LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह · पाठ

एजेंट के प्रकार और निर्णय-निर्माण

विभिन्न एजेंट प्रकारों (जैसे, ReAct और संवादात्मक एजेंट) तथा यह तय करने की उनकी अंतर्निहित प्रक्रियाओं का अध्ययन करें कि कौन-सा उपकरण उपयोग करना है।

पाठ 2, कुल 4 में से11 चरण

एजेंट के प्रकार और निर्णय-निर्माण, CoddyKit पर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

एजेंट का मस्तिष्क: वे निर्णय कैसे लेते हैं

स्वागत है! इस पाठ में हम उस रोचक दुनिया को समझेंगे जिसमें AI एजेंट निर्णय लेते हैं। यही उन्हें 'समझदार' और जटिल कार्य करने में सक्षम बनाता है।

एजेंट को ऐसे समझिए जैसे उसके पास एक 'मस्तिष्क' हो, जो जानकारी को संसाधित करता है और विकल्पों के समूह में से अगला सर्वोत्तम कदम चुनता है, जिसमें अक्सर टूल्स का उपयोग शामिल होता है।

LLM: निर्णय लेने वाला मुख्य घटक

अधिकांश AI एजेंट्स के केंद्र में एक Large Language Model (LLM) होता है। LLM केवल टेक्स्ट तैयार करने के लिए नहीं होता; यह एजेंट के निर्णय लेने वाले मुख्य इंजन के रूप में भी काम करता है।

यह आपके अनुरोध की व्याख्या करता है।
यह उपलब्ध टूल्स पर विचार करता है।
यह तय करने के लिए एक 'विचार' प्रक्रिया तैयार करता है कि क्या करना है।

यह 'विचार' एजेंट की अगली कार्रवाई का मार्गदर्शन करता है।

ReAct एजेंट्स: तर्क और कार्रवाई

सबसे सामान्य और शक्तिशाली एजेंट आर्किटेक्चर में से एक ReAct है। यह Reasoning और Acting का संक्षिप्त रूप है।

ReAct एजेंट एक लूप में काम करता है:

विचार: LLM वर्तमान स्थिति और अगले कदम पर तर्क करता है।
कार्रवाई: विचार के आधार पर LLM एक टूल और उसका इनपुट चुनता है।
अवलोकन: टूल चलता है और उसका आउटपुट LLM को वापस भेजा जाता है।

यह चक्र तब तक दोहराया जाता है, जब तक एजेंट अंतिम उत्तर तक नहीं पहुँच जाता।

कार्रवाई में ReAct: एक सरल लूप

कल्पना कीजिए कि आप किसी एजेंट से पूछते हैं: 'लंदन में वर्तमान मौसम कैसा है?'

विचार: 'उपयोगकर्ता मौसम की जानकारी चाहता है। मेरे पास एक 'मौसम_टूल' है।'
कार्रवाई: 'शहर='लंदन' के साथ मौसम_टूल को कॉल करें।'
अवलोकन: 'लंदन का मौसम: 15°C, बादल छाए हुए हैं।'
विचार: 'मेरे पास उत्तर है। मुझे उपयोगकर्ता को जवाब देना चाहिए।'
कार्रवाई: 'जवाब दें: 'लंदन में मौसम 15°C और बादलों वाला है।''

यह क्रमिक प्रक्रिया एजेंट्स को जटिल कार्यों को चरण-दर-चरण पूरा करने में सक्षम बनाती है।

कोड: एजेंट के निर्णयों का अनुकरण

यह Python कोड उपयोगकर्ता के इनपुट और उपलब्ध टूल्स के आधार पर एजेंट की सरल निर्णय प्रक्रिया का अनुकरण करता है। ध्यान दें कि यह कैसे 'विचार' करता है और एक 'कार्रवाई' तय करता है।

def run_agent_cycle(user_input, available_tools):
    print(f"User Input: \"{user_input}\"")
    print("Agent's Thought Process:")

    if "search" in user_input.lower() and "web_search" in available_tools:
        thought = "User wants to search. Use 'web_search' tool."
        action = "web_search(query='LangChain agents')"
    elif "calculate" in user_input.lower() and "calculator" in available_tools:
        thought = "User wants calculation. Use 'calculator' tool."
        action = "calculator(expression='5+3')"
    else:
        thought = "No specific tool. Respond directly."
        action = "Respond: 'I can help with searches/calculations.'"

    print(f"  Thought: {thought}")
    print(f"  Action: {action}")
    print("-" * 20)

if __name__ == "__main__":
    print("--- Simulating Agent Decision Making ---")
    tools_available = ["web_search", "calculator"]

    run_agent_cycle("What is the capital of France?", tools_available)
    run_agent_cycle("Calculate 10 times 5.", tools_available)
    run_agent_cycle("Tell me a joke.", tools_available)

संवादी एजेंट्स: संदर्भ को याद रखना

ReAct शक्तिशाली है, लेकिन कुछ एजेंट्स को पिछली बातचीत याद रखते हुए लगातार संवाद बनाए रखना होता है। इन्हें संवादी एजेंट्स कहा जाता है।

इनका निर्णय लेना केवल वर्तमान बारी पर निर्भर नहीं करता; बातचीत का इतिहास (इनकी 'स्मृति') भी इसे बहुत प्रभावित करता है।

संवादी एजेंट्स निर्णय कैसे लेते हैं

संवादी एजेंट्स के लिए LLM को उपयोगकर्ता का नवीनतम इनपुट ही नहीं, बल्कि पिछली बारी का सारांश या पूरा प्रतिलेख भी प्राप्त होता है।

यह स्मृति एजेंट को संदर्भ समझने में सहायता करती है।
यह आगे पूछे जाने वाले प्रश्नों की अनुमति देती है और दोहराव से बचाती है।
टूल का उपयोग करने या सीधा उत्तर तैयार करने का निर्णय पूरे चैट इतिहास से प्रभावित होता है।

हम किसी बाद के पाठ्यक्रम में स्मृति का विस्तार से अध्ययन करेंगे!

अन्य एजेंट आर्किटेक्चर (संक्षेप में)

ReAct और बुनियादी संवादी एजेंट्स के अलावा, कुछ अन्य उन्नत आर्किटेक्चर भी हैं:

योजना-बनाओ-और-निष्पादित-करो एजेंट्स: पहले कई चरणों वाली योजना बनाते हैं, फिर उसे पूरा करते हैं।
स्व-सुधार एजेंट्स: अपने आउटपुट का मूल्यांकन करते हैं और त्रुटि मिलने पर फिर से प्रयास करते हैं।
विचार-वृक्ष एजेंट्स: किसी कार्रवाई को चुनने से पहले तर्क के कई मार्गों का अन्वेषण करते हैं।

हर प्रकार अलग-अलग जटिल कार्यों के लिए अलग शक्तियाँ प्रदान करता है।

निर्णयों को प्रभावित करने वाले कारक

एजेंट की निर्णय लेने की प्रक्रिया कई प्रमुख कारकों से प्रभावित होती है:

उपयोगकर्ता प्रॉम्प्ट: उपयोगकर्ता के अनुरोध की स्पष्टता और विशिष्टता।
उपलब्ध टूल्स: वे फ़ंक्शन और क्षमताएँ जिन तक एजेंट की पहुँच है।
स्मृति/संदर्भ: पृष्ठभूमि प्रदान करने वाली पिछली बातचीत।
LLM की क्षमताएँ: मॉडल की तर्क करने की क्षमता और उसका ज्ञान।

प्रभावी एजेंट डिज़ाइन का अर्थ इन तत्वों के बीच संतुलन बनाना है।

त्वरित जाँच: एजेंट के निर्णय प्रकार

ऐसे एजेंट पर विचार कीजिए जिसे जटिल, कई चरणों वाले प्रश्नों के उत्तर देने के लिए बनाया गया है, जिनमें कई टूल कॉल की आवश्यकता हो सकती है, और जिसे लंबी बातचीत के दौरान एक सुसंगत व्यक्तित्व भी बनाए रखना है।

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन: एजेंट का निर्णय लेना

बहुत अच्छा! आपने सीखा कि AI एजेंट केवल टेक्स्ट तैयार करने से आगे बढ़कर निर्णय कैसे लेते हैं।

LLM एजेंट के 'मस्तिष्क' के रूप में काम करता है, इनपुट की व्याख्या करता है और कार्रवाइयाँ चुनता है।
ReAct एजेंट्स समस्या को चरण-दर-चरण हल करने के लिए 'विचार-कार्रवाई-अवलोकन' लूप का उपयोग करते हैं।
संवादी एजेंट्स समय के साथ संदर्भ बनाए रखने के लिए स्मृति को सम्मिलित करते हैं।
प्रॉम्प्ट्स, टूल्स और स्मृति जैसे विभिन्न कारक एजेंट के विकल्पों को प्रभावित करते हैं।

शक्तिशाली AI अनुप्रयोग बनाने के लिए इन निर्णय तंत्रों को समझना महत्वपूर्ण है!

शुरुआत निःशुल्क

एआई शिक्षक के साथ LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 12
पाठ: 50

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “एजेंट के प्रकार और निर्णय-निर्माण” पाठ निःशुल्क है?

हाँ—“एजेंट के प्रकार और निर्णय-निर्माण” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“एजेंट के प्रकार और निर्णय-निर्माण” में मैं क्या सीखूँगा?

विभिन्न एजेंट प्रकारों (जैसे, ReAct और संवादात्मक एजेंट) तथा यह तय करने की उनकी अंतर्निहित प्रक्रियाओं का अध्ययन करें कि कौन-सा उपकरण उपयोग करना है। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“एजेंट के प्रकार और निर्णय-निर्माण” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← LangChain के साथ AI एजेंट और स्वायत्त कार्यप्रवाह पर वापस जाएँ