, Mistral, மற்றும் Llama போன்ற திறந்த மாதிரிகளைத் தேர்வு செய்தல்
- Tripadvisor போன்ற வழங்குநர்களின் மூலம் உரிமம் பெற்ற தரவுகளைப் பயன்படுத்துதல்
- OpenAPI 3.0 கருவிகளைப் பயன்படுத்துதல்
முகவர் வடிவமைப்பு முறை
LLMக்களுடன் தொடர்பு prompts மூலம் நடைபெறுகிறது. AI முகவர்களின் அரை தானியங்க இயல்பை கருத்தில் கொண்டு, சுற்றுப்புறத்தில் மாற்றம் ஏற்பட்ட பிறகு LLMக்களை கையேடு முறையில் மீண்டும் prompt செய்ய வேண்டிய அவசியம் அல்லது தேவையில்லை. Agentic Patternsயைப் பயன்படுத்துகிறோம், இது LLMக்களை பல படிகளில் prompt செய்ய ஒரு அளவளாவிய முறையில் உதவுகிறது.
இந்த பாடநெறி தற்போதைய பிரபலமான Agentic Patternsகளில் பிரிக்கப்பட்டுள்ளது.
முகவர் அமைப்பு
Agentic Frameworks டெவலப்பர்களுக்கு Agentic Patternsகளை குறியீட்டின் மூலம் செயல்படுத்த உதவுகிறது. இந்த அமைப்புகள் AI முகவர்களின் ஒத்துழைப்பை மேம்படுத்துவதற்கான டெம்ப்ளேட்கள், பிளகின்கள் மற்றும் கருவிகளை வழங்குகின்றன. இந்த நன்மைகள் AI முகவர் அமைப்புகளின் கண்காணிப்பு மற்றும் பிழைத்திருத்தத்திற்கான திறன்களை வழங்குகின்றன.
இந்த பாடநெறியில், ஆராய்ச்சி சார்ந்த AutoGen அமைப்பையும் Semantic Kernelஇன் தயாரிப்பு-தயார் Agent அமைப்பையும் ஆராய்கிறோம்.
AI முகவர்களைப் பற்றிய மேலும் கேள்விகள் உள்ளதா?
Azure AI Foundry Discordயில் சேர்ந்து மற்ற பயிற்சியாளர்களை சந்திக்கவும், அலுவலக நேரங்களில் பங்கேற்கவும், உங்கள் AI முகவர் கேள்விகளுக்கு பதிலளிக்கவும்.
முந்தைய பாடம்
அடுத்த பாடம்
குறிப்பு:
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. எங்கள் நோக்கம் துல்லியமான மொழிபெயர்ப்பு வழங்குவதாக இருந்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது துல்லியக்குறைவுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளவும். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.