AI ఏజెంట్‌ను ఎలా నిర్మించాలి

AI ఏజెంట్‌ను ఎలా నిర్మించాలి

సంక్షిప్త సమాధానం: ఆచరణలో పనిచేసే AI ఏజెంట్‌ను నిర్మించడానికి, దానిని నియంత్రిత లూప్‌గా పరిగణించండి: ఇన్‌పుట్ తీసుకోండి, తదుపరి చర్యను నిర్ణయించండి, ఇరుకైన స్కోప్ ఉన్న సాధనాన్ని కాల్ చేయండి, ఫలితాన్ని గమనించండి మరియు స్పష్టమైన "పూర్తయింది" తనిఖీ పాస్ అయ్యే వరకు పునరావృతం చేయండి. పని బహుళ-దశలు మరియు సాధన-ఆధారితమైనప్పుడు అది దాని కీప్‌ను సంపాదిస్తుంది; ఒకే ప్రాంప్ట్ దానిని పరిష్కరిస్తే, ఏజెంట్‌ను దాటవేయండి. కఠినమైన సాధన స్కీమాలు, దశల పరిమితులు, లాగింగ్ మరియు వాలిడేటర్/క్రిటిక్‌ను జోడించండి, తద్వారా సాధనాలు విఫలమైనప్పుడు లేదా ఇన్‌పుట్‌లు అస్పష్టంగా ఉన్నప్పుడు, ఏజెంట్ లూపింగ్ చేయడానికి బదులుగా పెరుగుతుంది.

కీలకమైన అంశాలు:

కంట్రోలర్ లూప్ : స్పష్టమైన స్టాప్ పరిస్థితులు మరియు గరిష్ట దశలతో ఇన్‌పుట్→యాక్ట్→అబ్జర్వ్ రిపీటీషన్‌ను అమలు చేయండి.

సాధన రూపకల్పన : “do_anything” గందరగోళాన్ని నివారించడానికి సాధనాలను ఇరుకుగా, టైప్ చేసి, అనుమతి ఇచ్చి, ధృవీకరించండి.

జ్ఞాపకశక్తి పరిశుభ్రత : కాంపాక్ట్ స్వల్పకాలిక స్థితి ప్లస్ దీర్ఘకాలిక తిరిగి పొందడాన్ని ఉపయోగించండి; పూర్తి ట్రాన్స్క్రిప్ట్లను డంప్ చేయకుండా ఉండండి.

దుర్వినియోగ నిరోధకత : ప్రమాదకర చర్యల కోసం అనుమతి జాబితాలు, రేటు పరిమితులు, ఐడెంపోటెన్సీ మరియు “డ్రై-రన్” జోడించండి.

పరీక్షా సామర్థ్యం : ఒక దృశ్య సూట్‌ను (వైఫల్యాలు, అస్పష్టత, ఇంజెక్షన్లు) నిర్వహించండి మరియు ప్రతి మార్పును తిరిగి అమలు చేయండి.

AI ఏజెంట్‌ను ఎలా నిర్మించాలి? ఇన్ఫోగ్రాఫిక్
దీని తర్వాత మీరు చదవడానికి ఇష్టపడే కథనాలు:

🔗 AI పనితీరును ఎలా కొలవాలి
వేగం, ఖచ్చితత్వం మరియు విశ్వసనీయతను బెంచ్‌మార్క్ చేయడానికి ఆచరణాత్మక కొలమానాలను నేర్చుకోండి.

🔗 AI తో ఎలా మాట్లాడాలి
మెరుగైన సమాధానాలను పొందడానికి ప్రాంప్ట్‌లు, సందర్భం మరియు ఫాలో-అప్‌లను ఉపయోగించండి.

🔗 AI నమూనాలను ఎలా మూల్యాంకనం చేయాలి
పరీక్షలు, రూబ్రిక్స్ మరియు వాస్తవ ప్రపంచ పని ఫలితాలను ఉపయోగించి నమూనాలను పోల్చండి.

🔗 AI మోడల్‌లను ఎలా ఆప్టిమైజ్ చేయాలి
ట్యూనింగ్, కత్తిరింపు మరియు పర్యవేక్షణతో నాణ్యత మరియు ఖర్చును మెరుగుపరచండి.

1) సాధారణ వ్యక్తి పరంగా AI ఏజెంట్ అంటే ఏమిటి 🧠

AI ఏజెంట్ ఒక లూప్. లాంగ్‌చెయిన్ “ఏజెంట్లు” డాక్స్

అంతే. మధ్యలో మెదడు ఉన్న లూప్.

ఇన్‌పుట్ → ఆలోచించండి → చర్య తీసుకోండి → గమనించండి → పునరావృతం చేయండి . రియాక్ట్ పేపర్ (కారణం + చర్య)

ఎక్కడ:

  • ఇన్‌పుట్ అంటే వినియోగదారు అభ్యర్థన లేదా ఈవెంట్ (కొత్త ఇమెయిల్, సపోర్ట్ టికెట్, సెన్సార్ పింగ్).

  • థింక్ అనేది తదుపరి దశ గురించి తర్కం చేసే భాషా నమూనా.

  • Act ఒక సాధనాన్ని పిలుస్తోంది (అంతర్గత పత్రాలను శోధించండి, కోడ్‌ను అమలు చేయండి, టికెట్‌ను సృష్టించండి, ప్రత్యుత్తరాన్ని రూపొందించండి). OpenAI ఫంక్షన్ కాలింగ్ గైడ్

  • అబ్జర్వ్ టూల్ అవుట్‌పుట్‌ను చదువుతోంది.

  • "చప్పట్లు" కాకుండా "ఏజెంటిక్" అనిపించేలా చేసే భాగం రిపీట్ లాంగ్‌చెయిన్ "ఏజెంట్స్" డాక్స్

కొంతమంది ఏజెంట్లు ప్రాథమికంగా తెలివైన మాక్రోలు. మరికొందరు పనులను మోసగించగల మరియు లోపాల నుండి కోలుకునే జూనియర్ ఆపరేటర్ లాగా వ్యవహరిస్తారు. రెండూ ముఖ్యమైనవి.

అలాగే, మీకు పూర్తి స్వయంప్రతిపత్తి అవసరం లేదు. నిజానికి... మీరు బహుశా దానిని కోరుకోకపోవచ్చు 🙃

2) మీరు ఏజెంట్‌ను ఎప్పుడు నిర్మించాలి (మరియు ఎప్పుడు నిర్మించకూడదు) 🚦

ఏజెంట్‌ను ఇలా నిర్మించుకోండి:

  • ఈ పని బహుళ దశలుగా మరియు మధ్యలో ఏమి జరుగుతుందో బట్టి మారుతుంది.

  • ఈ ఉద్యోగానికి సాధన వినియోగం (డేటాబేస్‌లు, CRMలు, కోడ్ అమలు, ఫైల్ జనరేషన్, బ్రౌజర్‌లు, అంతర్గత APIలు) .

  • పునరావృత ఫలితాలను కోరుకుంటారు , కేవలం ఒకేసారి వచ్చే సమాధానాలే కాదు.

  • కంప్యూటర్ తనిఖీ చేయగల విధంగా, సరళంగా కూడా, మీరు “పూర్తయింది” అని నిర్వచించవచ్చు.

ఈ క్రింది సందర్భాలలో ఏజెంట్‌ను నిర్మించవద్దు:

  • ఒక సాధారణ ప్రాంప్ట్ + ప్రతిస్పందన దాన్ని పరిష్కరిస్తుంది (అతిగా ఇంజనీర్ చేయవద్దు, తర్వాత మిమ్మల్ని మీరు ద్వేషిస్తారు).

  • మీకు పరిపూర్ణమైన నిర్ణయాత్మకత అవసరం (ఏజెంట్లు స్థిరంగా ఉండవచ్చు, కానీ రోబోటిక్ కాదు).

  • కనెక్ట్ అవ్వడానికి మీ దగ్గర ఎలాంటి టూల్స్ లేదా డేటా లేదు - అప్పుడు అది ఎక్కువగా వైబ్స్ మాత్రమే.

స్పష్టంగా చెప్పాలంటే: సగం “AI ఏజెంట్ ప్రాజెక్ట్‌లు” కొన్ని శాఖల నియమాలతో కూడిన వర్క్‌ఫ్లో కావచ్చు. కానీ, కొన్నిసార్లు వైబ్ కూడా ముఖ్యమైనది 🤷♂️

3) AI ఏజెంట్ యొక్క మంచి వెర్షన్‌ను ఏది చేస్తుంది ✅

మీరు అడిగిన “మంచి వెర్షన్ ఏది అవుతుంది” విభాగం ఇదిగో, నేను కొంచెం ముక్కుసూటిగా చెబుతాను:

AI ఏజెంట్ యొక్క మంచి వెర్షన్ అంటే కాదు . అది ఇలా ఉంటుంది:

మీ ఏజెంట్ పరీక్షించబడకపోతే, అది చాలా నమ్మకంగా ఉండే స్లాట్ మెషిన్ లాంటిది. పార్టీలలో సరదాగా ఉంటుంది, ఉత్పత్తిలో భయానకంగా ఉంటుంది 😬

4) ఏజెంట్ యొక్క ప్రధాన నిర్మాణ విభాగాలు (“అనాటమీ” 🧩)

చాలా ఘన ఏజెంట్లు ఈ ముక్కలను కలిగి ఉంటారు:

ఎ) కంట్రోలర్ లూప్ 🔁

ఇది ఆర్కెస్ట్రాటర్:

బి) ఉపకరణాలు (అకా సామర్థ్యాలు) 🧰

ఏజెంట్‌ను సమర్థవంతంగా చేసేవి సాధనాలు: లాంగ్‌చెయిన్ “సాధనాలు” పత్రాలు

  • డేటాబేస్ ప్రశ్నలు

  • ఈమెయిల్స్ పంపడం

  • ఫైళ్లను లాగడం

  • అమలు కోడ్

  • అంతర్గత API లను కాల్ చేస్తోంది

  • స్ప్రెడ్‌షీట్‌లు లేదా CRM లకు రాయడం

సి) జ్ఞాపకశక్తి 🗃️

రెండు రకాలు ముఖ్యమైనవి:

  • స్వల్పకాలిక జ్ఞాపకశక్తి : ప్రస్తుత అమలు సందర్భం, ఇటీవలి దశలు, ప్రస్తుత ప్రణాళిక

  • దీర్ఘకాలిక జ్ఞాపకశక్తి : వినియోగదారు ప్రాధాన్యతలు, ప్రాజెక్ట్ సందర్భం, తిరిగి పొందిన జ్ఞానం (తరచుగా ఎంబెడ్డింగ్‌లు + వెక్టర్ స్టోర్ ద్వారా) RAG కాగితం

డి) ప్రణాళిక మరియు నిర్ణయ విధానం 🧭

మీరు దానిని “ప్రణాళిక” అని పిలవకపోయినా, మీకు ఒక పద్ధతి అవసరం:

E) గార్డ్‌రెయిల్స్ మరియు మూల్యాంకనం 🧯

అవును, ఇది ప్రాంప్ట్ చేయడం కంటే ఇంజనీరింగ్ ఎక్కువ. ఇది... ఒక రకమైన విషయం.

5) పోలిక పట్టిక: ఏజెంట్‌ను నిర్మించడానికి ప్రసిద్ధ మార్గాలు 🧾

క్రింద వాస్తవిక “పోలిక పట్టిక” ఉంది - కొన్ని విచిత్రాలతో, ఎందుకంటే నిజమైన జట్లు విచిత్రంగా ఉంటాయి 😄

సాధనం / ముసాయిదా ప్రేక్షకులు ధర ఇది ఎందుకు పనిచేస్తుంది గమనికలు (చిన్న గందరగోళం)
లాంగ్‌చెయిన్ లెగో-శైలి భాగాలను ఇష్టపడే బిల్డర్లు ఉచిత + ఇన్ఫ్రా ఉపకరణాలు, జ్ఞాపకశక్తి, గొలుసుల కోసం పెద్ద పర్యావరణ వ్యవస్థ స్పష్టంగా పేర్లు చెప్పకపోతే స్పఘెట్టి త్వరగా దొరుకుతుంది
లామాఇండెక్స్ RAG-భారీ జట్లు ఉచిత + ఇన్ఫ్రా బలమైన తిరిగి పొందే నమూనాలు, ఇండెక్సింగ్, కనెక్టర్లు మీ ఏజెంట్ ప్రాథమికంగా “శోధన + చర్య” అయితే చాలా బాగుంటుంది... ఇది సాధారణం
OpenAI అసిస్టెంట్ల శైలి విధానం వేగవంతమైన సెటప్ కోరుకుంటున్న జట్లు వాడుక ఆధారిత అంతర్నిర్మిత సాధన కాలింగ్ నమూనాలు మరియు రన్ స్థితి కొన్ని మూలల్లో తక్కువ సరళంగా ఉంటుంది, కానీ చాలా యాప్‌లకు శుభ్రంగా ఉంటుంది OpenAI API OpenAI అసిస్టెంట్ల ఫంక్షన్ కాలింగ్‌ను
సెమాంటిక్ కెర్నల్ నిర్మాణాత్మక ఆర్కెస్ట్రేషన్ కోరుకునే డెవలపర్లు స్వేచ్ఛాయుతమైన నైపుణ్యాలు/విధుల కోసం చక్కని సంగ్రహణ "ఎంటర్‌ప్రైజ్ చక్కనైనది" అనిపిస్తుంది - కొన్నిసార్లు అది ఒక ప్రశంస 😉
ఆటోజెన్ బహుళ-ఏజెంట్ ప్రయోగకర్తలు స్వేచ్ఛాయుతమైన ఏజెంట్-టు-ఏజెంట్ సహకార నమూనాలు అతిగా మాట్లాడవచ్చు; కఠినమైన ముగింపు నియమాలను సెట్ చేయండి
క్రూఏఐ "ఏజెంట్ల బృందాలు" అభిమానులు స్వేచ్ఛాయుతమైన పాత్రలు + పనులు + అప్పగింతలు వ్యక్తీకరించడం సులభం పనులు మెత్తగా కాకుండా, స్ఫుటంగా ఉన్నప్పుడు ఉత్తమంగా పనిచేస్తుంది
గడ్డివాము శోధన + పైప్‌లైన్‌ల వ్యక్తులు స్వేచ్ఛాయుతమైన ఘన పైప్‌లైన్‌లు, తిరిగి పొందడం, భాగాలు తక్కువ “ఏజెంట్ థియేటర్”, ఎక్కువ “ప్రాక్టికల్ ఫ్యాక్టరీ”
రోల్-యువర్-ఓన్ (కస్టమ్ లూప్) నియంత్రణ ఫ్రీక్స్ (ఆప్యాయత) మీ సమయం కనిష్ట మాయాజాలం, గరిష్ట స్పష్టత సాధారణంగా దీర్ఘకాలికంగా ఉత్తమమైనది... మీరు ప్రతిదీ తిరిగి కనిపెట్టే వరకు 😅

ఒక్క విజేత కూడా లేరు. ఉత్తమ ఎంపిక మీ ఏజెంట్ యొక్క ప్రధాన పని తిరిగి పొందడం , సాధన అమలు , బహుళ-ఏజెంట్ సమన్వయం లేదా వర్క్‌ఫ్లో ఆటోమేషన్ .

6) AI ఏజెంట్‌ను దశలవారీగా ఎలా నిర్మించాలి (అసలు వంటకం) 🍳🤖

ఇది చాలా మంది దాటవేసే భాగం, ఆపై ఏజెంట్ ప్యాంట్రీలో రక్కూన్ లాగా ఎందుకు ప్రవర్తిస్తాడో ఆశ్చర్యపోతారు.

దశ 1: ఉద్యోగాన్ని ఒకే వాక్యంలో నిర్వచించండి 🎯

ఉదాహరణలు:

  • "పాలసీ మరియు టిక్కెట్ సందర్భాన్ని ఉపయోగించి కస్టమర్ ప్రత్యుత్తరాన్ని రూపొందించండి, ఆపై ఆమోదం కోసం అడగండి."

  • "ఒక బగ్ నివేదికను పరిశోధించండి, దానిని పునరుత్పత్తి చేయండి మరియు పరిష్కారాన్ని ప్రతిపాదించండి."

  • "అసంపూర్ణ సమావేశ గమనికలను పనులు, యజమానులు మరియు గడువులుగా మార్చండి."

మీరు దానిని సరళంగా నిర్వచించలేకపోతే, మీ ఏజెంట్ కూడా చేయలేడు. నా ఉద్దేశ్యం అది చేయగలదు, కానీ అది మెరుగుపరుచుకుంటుంది మరియు మెరుగుపరుచుకోవడం అంటే బడ్జెట్‌లు చనిపోయే ప్రదేశం.

దశ 2: స్వయంప్రతిపత్తి స్థాయిని నిర్ణయించండి (తక్కువ, మధ్యస్థ, కారంగా) 🌶️

  • తక్కువ స్వయంప్రతిపత్తి : దశలను సూచిస్తుంది, మానవ క్లిక్‌లు "ఆమోదిస్తాయి"

  • మీడియం : సాధనాలను అమలు చేస్తుంది, అవుట్‌పుట్‌ను డ్రాఫ్ట్ చేస్తుంది, అనిశ్చితిపై పెరుగుతుంది

  • హై : ఎండ్-టు-ఎండ్ అమలు చేస్తుంది, మినహాయింపులపై మానవులను మాత్రమే పింగ్ చేస్తుంది

మీరు కోరుకున్న దానికంటే తక్కువ వేగంతో ప్రారంభించండి. మీరు దీన్ని తర్వాత ఎప్పుడైనా పెంచవచ్చు.

దశ 3: మీ మోడల్ వ్యూహాన్ని ఎంచుకోండి 🧠

మీరు సాధారణంగా వీటిని ఎంచుకుంటారు:

  • ప్రతిదానికీ ఒక బలమైన నమూనా (సరళమైనది)

  • ఒక బలమైన మోడల్ + చౌకైన దశల కోసం చిన్న మోడల్ (వర్గీకరణ, రూటింగ్)

  • అవసరమైతే ప్రత్యేక నమూనాలు (దృష్టి, నియమావళి, ప్రసంగం)

వీటిని కూడా నిర్ణయించండి:

  • గరిష్ట టోకెన్లు

  • ఉష్ణోగ్రత

  • మీరు అంతర్గతంగా దీర్ఘ తార్కిక జాడలను అనుమతిస్తారా లేదా (మీరు అనుమతించవచ్చు, కానీ తుది వినియోగదారులకు ముడి ఆలోచనల గొలుసును బహిర్గతం చేయవద్దు)

దశ 4: కఠినమైన స్కీమాలతో సాధనాలను నిర్వచించండి 🔩

ఉపకరణాలు ఇలా ఉండాలి:

do_anything(input: string) అనే సాధనానికి బదులుగా , దీన్ని తయారు చేయండి:

  • search_kb(ప్రశ్న: స్ట్రింగ్) -> ఫలితాలు[]

  • create_ticket(శీర్షిక: స్ట్రింగ్, బాడీ: స్ట్రింగ్, ప్రాధాన్యత: enum) -> టికెట్_ఐడి

  • send_email(to: string, subject: string, body: string) -> స్థితి OpenAI ఫంక్షన్ కాలింగ్ గైడ్

మీరు ఏజెంట్‌కి చైన్సా ఇస్తే, అది కంచెను కూడా తొలగించి హెడ్జ్‌ను కత్తిరించినప్పుడు షాక్ అవ్వకండి.

దశ 5: కంట్రోలర్ లూప్‌ను నిర్మించండి 🔁

కనిష్ట లూప్:

  1. లక్ష్యం + ప్రారంభ సందర్భంతో ప్రారంభించండి

  2. మోడల్ ని అడగండి: “తదుపరి చర్య?”

  3. టూల్ కాల్ అయితే - టూల్‌ను అమలు చేయండి

  4. పరిశీలనను జతచేయండి

  5. స్టాప్ స్థితిని తనిఖీ చేయండి

  6. లాంగ్‌చెయిన్ “ఏజెంట్స్” డాక్స్‌ను పునరావృతం చేయండి (గరిష్ట దశలతో)

జోడించు:

దశ 6: మెమరీని జాగ్రత్తగా జోడించండి 🗃️

స్వల్పకాలికం: ప్రతి దశలోనూ ఒక కాంపాక్ట్ “స్టేట్ సారాంశం”ని నవీకరించండి. లాంగ్‌చెయిన్ “మెమరీ అవలోకనం”
దీర్ఘకాలికం: మన్నికైన వాస్తవాలను (యూజర్ ప్రాధాన్యతలు, ఆర్గ్ నియమాలు, స్థిరమైన పత్రాలు) నిల్వ చేయండి.

ముఖ్య నియమం:

  • అది తరచుగా మారుతుంటే - దానిని స్వల్పకాలికంగా ఉంచండి

  • అది స్థిరంగా ఉంటే - దీర్ఘకాలికంగా నిల్వ చేయండి

  • అది సున్నితమైనది అయితే - తక్కువగా నిల్వ చేయండి (లేదా అస్సలు నిల్వ చేయవద్దు)

దశ 7: ధ్రువీకరణ మరియు “విమర్శకుడి” పాస్‌ను జోడించండి 🧪

చౌకైన, ఆచరణాత్మక నమూనా:

  • ఏజెంట్ ఫలితాన్ని ఉత్పత్తి చేస్తాడు

  • వాలిడేటర్ నిర్మాణం మరియు అడ్డంకులను తనిఖీ చేస్తుంది

  • తప్పిపోయిన దశలు లేదా విధాన ఉల్లంఘనలకు ఐచ్ఛిక విమర్శకుల నమూనా సమీక్షలు NIST AI RMF 1.0

పరిపూర్ణంగా లేదు, కానీ ఇది ఆశ్చర్యకరమైన అర్ధంలేని విషయాలను పట్టుకుంటుంది.

దశ 8: లాగిన్ చేయనందుకు మీరు చింతించే ప్రతిదాన్ని లాగ్ చేయండి 📜

లాగ్:

భవిష్యత్తు - నువ్వు నీకు కృతజ్ఞతలు తెలుపుతావు. వర్తమానం - నువ్వు మర్చిపోతావు. అంతే జీవితం 😵💫

7) మీ ఆత్మను విచ్ఛిన్నం చేయని టూల్ కాలింగ్ 🧰😵

టూల్ కాలింగ్ అంటే “AI ఏజెంట్‌ను ఎలా నిర్మించాలి” అనేది నిజమైన సాఫ్ట్‌వేర్ ఇంజనీరింగ్ అవుతుంది.

పనిముట్లను ఆధారపడదగినవిగా చేయండి (ఆధారపడటం మంచిది)

నమ్మదగిన సాధనాలు:

టూల్ లేయర్ వద్ద గార్డ్‌రెయిల్‌లను జోడించండి, ప్రాంప్ట్‌లను మాత్రమే కాదు

ప్రాంప్ట్‌లు మర్యాదపూర్వక సూచనలు. సాధన ధ్రువీకరణ అనేది మూసి ఉన్న తలుపు. OpenAI స్ట్రక్చర్డ్ అవుట్‌పుట్‌లు.

చేయండి:

  • అనుమతి జాబితాలు (ఏ సాధనాలను అమలు చేయగలవు)

  • ఇన్‌పుట్ ధ్రువీకరణ

  • రేటు పరిమితులు OpenAI రేటు పరిమితులు గైడ్

  • ప్రతి యూజర్/ఆర్గ్ కు అనుమతి తనిఖీలు

  • ప్రమాదకర చర్యలకు "డ్రై-రన్ మోడ్"

పాక్షిక వైఫల్యానికి రూపకల్పన

సాధనాలు విఫలమవుతాయి. నెట్‌వర్క్‌లు తడబడుతున్నాయి. ప్రామాణీకరణ గడువు ముగుస్తుంది. ఏజెంట్ తప్పనిసరిగా:

నిశ్శబ్దంగా ప్రభావవంతమైన ట్రిక్: నిర్మాణాత్మక లోపాలను తిరిగి ఇవ్వండి:

  • రకం: auth_error

  • రకం: దొరకలేదు

  • రకం: రేటు_పరిమితం
    కాబట్టి మోడల్ భయాందోళనకు గురికాకుండా తెలివిగా స్పందించగలదు.

8) మిమ్మల్ని వెంటాడటానికి బదులుగా సహాయపడే జ్ఞాపకం 👻🗂️

జ్ఞాపకశక్తి శక్తివంతమైనది, కానీ అది చెత్త డ్రాయర్‌గా కూడా మారవచ్చు.

స్వల్పకాలిక జ్ఞాపకశక్తి: దానిని కాంపాక్ట్‌గా ఉంచండి

వా డు:

  • చివరి N దశలు

  • నడుస్తున్న సారాంశం (ప్రతి లూప్‌ను నవీకరించబడింది)

  • ప్రస్తుత ప్లాన్

  • ప్రస్తుత పరిమితులు (బడ్జెట్, సమయం, విధానాలు)

మీరు ప్రతిదీ సందర్భోచితంగా వదిలేస్తే, మీకు లభిస్తుంది:

  • అధిక ధర

  • నెమ్మదిగా జాప్యం

  • మరింత గందరగోళం (అవును, అయినప్పటికీ)

దీర్ఘకాలిక జ్ఞాపకశక్తి: "స్టఫింగ్" పై తిరిగి పొందడం

చాలా "దీర్ఘకాలిక జ్ఞాపకశక్తి" ఇలా ఉంటుంది:

  • ఎంబెడ్డింగ్‌లు

  • వెక్టర్ స్టోర్

  • రిట్రీవల్ ఆగ్మెంటెడ్ జనరేషన్ (RAG) RAG పేపర్

ఏజెంట్ గుర్తుంచుకోడు. ఇది రన్‌టైమ్‌లో అత్యంత సంబంధిత స్నిప్పెట్‌లను తిరిగి పొందుతుంది. LlamaIndex “RAG పరిచయం”

ప్రాక్టికల్ మెమరీ నియమాలు

  • “ప్రాధాన్యతలను” స్పష్టమైన వాస్తవాలుగా నిల్వ చేయండి: “యూజర్ బుల్లెట్ సారాంశాలను ఇష్టపడతారు మరియు ఎమోజీలను ద్వేషిస్తారు” (lol, అయితే ఇక్కడ కాదు 😄)

  • టైమ్‌స్టాంప్‌లు లేదా వెర్షన్‌లతో “నిర్ణయాలను” నిల్వ చేయండి (లేకపోతే వైరుధ్యాలు పేరుకుపోతాయి)

  • నిజంగా అవసరం అయితే తప్ప రహస్యాలను ఎప్పుడూ దాచుకోకండి

మరియు ఇదిగో నా అసంపూర్ణ రూపకం: జ్ఞాపకశక్తి రిఫ్రిజిరేటర్ లాంటిది. మీరు దానిని ఎప్పుడూ శుభ్రం చేయకపోతే, చివరికి మీ శాండ్‌విచ్ ఉల్లిపాయల రుచిని మరియు విచారాన్ని కలిగిస్తుంది.

9) ప్రణాళిక నమూనాలు (సాధారణ నుండి ఫ్యాన్సీ వరకు) 🧭✨

ప్రణాళిక అంటే కేవలం నియంత్రిత కుళ్ళిపోవడం. దానిని మార్మికంగా మార్చకండి.

నమూనా A: చెక్‌లిస్ట్ ప్లానర్ ✅

  • మోడల్ దశల జాబితాను అందిస్తుంది

  • దశలవారీగా అమలు చేస్తుంది

  • చెక్‌లిస్ట్ స్థితిని నవీకరిస్తుంది

ఆన్‌బోర్డింగ్‌కు చాలా బాగుంది. సరళమైనది, పరీక్షించదగినది.

నమూనా B: రియాక్ట్ లూప్ (కారణం + చర్య) 🧠→🧰

  • మోడల్ తదుపరి సాధన కాల్‌ను నిర్ణయిస్తుంది

  • అవుట్‌పుట్‌ను గమనిస్తుంది

  • రియాక్ట్ పేపర్‌ను పునరావృతం చేస్తుంది

ఇది క్లాసిక్ ఏజెంట్ అనుభూతి.

నమూనా C: సూపర్‌వైజర్-కార్మికుడు 👥

పనులు సమాంతరంగా ఉన్నప్పుడు లేదా మీరు విభిన్న "పాత్రలు" కోరుకున్నప్పుడు ఇది విలువైనది:

  • పరిశోధకుడు

  • కోడర్

  • ఎడిటర్

  • QA చెకర్

నమూనా D: ప్లాన్ చేసి, ఆపై రీప్లానింగ్‌తో అమలు చేయండి 🔄

  • ప్రణాళికను సృష్టించండి

  • అమలు చేయు

  • సాధన ఫలితాలు వాస్తవికతను మారుస్తే, తిరిగి ప్లాన్ చేయండి

ఇది ఏజెంట్ చెడు ప్రణాళికను మొండిగా అనుసరించకుండా నిరోధిస్తుంది. అలసిపోయినట్లయితే తప్ప, మానవులు కూడా ఇలాగే చేస్తారు, ఆ సందర్భంలో వారు చెడు ప్రణాళికలను కూడా అనుసరిస్తారు.

10) భద్రత, విశ్వసనీయత మరియు తొలగించబడకుండా ఉండటం 🔐😅

మీ ఏజెంట్ చర్యలు తీసుకోగలిగితే, మీకు భద్రతా రూపకల్పన అవసరం. "ఉండటం బాగుంది" కాదు. అవసరం. NIST AI RMF 1.0

కఠినమైన పరిమితులు

  • పరుగుకు గరిష్ట అడుగులు

  • నిమిషానికి గరిష్ట టూల్ కాల్స్

  • సెషన్‌కు గరిష్ట ఖర్చు (టోకెన్ బడ్జెట్)

  • ఆమోదం వెనుక ఉన్న పరిమితం చేయబడిన సాధనాలు

డేటా నిర్వహణ

  • లాగింగ్ చేసే ముందు సున్నితమైన ఇన్‌పుట్‌లను సరిచేయండి

  • ప్రత్యేక వాతావరణాలు (డెవలప్ vs ప్రొడక్షన్)

  • తక్కువ-ప్రత్యేక సాధన అనుమతులు

ప్రవర్తనా పరిమితులు

  • ఏజెంట్‌ను అంతర్గత ఆధారాల స్నిప్పెట్‌లను ఉదహరించమని బలవంతం చేయడం (బాహ్య లింక్‌లు కాదు, కేవలం అంతర్గత సూచనలు)

  • విశ్వాసం తక్కువగా ఉన్నప్పుడు అనిశ్చితి జెండాలు అవసరం

  • ఇన్‌పుట్‌లు అస్పష్టంగా ఉంటే "స్పష్టమైన ప్రశ్న అడగండి" అని కోరుతుంది

నమ్మకమైన ఏజెంట్ అంటే అంత నమ్మకంగా ఉండేవాడు కాదు. ఊహించేటప్పుడు తెలుసుకుని... అలా చెప్పేవాడు.

11) పరీక్ష మరియు మూల్యాంకనం (ప్రతి ఒక్కరూ తప్పించుకునే భాగం) 🧪📏

మీరు కొలవలేని దాన్ని మీరు మెరుగుపరచలేరు. అవును, ఆ లైన్ చీజీగా ఉంది, కానీ అది చిరాకు తెప్పించే నిజం.

ఒక దృశ్య సమితిని నిర్మించండి

30-100 పరీక్ష కేసులను సృష్టించండి:

స్కోర్ ఫలితాలు

ఇలాంటి మెట్రిక్‌లను ఉపయోగించండి:

  • పని విజయ రేటు

  • పూర్తి చేయడానికి పట్టే సమయం

  • సాధన దోష పునరుద్ధరణ రేటు

  • భ్రాంతులు రేటు (ఆధారాలు లేని వాదనలు)

  • మానవ ఆమోద రేటు (పర్యవేక్షించబడిన మోడ్‌లో ఉంటే)

ప్రాంప్ట్‌లు మరియు సాధనాల కోసం రిగ్రెషన్ పరీక్షలు

మీరు ఎప్పుడైనా మారినప్పుడు:

  • సాధన పథకం

  • సిస్టమ్ సూచనలు

  • తిరిగి పొందే తర్కం

  • మెమరీ ఫార్మాట్
    సూట్‌ను మళ్ళీ అమలు చేయండి.

ఏజెంట్లు సున్నితమైన జంతువులు. ఇంట్లో పెరిగే మొక్కల లాగా, కానీ ఖరీదైనవి.

12) మీ బడ్జెట్‌ను కరిగించని విస్తరణ నమూనాలు 💸🔥

ఒకే సేవతో ప్రారంభించండి

ఖర్చు నియంత్రణలను ముందుగానే జోడించండి

  • కాషింగ్ రిట్రీవల్ ఫలితాలు

  • సంభాషణ స్థితిని సారాంశాలతో కుదించడం

  • రూటింగ్ మరియు వెలికితీత కోసం చిన్న నమూనాలను ఉపయోగించడం

  • "లోతైన ఆలోచనా విధానాన్ని" కష్టతరమైన దశలకు పరిమితం చేయడం

సాధారణ నిర్మాణ ఎంపిక

  • స్థితిలేని నియంత్రిక + బాహ్య స్థితి స్టోర్ (DB/redis)

  • టూల్ కాల్స్ సాధ్యమైన చోట ఐడెంపోటెంట్‌గా ఉంటాయి స్ట్రైప్ “ఐడెంపోటెంట్ అభ్యర్థనలు”

  • పొడవైన పనుల కోసం క్యూలో నిలబడటం (కాబట్టి మీరు వెబ్ అభ్యర్థనను ఎప్పటికీ తెరిచి ఉంచలేరు)

ఇంకా: “కిల్ స్విచ్” నిర్మించండి. మీకు నిజంగా అది అవసరమయ్యే వరకు మీకు అది అవసరం ఉండదు 😬

13) ముగింపు గమనికలు - AI ఏజెంట్‌ను ఎలా నిర్మించాలో సంక్షిప్త వెర్షన్ 🎁🤖

మీకు మరేమీ గుర్తులేకపోతే, దీన్ని గుర్తుంచుకోండి:

  • AI ఏజెంట్‌ను ఎలా నిర్మించాలి అనేది ఎక్కువగా మోడల్ చుట్టూ సురక్షితమైన లూప్‌ను నిర్మించడం గురించి. లాంగ్‌చెయిన్ “ఏజెంట్లు” డాక్స్

  • స్పష్టమైన లక్ష్యం, తక్కువ స్వయంప్రతిపత్తి మరియు కఠినమైన సాధనాలతో ప్రారంభించండి. OpenAI స్ట్రక్చర్డ్ అవుట్‌పుట్‌లు

  • అంతులేని సందర్భోచిత నింపడం ద్వారా కాకుండా, తిరిగి పొందడం ద్వారా జ్ఞాపకశక్తిని జోడించండి. RAG కాగితం

  • ప్రణాళిక సులభం కావచ్చు - చెక్‌లిస్ట్‌లు మరియు పునఃప్రణాళిక చాలా దూరం వెళ్తాయి.

  • లాగింగ్ మరియు పరీక్షలు ఏజెంట్ గందరగోళాన్ని మీరు రవాణా చేయగల దానిగా మారుస్తాయి. OpenTelemetry అబ్జర్వబిలిటీ ప్రైమర్

  • గార్డ్‌రెయిల్‌లు ప్రాంప్ట్‌లలోనే కాకుండా కోడ్‌లోనూ ఉంటాయి. LLM యాప్‌ల కోసం OWASP టాప్ 10

ఏజెంట్ అంటే మాయాజాలం కాదు. ఇది విలువైనదిగా ఉండటానికి తరచుగా మంచి నిర్ణయాలు తీసుకునే వ్యవస్థ... మరియు నష్టం కలిగించే ముందు ఓటమిని అంగీకరిస్తుంది. నిశ్శబ్దంగా ఓదార్పునిస్తుంది, ఒక విధంగా 😌

మరియు అవును, మీరు దీన్ని సరిగ్గా నిర్మిస్తే, ఎప్పుడూ నిద్రపోని, అప్పుడప్పుడు భయపడే మరియు కాగితపు పనిని ఇష్టపడే ఒక చిన్న డిజిటల్ ఇంటర్న్‌ను నియమించుకున్నట్లు అనిపిస్తుంది. కాబట్టి, ప్రాథమికంగా ఒక ఇంటర్న్.

ఎఫ్ ఎ క్యూ

సరళంగా చెప్పాలంటే AI ఏజెంట్ అంటే ఏమిటి?

AI ఏజెంట్ అనేది ప్రాథమికంగా పునరావృతమయ్యే ఒక లూప్: ఇన్‌పుట్ తీసుకోండి, తదుపరి దశను నిర్ణయించుకోండి, ఒక సాధనాన్ని ఉపయోగించండి, ఫలితాన్ని చదవండి మరియు అది పూర్తయ్యే వరకు పునరావృతం చేయండి. “ఏజెంటిక్” భాగం కేవలం చాటింగ్ కాకుండా నటన మరియు పరిశీలన నుండి వస్తుంది. చాలా మంది ఏజెంట్లు సాధన ప్రాప్యతతో స్మార్ట్ ఆటోమేషన్, మరికొందరు లోపాల నుండి కోలుకునే జూనియర్ ఆపరేటర్ లాగా ప్రవర్తిస్తారు.

నేను ప్రాంప్ట్‌ను ఉపయోగించకుండా AI ఏజెంట్‌ను ఎప్పుడు నిర్మించాలి?

పని బహుళ-దశలుగా ఉన్నప్పుడు, ఇంటర్మీడియట్ ఫలితాల ఆధారంగా మారుతున్నప్పుడు మరియు నమ్మదగిన సాధన వినియోగం (APIలు, డేటాబేస్‌లు, టికెటింగ్, కోడ్ అమలు) అవసరమైనప్పుడు ఏజెంట్‌ను నిర్మించండి. గార్డ్‌రెయిల్‌లతో పునరావృతమయ్యే ఫలితాలు మరియు "పూర్తయిపోయింది" అని తనిఖీ చేసే మార్గం మీకు కావలసినప్పుడు ఏజెంట్‌లు కూడా ఉపయోగపడతాయి. ఒక సాధారణ ప్రాంప్ట్-రెస్పాన్స్ పనిచేస్తే, ఏజెంట్ సాధారణంగా అనవసరమైన ఓవర్‌హెడ్ మరియు అదనపు వైఫల్య మోడ్‌లుగా ఉంటారు.

లూప్‌లలో చిక్కుకోని AI ఏజెంట్‌ను నేను ఎలా నిర్మించగలను?

హార్డ్ స్టాప్ కండిషన్‌లను ఉపయోగించండి: గరిష్ట దశలు, గరిష్ట సాధన కాల్‌లు మరియు స్పష్టమైన పూర్తి తనిఖీలు. నిర్మాణాత్మక సాధన స్కీమాలు, గడువులు మరియు ఎప్పటికీ తిరిగి ప్రయత్నించని పునఃప్రయత్నాలను జోడించండి. నిర్ణయాలు మరియు సాధన అవుట్‌పుట్‌లను లాగ్ చేయండి, తద్వారా అది ఎక్కడ పట్టాలు తప్పుతుందో మీరు చూడవచ్చు. ఒక సాధారణ భద్రతా వాల్వ్ ఎస్కలేషన్: ఏజెంట్ అనిశ్చితంగా ఉంటే లేదా లోపాలను పునరావృతం చేస్తే, అది మెరుగుపరచడం కంటే సహాయం కోసం అడగాలి.

AI ఏజెంట్‌ను ఎలా నిర్మించాలో కనీస నిర్మాణం ఏమిటి?

కనీసం మీకు మోడల్‌కు లక్ష్యం మరియు సందర్భాన్ని అందించే కంట్రోలర్ లూప్ అవసరం, తదుపరి చర్య కోసం అడుగుతుంది, అభ్యర్థించినట్లయితే ఒక సాధనాన్ని అమలు చేస్తుంది, పరిశీలనను జోడిస్తుంది మరియు పునరావృతం చేస్తుంది. మీకు కఠినమైన ఇన్‌పుట్/అవుట్‌పుట్ ఆకారాలు మరియు "పూర్తయింది" తనిఖీతో కూడిన సాధనాలు కూడా అవసరం. మీరు రాష్ట్రాన్ని శుభ్రంగా ఉంచుకుని, దశల పరిమితులను అమలు చేస్తే రోల్-యువర్-ఓన్ లూప్ కూడా బాగా పని చేస్తుంది.

ఉత్పత్తిలో నమ్మదగినదిగా ఉండేలా టూల్ కాలింగ్‌ను నేను ఎలా డిజైన్ చేయాలి?

సాధనాలను ఇరుకుగా, టైప్ చేసి, అనుమతి ఇచ్చి, ధృవీకరించండి - సాధారణ “do_anything” సాధనాన్ని నివారించండి. ఏజెంట్ ఇన్‌పుట్‌లను హ్యాండ్-వేవ్ చేయలేని విధంగా కఠినమైన స్కీమాలను (స్ట్రక్చర్డ్ అవుట్‌పుట్‌లు/ఫంక్షన్ కాలింగ్ వంటివి) ఇష్టపడండి. టూల్ లేయర్‌లో అనుమతి జాబితాలు, రేటు పరిమితులు మరియు వినియోగదారు/org అనుమతి తనిఖీలను జోడించండి. ఐడెంపోటెన్సీ నమూనాలను ఉపయోగించి, సాధ్యమైనప్పుడు తిరిగి అమలు చేయడానికి సురక్షితంగా ఉండేలా సాధనాలను రూపొందించండి.

ఏజెంట్‌ను మరింత దిగజార్చకుండా మెమరీని జోడించడానికి ఉత్తమ మార్గం ఏమిటి?

జ్ఞాపకశక్తిని రెండు భాగాలుగా పరిగణించండి: స్వల్పకాలిక పరుగు స్థితి (ఇటీవలి దశలు, ప్రస్తుత ప్రణాళిక, పరిమితులు) మరియు దీర్ఘకాలిక తిరిగి పొందడం (ప్రాధాన్యతలు, స్థిరమైన నియమాలు, సంబంధిత పత్రాలు). పూర్తి ట్రాన్స్‌క్రిప్ట్‌లతో కాకుండా, నడుస్తున్న సారాంశాలతో స్వల్పకాలిక కాంపాక్ట్‌గా ఉంచండి. దీర్ఘకాలిక జ్ఞాపకశక్తి కోసం, తిరిగి పొందడం (ఎంబెడ్డింగ్‌లు + వెక్టర్ స్టోర్/RAG నమూనాలు) సాధారణంగా ప్రతిదాన్ని సందర్భోచితంగా "నింపడం" మరియు నమూనాను గందరగోళానికి గురి చేస్తుంది.

నేను ఏ ప్రణాళిక నమూనాను ఉపయోగించాలి: చెక్‌లిస్ట్, రియాక్ట్ లేదా సూపర్‌వైజర్-వర్కర్?

పనులు ఊహించదగినవిగా ఉన్నప్పుడు మరియు మీరు సులభంగా పరీక్షించాలనుకున్నప్పుడు చెక్‌లిస్ట్ ప్లానర్ చాలా బాగుంటుంది. సాధన ఫలితాలు మీరు తదుపరి చేసే పనిని మార్చినప్పుడు రియాక్ట్-శైలి లూప్‌లు మెరుస్తాయి. పనులను సమాంతరంగా చేయగలిగినప్పుడు లేదా విభిన్న పాత్రల నుండి (పరిశోధకుడు, కోడర్, QA) ప్రయోజనం పొందినప్పుడు సూపర్‌వైజర్-వర్కర్ నమూనాలు (ఆటోజెన్-శైలి పాత్ర విభజన వంటివి) సహాయపడతాయి. మొండి పట్టుదలగల చెడు ప్రణాళికలను నివారించడానికి రీప్లానింగ్‌తో ప్లాన్-అండ్-ఎగ్జిక్యూట్ ఒక ఆచరణాత్మక మధ్యస్థం.

ఒక ఏజెంట్ నిజమైన చర్యలు తీసుకోగలిగితే, నేను అతన్ని ఎలా సురక్షితంగా చేయగలను?

తక్కువ-ప్రత్యేక అనుమతులను ఉపయోగించండి మరియు ఆమోదం లేదా "డ్రై-రన్" మోడ్‌ల వెనుక ప్రమాదకర సాధనాలను పరిమితం చేయండి. బడ్జెట్‌లు మరియు పరిమితులను జోడించండి: గరిష్ట దశలు, గరిష్ట ఖర్చు మరియు నిమిషానికి టూల్ కాల్ పరిమితులు. లాగింగ్ చేయడానికి ముందు సున్నితమైన డేటాను సంగ్రహించండి మరియు ఉత్పత్తి వాతావరణాల నుండి డెవలపర్‌ను వేరు చేయండి. ఇన్‌పుట్‌లు అస్పష్టంగా ఉన్నప్పుడు, విశ్వాసాన్ని సాక్ష్యాలను భర్తీ చేయడానికి బదులుగా, అనిశ్చితి ఫ్లాగ్‌లు లేదా ప్రశ్నలను స్పష్టం చేయడం అవసరం.

కాలక్రమేణా మెరుగుపడటానికి AI ఏజెంట్‌ను నేను ఎలా పరీక్షించి, మూల్యాంకనం చేయాలి?

హ్యాపీ పాత్‌లు, ఎడ్జ్ కేసులు, టూల్ వైఫల్యాలు, అస్పష్టమైన అభ్యర్థనలు మరియు ప్రాంప్ట్-ఇంజెక్షన్ ప్రయత్నాలు (OWASP-శైలి)తో ​​ఒక సినారియో సూట్‌ను రూపొందించండి. టాస్క్ విజయం, పూర్తి చేయడానికి సమయం, టూల్ లోపాల నుండి కోలుకోవడం మరియు ఆధారాలు లేకుండా క్లెయిమ్‌లు వంటి ఫలితాలను స్కోర్ చేయండి. మీరు ఎప్పుడైనా టూల్ స్కీమాలు, ప్రాంప్ట్‌లు, తిరిగి పొందడం లేదా మెమరీ ఫార్మాటింగ్‌ను మార్చినప్పుడు, సూట్‌ను తిరిగి అమలు చేయండి. మీరు దానిని పరీక్షించలేకపోతే, మీరు దానిని విశ్వసనీయంగా షిప్ చేయలేరు.

జాప్యం మరియు ఖర్చులను పెంచకుండా నేను ఏజెంట్‌ను ఎలా నియమించగలను?

ఒక సాధారణ నమూనా ఏమిటంటే, బాహ్య స్థితి స్టోర్ (DB/Redis), దాని వెనుక సాధన సేవలు మరియు బలమైన లాగింగ్/మానిటరింగ్ (తరచుగా OpenTelemetry) కలిగిన స్థితిలేని నియంత్రిక. తిరిగి పొందే కాషింగ్, కాంపాక్ట్ స్థితి సారాంశాలు, రూటింగ్/సంగ్రహణ కోసం చిన్న నమూనాలు మరియు "లోతైన ఆలోచన"ను కష్టతరమైన దశలకు పరిమితం చేయడం ద్వారా ఖర్చులను నియంత్రించండి. మీరు వెబ్ అభ్యర్థనలను తెరిచి ఉంచకుండా ఉండటానికి పొడవైన పనుల కోసం క్యూలను ఉపయోగించండి. ఎల్లప్పుడూ కిల్ స్విచ్‌ను చేర్చండి.

ప్రస్తావనలు

  1. నేషనల్ ఇన్‌స్టిట్యూట్ ఆఫ్ స్టాండర్డ్స్ అండ్ టెక్నాలజీ (NIST) - NIST AI RMF 1.0 (విశ్వసనీయత & పారదర్శకత) - nvlpubs.nist.gov

  2. OpenAI - స్ట్రక్చర్డ్ అవుట్‌పుట్‌లు - platform.openai.com

  3. OpenAI - ఫంక్షన్ కాలింగ్ గైడ్ - platform.openai.com

  4. OpenAI - రేట్ పరిమితుల గైడ్ - platform.openai.com

  5. OpenAI - APIని అమలు చేస్తుంది - platform.openai.com

  6. OpenAI - అసిస్టెంట్ల ఫంక్షన్ కాలింగ్ - platform.openai.com

  7. లాంగ్‌చెయిన్ - ఏజెంట్స్ డాక్స్ (జావాస్క్రిప్ట్) - docs.langchain.com

  8. లాంగ్‌చెయిన్ - టూల్స్ డాక్స్ (పైథాన్) - docs.langchain.com

  9. లాంగ్‌చెయిన్ - మెమరీ అవలోకనం - docs.langchain.com

  10. arXiv - రియాక్ట్ పేపర్ (కారణం + చర్య) - arxiv.org

  11. arXiv - RAG పేపర్ - arxiv.org

  12. అమెజాన్ వెబ్ సర్వీసెస్ (AWS) బిల్డర్స్ లైబ్రరీ - టైమ్ అవుట్‌లు, పునఃప్రయత్నాలు మరియు జిట్టర్‌తో బ్యాక్‌ఆఫ్ - aws.amazon.com

  13. ఓపెన్‌టెలిమెట్రీ - అబ్జర్వబిలిటీ ప్రైమర్ - opentelemetry.io

  14. స్ట్రైప్ - ఐడెంపోటెంట్ అభ్యర్థనలు - docs.stripe.com

  15. Google క్లౌడ్ - వ్యూహాన్ని మళ్లీ ప్రయత్నించండి (బ్యాక్‌ఆఫ్ + జిట్టర్) - docs.cloud.google.com

  16. OWASP - లార్జ్ లాంగ్వేజ్ మోడల్ అప్లికేషన్లకు టాప్ 10 - owasp.org

  17. OWASP - LLM01 ప్రాంప్ట్ ఇంజెక్షన్ - genai.owasp.org

  18. లామాఇండెక్స్ - RAG పరిచయం - developers.llamaindex.ai

  19. మైక్రోసాఫ్ట్ - సెమాంటిక్ కెర్నల్ - learn.microsoft.com

  20. మైక్రోసాఫ్ట్ ఆటోజెన్ - మల్టీ-ఏజెంట్ ఫ్రేమ్‌వర్క్ (డాక్యుమెంటేషన్) - microsoft.github.io

  21. CrewAI - ఏజెంట్ల భావనలు - docs.crewai.com

  22. హేస్టాక్ (డీప్‌సెట్) - రిట్రీవర్స్ డాక్యుమెంటేషన్ - docs.haystack.deepset.ai

అధికారిక AI అసిస్టెంట్ స్టోర్‌లో తాజా AI ని కనుగొనండి

మా గురించి

బ్లాగుకు తిరిగి వెళ్ళు