ai-agents-for-beginners
AI முகவரிகளுக்கான நினைவகம்
AI முகவரிகளை உருவாக்குவதன் தனித்துவமான நன்மைகள் குறித்து பேசும்போது இரண்டு அம்சங்கள் முக்கியமாக பேசப்படுகின்றன: பணிகளை நிறைவேற்றுவதற்கு கருவிகளை அழைக்கக்கூடிய திறன் மற்றும் காலப்போக்கில் மேம்படக்கூடிய திறன். நினைவகம் என்பது நம்முடைய பயனாளிகளுக்கான சிறந்த அனுபவங்களை உருவாக்கக்கூடிய தானாக மேம்படும் முகவரியை உருவாக்குவதற்கான அடித்தளமாக உள்ளது.
இந்த பாடத்தில், AI முகவரிகளுக்கான நினைவகம் என்ன மற்றும் அதை எவ்வாறு மேலாண்மை செய்து நமது பயன்பாடுகளின் நன்மைக்காக பயன்படுத்த முடியும் என்பதைப் பார்ப்போம்.
அறிமுகம்
இந்த பாடத்தில் கையாளப்படுவது:
• AI முகவரி நினைவகத்தை புரிதல்: நினைவகம் என்ன மற்றும் முகவரிகளுக்கு அது ஏன் அவசியம்.
• நினைவகத்தை செயல்படுத்தல் மற்றும் சேமித்தல்: குறுகிய கால மற்றும் நீண்டகால நினைவக திறன்களை AI முகவரிகளுக்கு சேர்க்கும் நடைமுறை முறைகள்.
• AI முகவரிகளை தானாக மேம்படுத்தி செயல்படுத்தல்: நினைவகம் மூலம் முன்னைய பரிமாற்றங்களில் இருந்து கற்றுக்கொண்டு காலப்போக்கில் மேம்படுவதின் முறை.
கிடைக்கும் செயலாக்கங்கள்
இந்த பாடத்தில் இரண்டு விரிவான நோட்புக் பயிற்சிகள் உள்ளன:
• 13-agent-memory.ipynb: Mem0 மற்றும் Azure AI Search-ஐ Semantic Kernel கட்டமைப்புடன் கூட்டு நினைவகத்தை செயல்படுத்துகிறது
• 13-agent-memory-cognee.ipynb: Cognee பயன்படுத்தி கட்டமைக்கப்பட்ட நினைவகத்தை செயல்படுத்துகிறது, எம்பெட்டிங்க்களால் ஆதரிக்கப்பட்ட அறிவுத் தள விளக்கக் கட்டமைப்பை தானாக உருவாக்கி, கட்டமைப்பைக் காட்சி முறைப்படுத்தி புத்திசாலி மீட்டெடுப்பை வழங்குகிறது
கற்றல் இலக்குகள்
இந்த பாடத்தை முடித்தவுடன், நீங்கள்:
• ஐந்து விதமான AI முகவரி நினைவகங்களை வேறுபடுத்த முடியும், கூட்டு நினைவகம், குறுகியகால, நீண்டகால நினைவகம் மற்றும் தனிப்பயன் மற்றும் நிகழ்வுத் நினைவகம் போன்ற சிறப்பு வகைகளுடன்.
• குறுகியகால மற்றும் நீண்டகால நினைவகங்களை AI முகவரிகளுக்காக செயல்படுத்தி மேலாண்மை செய்வது Semantic Kernel கட்டமைப்பை பயன்படுத்தி, Mem0, Cognee, Whiteboard நினைவகம் போன்ற கருவிகளை பயன்படுத்தி Azure AI Search உடன் ஒருங்கிணைத்தல்.
• தானாக மேம்படும் AI முகவரிகளின் அடிப்படைக் கொள்கைகளை புரிந்து கொள்வது மற்றும் பல்வேறு நினைவக மேலாண்மை முறைகள் தொடர்ச்சியான கற்றல் மற்றும் ஏற்பாட்டிற்கு எப்படி உதவுகின்றன என்பதை அறிதல்.
AI முகவரி நினைவகத்தைப் புரிதல்
அதன் அடிப்படையில், AI முகவரிகளுக்கான நினைவகம் என்பது அவர்களுக்கு தகவலை வைத்திருத்தலும், திரும்பப் பெறுவதும் செய்யும் இயந்திரங்களைக் குறிக்கிறது. இந்த தகவல் உரையாடலின் குறிப்புகள், பயனர் விருப்பங்கள், கடந்த நடவடிக்கைகள் அல்லது கற்றுக்கொண்ட மரபுகளாக இருக்கலாம்.
நினைவகம் இல்லாமல் AI பயன்பாடுகள் பெரும்பாலும் நிலைமற்றவை, அதாவது ஒவ்வொரு தொடர்பும் புதியதாக தொடங்கும். இதனால் முன்னைய சூழல் அல்லது விருப்பங்கள் மறக்கப்படுவதைகொண்டு பயனாளருக்கு மீண்டும் மீண்டும் சிக்கலான மற்றும் விரக்திகரமான அனுபவம் ஏற்படும்.
நினைவகம் ஏன் முக்கியம்?
ஒரு முகவரியின் நுண்ணறிவு அதன் கடந்த தகவலை நினைவில் வைக்க மற்றும் பயன்படுத்தக்கூடிய திறனோடு ஆழமாக தொடர்புடையது. நினைவகம் முகவரிகளுக்கு என்பதை வழங்குகிறது:
• பார்வை படைத்தல்: கடந்த நடவடிக்கைகள் மற்றும் முடிவுகளிலிருந்து கற்றுக்கொள்வது.
• உரையாடல் தொடர்ச்சி: நடப்பில் உள்ள உரையாடலின் தாக்கத்தை பராமரித்தல்.
• முன்னறிவு மற்றும் பதிலளிப்பு: வரலாற்று தரவை அடிப்படையாகக் கொண்டு தேவைகளை முன்னறிந்து செயல்படுதல் அல்லது சரியான பதில்கள் வழங்குதல்.
• தன்னாட்சி இயக்கம்: சேமிக்கப்பட்ட அறிவைப் பயன்படுத்தி சுயமாக செயல்படுதல்.
நினைவகத்தை செயல்படுத்துவதன் நோக்கம் முகவரிகளை நம்பகமான மற்றும் திறமையானவர்களாக்குவதாகும்.
நினைவக வகைகள்
இயங்கும் நினைவகம்
ஒரு முகவரி ஒரே பணியில் அல்லது எண்ணத்தில் பயன்படுத்தும் ஒருகணம் குற்று காகிதம் என்று நினைக்கலாம். அடுத்த படிக்காக உடனடி தகவலை வைத்திருக்கிறது.
AI முகவரிகளுக்கான இயங்கும் நினைவகம் உரையாடலிலிருந்து மிகவும் பொருத்தமான தகவல்களை பிடிக்கும், அத்துடன் முழு உரையாடல் வரலாறு நீளமாக இருந்தாலும் அல்லது சுருக்கப்பட்டாலும் கவனம் செலுத்துகிறது. இது தேவைகள், முன்மொழிதல்கள், முடிவுகள் மற்றும் நடவடிக்கைகள் போன்ற முக்கிய அம்சங்களை எடுக்கும்.
இயங்கும் நினைவக உதாரணம்
ஒரு பயண முன்பதிவு முகவரியில், செயல்பாட்டுக் நினைவகம் பயனரின் தற்போதைய கோரிக்கையை, உதாரணமாக “நான் பாரிஸுக்கு ஒரு பயணத்தை முன்பதிவு செய்ய விரும்புகிறேன்” என்பதைக் குறிப்பாகக் கையாளலாம். இந்த குறிப்பான கோரிக்கை தற்போதைய தொடர்புக்கு வழிகாட்டியாக இருக்கும்.
குறுகியகால நினைவகம்
இந்த நினைவகம் ஒரு உரையாடல் அல்லது அமர்வு முழுவதும் தகவலை வைத்திருக்கும். இது நடப்புப் உரையாடலின் சூழலை வழங்கி, முகவரிக்கு முன்பு நடந்த உரையாடல் பகுதிகளை மீண்டும் அணுக அனுமதிக்கிறது.
குறுகியகால நினைவக உதாரணம்
ஒரு பயனர் “பாரிஸுக்கு விமானம் எவ்வளவு செலவு ஆகும்?” என்று கேட்டுவிட்டு பின்னர் “அங்கு தங்குமிடம் பற்றி என்ன?” என்றால், குறுகியகால நினைவகம் அதே உரையாடலின் “அங்கு” என்பது “பாரிஸ்” என புகுத்திக் கொள்ள உறுதி செய்யும்.
நீண்டகால நினைவகம்
இது பல உரையாடல்கள் அல்லது அமர்வுகள் தொடர்ந்து தங்கும் தகவல். இது முகவரிகளுக்கு பயனர் விருப்பங்கள், வரலாற்று உறவுகள் அல்லது பொது அறிவை நீண்ட காலமாக நினைவில் வைக்க உதவுகிறது. இது தனிப்பயனாக்கலுக்கு முக்கியம்.
நீண்டகால நினைவக உதாரணம்
ஒரு நீண்டகால நினைவகம் “பென் ஸ்கீயிங் மற்றும் வெளிப்புற சுறுசுறுப்புகளை விரும்புகிறார், ஒரு மலை காட்சி கொண்ட காப்பியுடன் காபி பிடிக்கிறார் மற்றும் கடந்த ஒன்றியினால் ஆபத்தான மேம்பட்ட ஸ்கி வழிகளைத் தவிர்க்க விரும்புகிறார்” என்பதை சேமிக்கலாம். இது கடந்த தொடர்புகளிலிருந்து கற்றல், எதிர்கால பயண திட்டங்களில் highly தனிப்பயனாக்கப்பட்ட பரிந்துரைகளுக்கு காரணமாக இருக்கும்.
தனிப்பேர் நினைவகம்
இந்த சிறப்பு நினைவகம் முகவரிக்கு ஒரே மாதிரியான “பொருளாக்கம்” அல்லது “தனிமை” உருவாக்க உதவுகிறது. இது முகவரிக்கு தன்னுடைய விவரங்களை அல்லது திறன்களை நினைவில் வைக்கும், தொடர்புகளை மேலும் திரவியமாகவும் இலக்காக்கவும் செய்யும்.
தனிப்பேர் நினைவக உதாரணம்
ஒரு பயண முகவரி “திறமையான ஸ்கி திட்டமிடுபவர்” என வடிவமைக்கப்பட்டிருந்தால், தனிப்பேர் நினைவகம் அந்த கதாப்பாத்திரத்தைக் வலுப்படுத்தி, அதன் பதில்களை ஒரு நிபுணரின் குரல் மற்றும் அறிவுக்கு உகந்தவாறு மாற்றும்.
செயல்முறை/நிகழ்வு நினைவகம்
இது ஒரு மிகக் கடினமான பணியின் போது முகவரி எடுத்த செயல்தொடர்களை, வெற்றி மற்றும் தோல்விகளை நினைவில் வைப்பு. இதை ஒருவர் கடந்த “நிகழ்வுகள்” அல்லது அனுபவங்கள் என நினைக்கலாம்.
நிகழ்வு நினைவக உதாரணம்
முகவரி ஒரு குறிப்பிட்ட விமானத்தை முன்பதிவு செய்ய முயன்றது ஆனால் கிடைக்காததனால் தோல்வியடைந்தது என்றால், நிகழ்வு நினைவகம் அந்த தோல்வியை பதிவு செய்து, அடுத்த முயற்சியில் மாற்று விமானங்களை முயற்சிக்க அல்லது பயனருக்கு விவரமாக அறிவிக்க உதவும்.
####ישות நினைவகம்
நிகழ்விலிருந்து விசேஷமான உள்ளீடுகள் (பேர்கள், இடங்கள், பொருட்கள் போன்றவை) மற்றும் நிகழ்வுகளை பறித்து நினைவில் வைக்கிறது. இது முக்கிய அம்சங்களை அடிப்படையாகக் கொண்டு ஒரு கட்டமைக்கப்பட்ட புரிதலை உருவாக்க வைக்கும்.
ישות நினைவக உதாரணம்
கடந்த பயணப் பேச்சிலிருந்து “பாரிஸ்”, “ஐஃபல் கோபுரம்” மற்றும் “Le Chat Noir உணவகத்தில் இரவு உணவு” என்பவற்றை இடங்கள் எனக் கொள்ளலாம். எதிர்கால தொடர்பில் “Le Chat Noir” என நினைவுகுறிப்பாக இனிய இடம் என்பதைக் கூறி, புதிய முன்பதிவைச் செய்ய முன்வரலாம்.
கட்டமைக்கப்பட்ட RAG (Retrieval Augmented Generation)
RAG என்பது விரிவான தொழில்நுட்பமாக இருந்தாலும், “கட்டமைக்கப்பட்ட RAG” ஆகியவை ஒரு சக்திவாய்ந்த நினைவக தொழில்நுட்பமாக விளங்குகிறது. இது பல்வேறு மூலங்கள் (உரையாடல்கள், மின்னஞ்சல்கள், படங்கள்) இலிருந்து கடுமையான, கட்டமைக்கப்பட்ட தகவலை பறித்து பதில்களின் துல்லியம், மீட்டெடுப்பு மற்றும் வேகத்தை மேம்படுத்த பயன்படுத்துகிறது. பாரம்பரிய RAG எளிய அர்த்தபடைத்தன்மைதான் சார்ந்தது என்றாலும், கட்டமைக்கப்பட்ட RAG தகவல் உள்ளடக்கத்தின் இயல்பான கட்டமைப்புடன் வேலை செய்கிறது.
கட்டமைக்கப்பட்ட RAG உதாரணம்
விமான விவரங்கள் (இடம், தேதி, நேரம், இறக்குமதி நிறுவனத்தை) ஒரு மின்னஞ்சலில் இருந்து பறித்து, கட்டமைக்கப்பட்ட முறையில் சேமித்தல். இதனால் “செவ்வாய்க்கிழமை பாரிஸுக்கு எந்த விமானத்தைச் முன்பதிவு செய்தேன்?” போன்ற துல்லியமான கேள்விகளை ஆக விரைவாக பதில் அளிக்க முடியும்.
நினைவகத்தை செயல்படுத்தல் மற்றும் சேமித்தல்
AI முகவரிகளுக்கான நினைவகத்தை செயல்படுத்துவது என்பது ஒரு முறையான நினைவக மேலாண்மை செயலாகும், இதில் தகவல் உருவாக்குதல், சேமித்தல், மீட்டெடுப்பு, ஒருங்கிணைப்பு, புதுப்பித்தல் மற்றும் “மறந்தல்” (அதாவது நீக்கும்) போன்ற அம்சங்கள் உள்ளன. மீட்டெடுப்பு வரையறுக்கபடுகிறது முக்கிய அம்சமாக.
சிறப்பு நினைவக கருவிகள்
Mem0
முகவரி நினைவகத்தை சேமித்து மேலாண்மை செய்வதில் ஒன்று Mem0 போன்ற சிறப்பு கருவிகளை பயன்படுத்துவது. Mem0 ஒரு நிலையான நினைவக அடுக்காக செயல்பட்டு, முக்கிய தொடர்புகளை மீட்டெடுக்க, பயனர் விருப்பங்கள் மற்றும் உண்மையான சூழலை சேமித்து, வெற்றி மற்றும் தோல்வியிலிருந்து கற்றுக்கொள்ள உதவுகிறது. இதன் நோக்கம் நிலையற்ற முகவரிகளை நிலையானதாக மாற்றுவது.
இது இரண்டு கட்ட நினைவக ஓட்டவெளி: பறிப்பு மற்றும் புதுப்பிப்பு வழியாக வேலை செய்கிறது. முதலில், முகவரியின் உரையாடல் திரையிலுள்ள செய்திகள் Mem0 சேவைக்கு அனுப்பப்படுகின்றன, இது ஒரு பெரிய மொழி மாதிரியை பயன்படுத்தி உரையாடல் வரலாற்றை சுருக்கி புதிய நினைவுகளை சேகரிக்கிறது. பிறகு, LLM-இல் நடத்தப்படும் புதுப்பிப்பு கட்டத்தில் இவை சேர்க்க, மாற்ற அல்லது நீக்கப்பட வேண்டும் என தீர்மானித்து, வெக்டார், கிராஃப் மற்றும் விசைப்பொருள் தரவுத்தளங்களில் சேமிக்கிறது. இது பல நினைவக வகைகளை ஆதரிக்கிறது மற்றும் ஆயின்டிட்டிகளுக்கிடையேயான உறவுகளுக்கான கிராஃப் நினைவகத்தை உள்ளடக்க முடியும்.
Cognee
மற்றொரு சக்திவாய்ந்த அணுகுமுறை Cognee ஆகும், இது திறந்த மூல செமாண்டிக் நினைவகம் ஆகும். இது கட்டமைக்கப்பட்ட மற்றும் கட்டமைக்கப்படாத தரவுகளை கேள்விக்குரிய அறிவுத்தளக் கட்டமைப்புகளாக மாற்றுகிறது, embedded தரவின் ஆதரவில். Cognee ஒரு இரட்டை சேமிப்பு கட்டமைப்பைக் வழங்குகிறது, அதில் வெக்டார் ஒத்திசைவு தேடல் மற்றும் கிராஃப் உறவுகளைக் கொணர்ந்து, முகவரிகளுக்கு தகவல் வெறும் ஒத்திசைவாக அல்ல, கருத்துகள் எப்படி தொடர்புடையவை என்பதையும் புரிந்துகொள்ள உதவுகிறது.
இது கலப்பு மீட்டெடுப்பில் சிறந்தது, வெக்டார் ஒத்திசைவு, கிராஃப் கட்டமைப்பு மற்றும் LLM விஷயார்த்ததிற்கிடையேயான கலவையை வழங்குகிறது - மூல பாகம் தேடலிலிருந்து கிராஃப்-அறிந்த கேள்வி பதிலளிக்கும் வரை. இது ஒரு இணைந்த கிராஃப்பாக தொடர்ந்து வளர்ந்து, உயிருக்கட்ட நினைவை பராமரிக்கிறது, குறுகிய கால அமர்வு சூழல் மற்றும் நீண்ட கால நினைவகத்தைக் கொண்டுள்ளது.
Cognee நோட்புக் பயிற்சி (13-agent-memory-cognee.ipynb) இந்த ஒருங்கிணைந்த நினைவகம் அடுக்கை கட்டுவது, பல்வேறு தரவுகளை ஏற்றுதல், அறிவுத் தளக் கட்டமைப்பைக் காட்சி முறைப்படுத்துதல் மற்றும் முகவரியின் தேவைகளுக்கேற்ப வித்தியாசமான தேடல் முறைகளில் கேள்வி கேட்கும் நடைமுறைகளைக் காட்டுகிறது.
RAG மூலம் நினைவக சேமிப்பு
Mem0 போன்ற சிறப்பு நினைவக கருவிகளுக்கு மேல், நினைவுகளை சேமிக்க மற்றும் மீட்டெடுக்க Azure AI Search போன்ற வலுவான தேடல் சேவைகளை ஆதாரமாக பயன்படுத்தலாம், குறிப்பாக கட்டமைக்கப்பட்ட RAG க்காக.
இது உங்கள் முகவரியின் பதில்களை உங்கள் சொந்த தரவுகளால் உறுதியுறுத்த வைக்க உதவுகிறது, மேலும் பொருத்தமான மற்றும் துல்லியமான பதில்களை பெற முடியும். Azure AI Search பயனர் சிறப்பு பயண நினைவுகள், பொருள் பட்டியல்கள் அல்லது ஏதேனையும் சார்ந்த அறிவியல் தரவுகளை சேமிக்கப் பயன்படுகிறது.
Azure AI Search திறன்களில் கட்டமைக்கப்பட்ட RAG அமைய உள்ளது, இது பெரிய தரவுத்தொகுதிகளிலிருந்து கடுமையான, கட்டமைக்கப்பட்ட தகவல் போக்குவதை சிறப்பாகக் கையாள்கிறது. இது உரை துண்டுகளைக் கையாளும் மற்றும் எம்பெட்டிங் அணுகுமுறைகளுக்கு நேற்று கூறிய “அதிக மனிதத் துல்லியம் மற்றும் மீட்டெடுப்பை” வழங்குகிறது.
AI முகவரிகளை தானாக மேம்படுத்துதல்
தானாக மேம்படும் முகவரிகளுக்கான பொதுவான முறை “அறிவு முகவரி” அறிமுகப்படுத்தல் ஆகும். இந்த வேறு முகவரி பயனர் மற்றும் முதன்மை முகவரியின் பிரதான உரையாடலை கவனிக்கிறது. அதன் பங்கு:
-
மதிப்புமிக்க தகவலை அடையாளம் காணல்: உரையாடலின் எந்த பகுதியும் பொதுவான அறிவாக அல்லது தனிப்பட்ட பயனர் விருப்பமாக சேமிக்கத்தக்கது என்பதை தீர்மானித்தல்.
-
பரைத்தல் மற்றும் சுருக்குதல்: உரையாடலிலிருந்து அத்தியாவசிய கற்றலும் விருப்பமும் பெறுதல்.
-
அறிவுத் தளத்தில் சேமித்தல்: இந்த தகவலை வெக்டார் தரவுத்தளத்தில் முதலியவாறு சேமித்து பின்பு மீட்டெடுக்கக்கூடியதாக வைத்திருத்தல்.
-
எதிர்கால கேள்விகளுக்கு மேம்படுத்தல்: பயனர் புதிய கேள்வி எழுப்புகையில், அறிவு முகவரி சேமிக்கப்பட்ட தகவலை மீட்டெடுத்து பயனரின் கேள்வி முன்மொழிவுக்கு இணைத்து முதன்மை முகவரிக்கு முக்கிய செய்தியளிக்கும் (RAG போன்றது).
நினைவக முறைமைகளுக்கான மேம்பாடுகள்
• சருகை மேலாண்மை: பயனர் தொடர்புகளைத் தாமதப்படுத்தாமல் வைக்க, முதலில் மிக விரைவான, சிக்கியல்லாத மாதிரியை பயன்படுத்தி தகவல் சேமிப்பதற்கும் மீட்டெடுப்பதற்கும் பொருத்தமுள்ளதா என்பதை சரிபார்க்க, பின்னர் தேவையான போது மட்டும் முழுமையான செயல்முறைகளை இயக்குவது.
• அறிவுத் தள பராமரிப்பு: வளரும் அறிவுத் தளத்திற்காக, குறைந்தபட்சமாக பயன்படுத்தப்படும் தகவலை “குளிர் சேமிப்பகம்” என மாற்றி செலவுகளை குறைக்க.
முகவரி நினைவகத்தைப் பற்றி மேலும் கேள்விகள் உள்ளதா?
Azure AI Foundry Discord இணைந்து மற்ற கற்றல் ஆர்வலர்களை சந்திக்கவும், அலுவலக நேரங்களில் கலந்துகொண்டு உங்கள் AI முகவரிகள் தொடர்பான கேள்விகளுக்கு பதில் பெறவும்.
கவனுறுத்தல்:
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்தை உறுதி செய்ய முயலினாலும், தானியங்கி மொழிபெயர்ப்பில் பிழைகள் அல்லது தவறுகள் இருக்கக் கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளவும். மூல ஆவணம் அதன் சொந்த மொழியிலேயே அதிகாரபூர்வக் கோர்ஸாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பின் பயன்பாட்டினால் எழும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்காகவும் நாங்கள் பொறுப்பாக இருக்கமாட்டோம்.