ai-agents-for-beginners

யோசனை வடிவமைப்பு வார்ப்புரு

(இந்த பாடத்தின் வீடியோவைப் பார்வையிட மேலே உள்ள படத்தை அழுத்தவும்)

யோசனை வடிவமைப்பு

அறிமுகம்

இந்த பாடத்தில் நீங்கள் கற்றுக்கொள்ள விரும்புவது

கற்றல் இலக்குகள்

இந்த பாடத்தை முடித்த பிறகு, நீங்கள் குறித்து தெரிந்து கொள்வீர்கள்:

ஒருங்கிணைந்த இலக்கை வரையறுத்தல் மற்றும் பணியை பிரித்தல்

இலக்குகளையும் பணிகளையும் வரையறுத்தல்

பெரும்பாலான உண்மை வாழ்வியல் பணிகள் ஒரே கட்டத்தில் கையாள பக்குவமானவை அல்ல. ஒரு AI முகவர் தனது திட்டமிடலும் செயல்களும் உறுதிப்படுத்துவதற்கு சுருக்கமான நோக்கத்தை தேவைப்படும். எடுத்துக்காட்டாக, கீழ்காணும் இலக்கை பார்ப்போம்:

"3 நாள் பயண திட்டத்தை உருவாக்குக."

இது எளிதாகத் தெரிந்தாலும், இதன் தெளிவு இன்னும் மேம்படுத்தப்பட வேண்டும். இலக்கு எவ்வளவு தெளிவாக இருக்கும், அவ்வளவு முகவரி (மற்றும் இணைந்து வேலை செய்யும் மனிதர்கள்) சரியான முடிவை அடைய கவனம் செலுத்த முடியும், உதாரணமாக விமான விருப்பங்கள், ஹோட்டல் பரிந்துரைகள் மற்றும் செயல்பாடுகள் ஆகியவற்றினை உள்ளடக்கிய ஒரு முழுமையான திட்டத்தைக் உருவாக்குவது.

பணி தொகுப்பு

பெரிய அல்லது சிக்கலான பணிகள் சிறிய, இலக்கு நோக்கிய துணை பணிகளாக பிரிக்கப்பட்டால் மிகக் கையாளக்கூடியதாக மாறும். பயண திட்டத்தின் எடுத்துக்காட்டில், நீங்கள் இலக்கை இதுபோன்று பிரிக்கலாம்:

ஒவ்வொரு துணைபணியையும் தனித்தனியான முகவர்கள் அல்லது செயல்முறைகள் கையாளலாம். ஒரு முகவர் சிறந்த விமான திட்டங்களை தேடும் பணி செய்யலாம், மற்றொன்று ஹோட்டல் ஆர்டர்களால் கவனம் செலுத்தலாம், மற்றொன்றுமற்றும். ஒரு ஒருங்கிணைப்பாளர் அல்லது “கீழ்வரிசை” முகவர் இந்த முடிவுகளை தொகுத்து ஒரே திட்டமாக கூறும்.

இந்த தொகுக்கான முறையும் படிப்படியாக மேம்பாட்டிற்கு வாய்ப்பு தருகிறது. உதாரணமாக உணவு பரிந்துரைகள் அல்லது உள்ளூர் செயல்கூடல் பரிந்துரைகளுக்கான சிறப்பு முகவர்களை சேர்க்கலாம் மற்றும் திட்டத்தை காலத்திற்கேற்ப நுட்பமாக மாற்றலாம்.

அமைக்கப்பட்ட வெளிக்காட்டு

பெரிய மொழி மாதிரிகள் (LLMs) JSON போன்ற அமைக்கப்பட்ட வெளிக்காட்டுகளை உருவாக்க முடியும், இது கீழ் நிலை முகவர்கள் அல்லது சேவைகள் அதை எளிதாகப் புரிந்து செயல்படுத்த உதவுகிறது. இது பல முகவர் சூழலில் மிகவும் பயன்படுகிறது, ஏனெனில் திட்டத்தின் வெளிக்காட்டு வந்த பிறகு இந்த பணிகளை செயல்படுத்த முடியும்.

கீழ்காணும் Python குறியீடு ஒரு எளிய திட்டமிடல் முகவர் இலக்கை துணைப்பணிகளாக பிரித்தல் மற்றும் அமைக்கப்பட்ட திட்டத்தை உருவாக்குவதை விளக்குகிறது:

from pydantic import BaseModel
from enum import Enum
from typing import List, Optional, Union
import json
import os
from typing import Optional
from pprint import pprint
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

class AgentEnum(str, Enum):
    FlightBooking = "flight_booking"
    HotelBooking = "hotel_booking"
    CarRental = "car_rental"
    ActivitiesBooking = "activities_booking"
    DestinationInfo = "destination_info"
    DefaultAgent = "default_agent"
    GroupChatManager = "group_chat_manager"

# பயண உபபணி மாதிரி
class TravelSubTask(BaseModel):
    task_details: str
    assigned_agent: AgentEnum  # நாங்கள் பணியை முகவருக்கு ஒதுக்க விரும்புகிறோம்

class TravelPlan(BaseModel):
    main_task: str
    subtasks: List[TravelSubTask]
    is_greeting: bool

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

# பயனர் செய்தியை வரையறுக்கவும்
system_prompt = """You are a planner agent.
    Your job is to decide which agents to run based on the user's request.
    Provide your response in JSON format with the following structure:
{'main_task': 'Plan a family trip from Singapore to Melbourne.',
 'subtasks': [{'assigned_agent': 'flight_booking',
               'task_details': 'Book round-trip flights from Singapore to '
                               'Melbourne.'}
    Below are the available agents specialised in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(input=user_message, instructions=system_prompt)

response_content = response.output_text
pprint(json.loads(response_content))

பல முகவர் ஒருங்கிணைப்புடன் திட்டமிடல் முகவர்

இந்த எடுத்துக்காட்டில், செய்மான உருவசார்பு முகவர் (Semantic Router Agent) ஒரு பயனர் கோரிக்கையை பெறுகிறது (எ.கா., “என் பயணத்துக்கு ஒரு ஹோட்டல் திட்டம் தேவை.”).

திட்டமிடுபவர் பின்னர்:


from pydantic import BaseModel

from enum import Enum
from typing import List, Optional, Union

class AgentEnum(str, Enum):
    FlightBooking = "flight_booking"
    HotelBooking = "hotel_booking"
    CarRental = "car_rental"
    ActivitiesBooking = "activities_booking"
    DestinationInfo = "destination_info"
    DefaultAgent = "default_agent"
    GroupChatManager = "group_chat_manager"

# பயணம் துணைபணி மாதிரி

class TravelSubTask(BaseModel):
    task_details: str
    assigned_agent: AgentEnum # நாம் பணி முகவருக்கு வழங்க விரும்புகிறோம்

class TravelPlan(BaseModel):
    main_task: str
    subtasks: List[TravelSubTask]
    is_greeting: bool
import json
import os
from typing import Optional

from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

# கிளையண்டை உருவாக்கவும்

provider = FoundryChatClient(
    project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
    model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
    credential=AzureCliCredential(),
)

from pprint import pprint

# பயனர் செய்தியை வரையறுக்கவும்

system_prompt = """You are a planner agent.
    Your job is to decide which agents to run based on the user's request.
    Below are the available agents specialized in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(input=user_message, instructions=system_prompt)

response_content = response.output_text

# பதிலை JSON ஆக ஏற்றிய பின்னர் உள்ளடக்கத்தை அச்சிடுக

pprint(json.loads(response_content))

மேலே உள்ளக் குறியீட்டின் வெளிக்காட்டுதல்தான் கீழே, நீங்கள் இப்போதிருக்கப்பட்ட assigned_agentக்கு இந்த அமைக்கப்பட்ட வெளிக்காட்டுதலை அனுப்பி பயண திட்டத்தை இறுதியில் பயனருக்கு சுருக்க முடியும்.

{
    "is_greeting": "False",
    "main_task": "Plan a family trip from Singapore to Melbourne.",
    "subtasks": [
        {
            "assigned_agent": "flight_booking",
            "task_details": "Book round-trip flights from Singapore to Melbourne."
        },
        {
            "assigned_agent": "hotel_booking",
            "task_details": "Find family-friendly hotels in Melbourne."
        },
        {
            "assigned_agent": "car_rental",
            "task_details": "Arrange a car rental suitable for a family of four in Melbourne."
        },
        {
            "assigned_agent": "activities_booking",
            "task_details": "List family-friendly activities in Melbourne."
        },
        {
            "assigned_agent": "destination_info",
            "task_details": "Provide information about Melbourne as a travel destination."
        }
    ]
}

மேலே உள்ளக் குறியீடு உள்ள உதாரணக் காணொளி இங்கே கிடைக்கிறது.

மீண்டும் மீண்டும் திட்டமிடல்

சில பணிகள் ஒரு துணைபணியின் முடிவு அடுத்ததை பாதிக்கும் பின்விளைவாக மறு திட்டமிடலை முன்வைக்கின்றன. உதாரணமாக, விமான புக்கிங் போது எதிர்பாராத தரவுரு வடிவத்தை கண்டறிந்தால், ஹோட்டல் புக்கிங்கிற்குப் புறப்படுவதற்கு முன் தன் திட்டத்தை மாற்ற வேண்டியதாயிருக்கும்.

கூடுதலாக, பயனர் கருத்து (உதாரணமாக, ஒரு மனிதர் முன்னிருந்த விமானத்தை விரும்புவதாக முடிவு செய்யும்) ஒரு பகுதி மறு திட்டமிடலை ஆரம்பிக்கலாம். இந்த இயங்கும் மீண்டும் திட்டமிடல் அணுகுமுறை இறுதி தீர்வு நிஜ வாழ்க்கை கட்டுப்பாடுகளுக்கும் வளர்ந்து வரும் பயனர் விருப்பங்களுக்கும் பொருந்தும் என்பதை உறுதிப்படுத்துகிறது.

உதாரணக் குறியீடு

import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential
#.. முன்பு உள்ள குறியீடு போலவே மற்றும் பயனர் வரலாறு, தற்போதைய திட்டத்தை ஒப்படைக்கவும்

system_prompt = """You are a planner agent to optimize the
    Your job is to decide which agents to run based on the user's request.
    Below are the available agents specialized in different tasks:
    - FlightBooking: For booking flights and providing flight information
    - HotelBooking: For booking hotels and providing hotel information
    - CarRental: For booking cars and providing car rental information
    - ActivitiesBooking: For booking activities and providing activity information
    - DestinationInfo: For providing information about destinations
    - DefaultAgent: For handling general requests"""

user_message = "Create a travel plan for a family of 2 kids from Singapore to Melbourne"

response = client.create_response(
    input=user_message,
    instructions=system_prompt,
    context=f"Previous travel plan - {TravelPlan}",
)
# .. மறுசீரமைப்பு செய்து பயனுள்ள முகவர்களுக்கு பணிகளை அனுப்பவும்

மேலும் விரிவான திட்டமிடலுக்கு, கோட்பாட்டை நிரப்புவதற்கு Magnetic One கடைசிப் பதிவைப் பார்க்கவும்.

சுருக்கம்

இந்த கட்டுரையில் நாம் எவ்வாறு ஒரு திட்டமிடலை உருவாக்கலாம் என்று எடுத்துக்காட்டைப் பார்த்தோம், இது வரையறுக்கப்பட்ட முகவர்களை தானாகத் தேர்ந்தெடுக்க முடியும். திட்டமிடலின் வெளிக்காட்டல் பணிகளை உடைத்து அவற்றை முகவர்களுக்கு ஒதுக்குகிறது, இப்படி அவை செயல்படுத்தப்படுகின்றன. முகவர்களுக்கு தேவையான செயல்பாடுகள்/கருவிகள் அணுகல் உள்ளது எனக் கருதப்படுகிறது. முகவர்களுடன் கூடுதலாக பிரதிபிம்பம், சுருக்கி மற்றும் சுற்றும் உரையாடல் போன்ற மாதிரிகள் சேர்க்கலாம் மேலும் தனிப்பயனாக்க.

கூடுதல் வளங்கள்

Magentic One - சிக்கலான பணிகளை தீர்க்கும் பொதுமக்கள் பல முகவர் அமைப்பு, பல சிக்கலான முகவர் தரவரிசைகளில் சிறந்த முடிவுகளை பெற்றுள்ளது. குறிப்பு: Magentic One. இங்கு ஒருங்கிணைப்பாளர் பணிக்கான சிறப்பு திட்டங்களை உருவாக்கி, அந்த பணிகளை கிடைக்கும் முகவர்களுக்கு ஒதுக்கி செய்கிறது. திட்டமிடுவோடு ஒரு கண்காணிப்பு அமைப்பை பயன்படுத்தி பணியின் முன்னேற்றத்தை கண்காணிப்பதுடன் தேவையான இடங்களில் மீண்டும் திட்டமிடலும் செய்கிறது.

யோசனை வடிவமைப்பு வார்ப்புரு குறித்து மேலதிக கேள்விகள் உண்டா?

மற்ற கற்றவர்களுடன் சந்திக்கவும், அலுவலக நேரங்களை பங்கேற்கவும், உங்கள் AI முகவர் கேள்விகளுக்கு பதில்கள் பெற https://discord.com/invite/ATgtXmAS5D Microsoft Foundry Discord இல் சேர்ந்துகொள்ளவும்.

முந்தைய பாடம்

நம்பகமான AI முகவர்களை உருவாக்குதல்

அடுத்த பாடம்

பல முகவர் வடிவமைப்பு வார்ப்புரு

மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்துள்ளோம், ஆனால் தானாக செய்யப்படும் மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கலாம் என்பதை கவனத்தில் கொள்ளவும். அசல் ஆவணம் அதன் தாய்மொழியில் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்நுட்பமான மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கத்திற்கும் நாங்கள் பொறுப்பில்வில்லை.

This site is open source. Improve this page.