(উপরের ছবিতে ক্লিক করে এই পাঠের ভিডিও দেখুন)
"AI এজেন্টস ফর বিগিনার্স" কোর্সে আপনাকে স্বাগতম! এই কোর্সটি AI এজেন্ট তৈরির জন্য মৌলিক জ্ঞান এবং প্রয়োগযোগ্য উদাহরণ সরবরাহ করে।
এই কোর্সে অন্যান্য শিক্ষার্থী এবং AI এজেন্ট নির্মাতাদের সাথে যোগ দিন এবং কোর্স সম্পর্কিত যেকোনো প্রশ্ন জিজ্ঞাসা করুন।
এই কোর্স শুরু করার জন্য, আমরা প্রথমে AI এজেন্ট কী এবং কীভাবে আমরা সেগুলো আমাদের তৈরি করা অ্যাপ্লিকেশন এবং ওয়ার্কফ্লোতে ব্যবহার করতে পারি তা বোঝার চেষ্টা করব।
এই পাঠে আলোচনা করা হবে:
- AI এজেন্ট কী এবং এর বিভিন্ন প্রকার কী কী?
- কোন কোন ক্ষেত্রে AI এজেন্ট সবচেয়ে কার্যকর এবং সেগুলো আমাদের কীভাবে সাহায্য করতে পারে?
- এজেন্টিক সমাধান ডিজাইন করার সময় কিছু মৌলিক উপাদান কী কী?
এই পাঠ শেষ করার পর, আপনি:
- AI এজেন্টের ধারণা এবং অন্যান্য AI সমাধানের সাথে এর পার্থক্য বুঝতে পারবেন।
- AI এজেন্টকে সবচেয়ে কার্যকরভাবে প্রয়োগ করতে পারবেন।
- ব্যবহারকারী এবং গ্রাহকদের জন্য উৎপাদনশীলভাবে এজেন্টিক সমাধান ডিজাইন করতে পারবেন।
AI এজেন্ট হলো সিস্টেম যা লার্জ ল্যাঙ্গুয়েজ মডেল (LLM)-কে কর্ম সম্পাদন করতে সক্ষম করে, যেখানে LLM-কে টুলস এবং জ্ঞান সরবরাহ করে তাদের ক্ষমতা বাড়ানো হয়।
এই সংজ্ঞাটিকে ছোট ছোট অংশে ভাগ করা যাক:
- সিস্টেম - এজেন্টকে কেবল একটি উপাদান হিসেবে নয়, বরং অনেক উপাদানের একটি সিস্টেম হিসেবে ভাবা গুরুত্বপূর্ণ। AI এজেন্টের মৌলিক উপাদানগুলো হলো:
- পরিবেশ - সংজ্ঞায়িত স্থান যেখানে AI এজেন্ট কাজ করে। উদাহরণস্বরূপ, যদি একটি ট্রাভেল বুকিং AI এজেন্ট থাকে, তবে পরিবেশটি হতে পারে সেই ট্রাভেল বুকিং সিস্টেম যা এজেন্ট কাজ সম্পন্ন করতে ব্যবহার করে।
- সেন্সর - পরিবেশে তথ্য থাকে এবং এটি প্রতিক্রিয়া প্রদান করে। AI এজেন্ট সেন্সরের মাধ্যমে পরিবেশের বর্তমান অবস্থার তথ্য সংগ্রহ ও বিশ্লেষণ করে। ট্রাভেল বুকিং এজেন্টের ক্ষেত্রে, ট্রাভেল বুকিং সিস্টেম হোটেলের প্রাপ্যতা বা ফ্লাইটের দাম সম্পর্কিত তথ্য সরবরাহ করতে পারে।
- অ্যাকচুয়েটর - AI এজেন্ট যখন পরিবেশের বর্তমান অবস্থা পায়, তখন এটি নির্ধারণ করে যে পরিবেশ পরিবর্তনের জন্য কোন কাজটি সম্পাদন করতে হবে। ট্রাভেল বুকিং এজেন্টের ক্ষেত্রে এটি ব্যবহারকারীর জন্য একটি রুম বুক করা হতে পারে।
লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) - এজেন্টের ধারণা LLM-এর আগে থেকেই ছিল। LLM ব্যবহার করে AI এজেন্ট তৈরি করার সুবিধা হলো, এটি মানুষের ভাষা এবং ডেটা ব্যাখ্যা করতে সক্ষম। এই ক্ষমতা LLM-কে পরিবেশগত তথ্য বিশ্লেষণ এবং পরিবেশ পরিবর্তনের একটি পরিকল্পনা নির্ধারণ করতে সক্ষম করে।
কর্ম সম্পাদন - AI এজেন্ট সিস্টেমের বাইরে, LLM সাধারণত ব্যবহারকারীর প্রম্পটের ভিত্তিতে কন্টেন্ট বা তথ্য তৈরি করার মধ্যে সীমাবদ্ধ। AI এজেন্ট সিস্টেমের ভেতরে, LLM ব্যবহারকারীর অনুরোধ বিশ্লেষণ করে এবং তাদের পরিবেশে উপলব্ধ টুলস ব্যবহার করে কাজ সম্পন্ন করতে পারে।
টুলস অ্যাক্সেস - LLM-এর কাছে কোন টুলস অ্যাক্সেসযোগ্য তা নির্ধারিত হয় ১) এটি যে পরিবেশে কাজ করছে এবং ২) AI এজেন্টের ডেভেলপারের দ্বারা। আমাদের ট্রাভেল এজেন্ট উদাহরণে, এজেন্টের টুলস বুকিং সিস্টেমে উপলব্ধ অপারেশন দ্বারা সীমাবদ্ধ এবং/অথবা ডেভেলপার এজেন্টের টুল অ্যাক্সেস ফ্লাইটে সীমাবদ্ধ করতে পারেন।
মেমোরি+জ্ঞান - মেমোরি সংলাপের প্রসঙ্গে স্বল্পমেয়াদী হতে পারে। দীর্ঘমেয়াদে, পরিবেশ থেকে প্রাপ্ত তথ্যের বাইরে, AI এজেন্ট অন্যান্য সিস্টেম, পরিষেবা, টুলস এবং এমনকি অন্যান্য এজেন্ট থেকে জ্ঞান পুনরুদ্ধার করতে পারে। ট্রাভেল এজেন্ট উদাহরণে, এই জ্ঞান হতে পারে গ্রাহকের ডাটাবেসে থাকা ব্যবহারকারীর ভ্রমণ পছন্দ সম্পর্কিত তথ্য।
এখন যেহেতু আমরা AI এজেন্টের একটি সাধারণ সংজ্ঞা পেয়েছি, আসুন কিছু নির্দিষ্ট এজেন্ট প্রকার এবং সেগুলো কীভাবে একটি ট্রাভেল বুকিং AI এজেন্টে প্রয়োগ করা যেতে পারে তা দেখি।
| এজেন্ট প্রকার | বর্ণনা | উদাহরণ |
|---|---|---|
| সিম্পল রিফ্লেক্স এজেন্ট | পূর্বনির্ধারিত নিয়মের ভিত্তিতে তাৎক্ষণিক কাজ সম্পাদন করে। | ট্রাভেল এজেন্ট ইমেলের প্রসঙ্গ বিশ্লেষণ করে এবং ভ্রমণ সংক্রান্ত অভিযোগ কাস্টমার সার্ভিসে ফরোয়ার্ড করে। |
| মডেল-বেসড রিফ্লেক্স এজেন্ট | বিশ্বের একটি মডেলের উপর ভিত্তি করে এবং সেই মডেলের পরিবর্তনের উপর ভিত্তি করে কাজ সম্পাদন করে। | ট্রাভেল এজেন্ট ঐতিহাসিক মূল্য ডেটার উপর ভিত্তি করে উল্লেখযোগ্য মূল্য পরিবর্তন সহ রুটগুলোকে অগ্রাধিকার দেয়। |
| গোল-বেসড এজেন্ট | নির্দিষ্ট লক্ষ্য অর্জনের জন্য পরিকল্পনা তৈরি করে এবং সেই লক্ষ্য অর্জনের জন্য প্রয়োজনীয় কাজ নির্ধারণ করে। | ট্রাভেল এজেন্ট বর্তমান অবস্থান থেকে গন্তব্যে পৌঁছানোর জন্য প্রয়োজনীয় ভ্রমণ ব্যবস্থা (গাড়ি, পাবলিক ট্রানজিট, ফ্লাইট) নির্ধারণ করে একটি যাত্রা বুক করে। |
| ইউটিলিটি-বেসড এজেন্ট | পছন্দ বিবেচনা করে এবং লক্ষ্য অর্জনের জন্য ট্রেডঅফগুলো সংখ্যাগতভাবে ওজন করে। | ট্রাভেল এজেন্ট ভ্রমণ বুক করার সময় সুবিধা বনাম খরচ ওজন করে ইউটিলিটি সর্বাধিক করে। |
| লার্নিং এজেন্ট | প্রতিক্রিয়ার প্রতি সাড়া দিয়ে এবং সেই অনুযায়ী কাজ সামঞ্জস্য করে সময়ের সাথে উন্নতি করে। | ট্রাভেল এজেন্ট পোস্ট-ট্রিপ সার্ভে থেকে গ্রাহকের প্রতিক্রিয়া ব্যবহার করে ভবিষ্যতের বুকিংয়ে সমন্বয় করে উন্নতি করে। |
| হায়ারার্কিকাল এজেন্ট | একটি স্তরযুক্ত সিস্টেমে একাধিক এজেন্ট বৈশিষ্ট্যযুক্ত, যেখানে উচ্চ-স্তরের এজেন্টগুলো কাজগুলোকে সাবটাস্কে বিভক্ত করে নিম্ন-স্তরের এজেন্টগুলোকে সম্পন্ন করতে দেয়। | ট্রাভেল এজেন্ট একটি ট্রিপ বাতিল করার কাজকে সাবটাস্কে বিভক্ত করে (যেমন নির্দিষ্ট বুকিং বাতিল করা) এবং নিম্ন-স্তরের এজেন্টগুলোকে সেগুলো সম্পন্ন করতে দেয়, যা উচ্চ-স্তরের এজেন্টকে রিপোর্ট করে। |
| মাল্টি-এজেন্ট সিস্টেম (MAS) | এজেন্টগুলো স্বাধীনভাবে কাজ সম্পন্ন করে, হয় সহযোগিতামূলক বা প্রতিযোগিতামূলকভাবে। | সহযোগিতামূলক: একাধিক এজেন্ট নির্দিষ্ট ভ্রমণ পরিষেবা যেমন হোটেল, ফ্লাইট এবং বিনোদন বুক করে। প্রতিযোগিতামূলক: একাধিক এজেন্ট একটি শেয়ার করা হোটেল বুকিং ক্যালেন্ডার পরিচালনা করে এবং গ্রাহকদের হোটেলে বুক করার জন্য প্রতিযোগিতা করে। |
পূর্ববর্তী অংশে, আমরা ট্রাভেল এজেন্ট ব্যবহার-কেসটি ব্যবহার করে দেখিয়েছি কীভাবে বিভিন্ন প্রকারের এজেন্ট ভিন্ন ভিন্ন ট্রাভেল বুকিং পরিস্থিতিতে ব্যবহার করা যেতে পারে। আমরা এই অ্যাপ্লিকেশনটি কোর্স জুড়ে ব্যবহার করব।
আসুন দেখি কোন ধরনের ব্যবহার-কেসে AI এজেন্ট সবচেয়ে কার্যকর:
- ওপেন-এন্ডেড সমস্যা - LLM-কে প্রয়োজনীয় পদক্ষেপ নির্ধারণ করতে দেওয়া, কারণ এটি সবসময় একটি ওয়ার্কফ্লোতে হার্ডকোড করা সম্ভব নয়।
- মাল্টি-স্টেপ প্রসেস - এমন কাজ যা একটি স্তরের জটিলতা প্রয়োজন যেখানে AI এজেন্টকে একাধিক টার্নে টুলস বা তথ্য ব্যবহার করতে হয়, একক শট পুনরুদ্ধারের পরিবর্তে।
- সময়ের সাথে উন্নতি - এমন কাজ যেখানে এজেন্ট তার পরিবেশ বা ব্যবহারকারীদের কাছ থেকে প্রতিক্রিয়া পেয়ে সময়ের সাথে উন্নতি করতে পারে এবং আরও ভালো ইউটিলিটি প্রদান করতে পারে।
AI এজেন্ট ব্যবহারের আরও বিবেচনা আমরা "বিশ্বাসযোগ্য AI এজেন্ট তৈরি" পাঠে আলোচনা করব।
AI এজেন্ট সিস্টেম ডিজাইনের প্রথম ধাপ হলো টুলস, অ্যাকশন এবং আচরণ সংজ্ঞায়িত করা। এই কোর্সে, আমরা আমাদের এজেন্ট সংজ্ঞায়িত করতে Azure AI Agent Service ব্যবহার করার উপর ফোকাস করব। এটি নিম্নলিখিত বৈশিষ্ট্য সরবরাহ করে:
- OpenAI, Mistral, এবং Llama-এর মতো ওপেন মডেল নির্বাচন
- Tripadvisor-এর মতো প্রদানকারীদের মাধ্যমে লাইসেন্সকৃত ডেটা ব্যবহার
- OpenAPI 3.0 টুলসের মানক ব্যবহার
LLM-এর সাথে যোগাযোগ প্রম্পটের মাধ্যমে হয়। AI এজেন্টের আধা-স্বায়ত্তশাসিত প্রকৃতির কারণে, পরিবেশে পরিবর্তনের পরে LLM-কে ম্যানুয়ালি পুনঃপ্রম্পট করা সবসময় সম্ভব বা প্রয়োজনীয় নয়। আমরা এজেন্টিক প্যাটার্ন ব্যবহার করি যা আমাদের LLM-কে একাধিক ধাপে আরও স্কেলযোগ্য উপায়ে প্রম্পট করতে দেয়।
এই কোর্সটি কিছু বর্তমান জনপ্রিয় এজেন্টিক প্যাটার্নে বিভক্ত।
এজেন্টিক ফ্রেমওয়ার্ক ডেভেলপারদের কোডের মাধ্যমে এজেন্টিক প্যাটার্ন বাস্তবায়ন করতে দেয়। এই ফ্রেমওয়ার্কগুলো টেমপ্লেট, প্লাগইন এবং টুলস সরবরাহ করে যা AI এজেন্টের আরও ভালো সহযোগিতার জন্য সহায়ক। এই সুবিধাগুলো AI এজেন্ট সিস্টেমের আরও ভালো পর্যবেক্ষণ এবং সমস্যা সমাধানের ক্ষমতা প্রদান করে।
এই কোর্সে, আমরা গবেষণা-চালিত AutoGen ফ্রেমওয়ার্ক এবং Semantic Kernel-এর প্রোডাকশন-রেডি এজেন্ট ফ্রেমওয়ার্ক অন্বেষণ করব।
Azure AI Foundry Discord-এ যোগ দিন, অন্যান্য শিক্ষার্থীদের সাথে দেখা করুন, অফিস আওয়ার্সে অংশ নিন এবং আপনার AI এজেন্ট সম্পর্কিত প্রশ্নের উত্তর পান।
অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিক অনুবাদের চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। নথিটির মূল ভাষায় রচিত সংস্করণটিকেই প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ ব্যবহার করার পরামর্শ দেওয়া হয়। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।