AI प्रॉम्प्ट इंजीनियरिंग · पाठ

LLM के लिए कस्टम उपकरण और प्लगइन

ऐसे कस्टम उपकरण विकसित और एकीकृत कीजिए जिनका उपयोग LLM अपनी मूल जानकारी से आगे की क्षमताएँ बढ़ाने के लिए कर सकें।

पाठ 3, कुल 3 में से11 चरण

LLM के लिए कस्टम उपकरण और प्लगइन, CoddyKit पर AI प्रॉम्प्ट इंजीनियरिंग का एक निःशुल्क पाठ है। यह 3 में से 3वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह AI प्रॉम्प्ट इंजीनियरिंग सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। AI प्रॉम्प्ट इंजीनियरिंग पाठ्यक्रम में कुल 3 पाठ शामिल हैं।

कस्टम टूल क्या हैं?

‘टूल और एजेंट के साथ उन्नत प्रॉम्प्टिंग’ पाठ्यक्रम के अंतिम पाठ में आपका स्वागत है! आज हम बड़े भाषा मॉडल (LLM) के लिए कस्टम टूल और प्लगइन के बारे में विस्तार से सीखेंगे।

कस्टम टूल LLM को अपने प्रशिक्षण डेटा से आगे जाकर वास्तविक दुनिया या विशिष्ट प्रणालियों के साथ काम करने की सुविधा देते हैं। इन्हें ऐसे विशेष कौशल समझिए, जो आप LLM को सिखाते हैं।

क्षमताएँ बढ़ाएँ: नए फ़ंक्शन जोड़ें।
वास्तविक समय का डेटा प्राप्त करें: वर्तमान जानकारी प्राप्त करें।
कार्य करें: बाहरी प्रणालियों में बदलाव करें।

कस्टम बनाम अंतर्निहित क्षमताएँ

आपने बुनियादी फ़ंक्शन कॉलिंग और एपीआई एकीकरण के बारे में सीखा है। कस्टम टूल इस क्षमता को एक कदम आगे ले जाते हैं।

हालाँकि कोई LLM स्वाभाविक रूप से ‘पाठ का सारांश बनाना’ जान सकता है, लेकिन जब तक आप उसे कोई टूल उपलब्ध नहीं कराते, तब तक वह ‘लंदन का मौसम जाँचना’ नहीं जानता। कस्टम टूल इस अंतर को भरते हैं और LLM को ऐसी विशिष्ट, बाहरी क्षमताएँ देते हैं, जो उसके मूल ज्ञान-आधार का हिस्सा नहीं होतीं।

कस्टम टूल की संरचना

हर कस्टम टूल की स्पष्ट परिभाषा होना आवश्यक है, ताकि LLM जान सके कि उसका उपयोग कब और कैसे करना है। इसके मुख्य घटक हैं:

नाम: एक विशिष्ट पहचानकर्ता (जैसे, get_current_time)।
विवरण: यह बताता है कि टूल क्या करता है और इसका उपयोग कब करना चाहिए। LLM के निर्णय लेने के लिए यह अत्यंत महत्वपूर्ण है।
पैरामीटर: टूल को कार्य करने के लिए आवश्यक इनपुट (जैसे, समय वाले टूल के लिए timezone)।
अपेक्षित आउटपुट: टूल किस प्रकार की जानकारी लौटाता है।

स्कीमा के साथ टूल का वर्णन

किसी LLM को कस्टम टूल ‘सिखाने’ के लिए हम उसकी परिभाषा एक संरचित प्रारूप में देते हैं, जो अक्सर जेएसओएन स्कीमा होता है। यह स्कीमा LLM को टूल का सही ढंग से आह्वान करने के लिए आवश्यक सभी जानकारी देता है।

यहाँ एक सरल उदाहरण दिया गया है कि हमारे get_current_time टूल का वर्णन किस प्रकार किया जा सकता है:

{
  "name": "get_current_time",
  "description": "Gets the current time in a specified timezone.",
  "parameters": {
    "type": "object",
    "properties": {
      "timezone": {
        "type": "string",
        "description": "The timezone to get the time for (e.g., UTC, America/New_York)."
      }
    },
    "required": []
  }
}

सरल टूल बनाना: समय प्राप्त करें

आइए एक व्यावहारिक उदाहरण बनाते हैं: get_current_time नाम का एक टूल। यह टूल दिए गए समय क्षेत्र के लिए वर्तमान समय लौटाएगा, यदि समय क्षेत्र दिया गया हो।

LLM स्कीमा में दिए गए विवरण को समझता है, लेकिन बताए गए कार्य को करने वाला वास्तविक कोड लिखने की ज़िम्मेदारी हमारी है। LLM द्वारा टूल का आह्वान किए जाने पर यह कोड बाहरी रूप से चलता है।

टूल कार्यान्वयन का उदाहरण

यह पाइथन कोड अंश दिखाता है कि get_current_time टूल पर्दे के पीछे किस प्रकार काम कर सकता है। जब LLM टूल को कॉल करता है, तो वह इस फ़ंक्शन को (या आपकी चुनी हुई भाषा में इसी तरह के तर्क को) चलाता है और परिणाम प्राप्त करता है।

इसका आउटपुट देखने के लिए इसे चलाकर देखें!

import datetime

def get_current_time(timezone="UTC"):
    """
    Returns the current time in the specified timezone.
    """
    # For simplicity, we'll return UTC time and note timezone
    now = datetime.datetime.now(datetime.timezone.utc)
    return f"Current time in {timezone}: {now.strftime('%Y-%m-%d %H:%M:%S')} (UTC basis)"

# This is the entry point that would be called by the LLM's integration layer
if __name__ == "__main__":
    print(get_current_time())
    print(get_current_time(timezone="America/New_York"))

LLM द्वारा टूल के उपयोग का प्रवाह

LLM आमतौर पर कस्टम टूल का उपयोग इस प्रकार करता है:

उपयोगकर्ता का प्रॉम्प्ट: आप LLM से कोई प्रश्न पूछते हैं (जैसे, "न्यूयॉर्क में अभी कितने बजे हैं?")।
LLM का निर्णय: LLM आपके प्रॉम्प्ट और उपलब्ध टूल के विवरणों का विश्लेषण करता है।
टूल कॉल: यदि कोई टूल प्रासंगिक है, तो LLM एक टूल कॉल तैयार करता है (जैसे, get_current_time(timezone="America/New_York"))।
निष्पादन: आपकी प्रणाली वास्तविक टूल कोड चलाती है।
परिणाम: टूल का आउटपुट LLM को लौटा दिया जाता है।
LLM की प्रतिक्रिया: LLM आपके लिए अंतिम उत्तर तैयार करने हेतु टूल के आउटपुट का उपयोग करता है।

कस्टम टूल के साथ प्रॉम्प्ट लिखना

जब आप ऐसे LLM को प्रॉम्प्ट देते हैं, जिसे कस्टम टूल का उपयोग करने की सुविधा प्राप्त है, तो आपको उसे स्पष्ट रूप से टूल का उपयोग करने के लिए कहने की आवश्यकता नहीं होती। आप केवल ऐसा प्रश्न पूछते हैं, जिससे टूल की आवश्यकता स्पष्ट हो।

टूल के विवरण को समझने की LLM की क्षमता महत्वपूर्ण होती है। अच्छा विवरण LLM को सही समय पर सही टूल चुनने में मदद करता है।

प्रॉम्प्ट: "What is the current time right now?"
LLM की कार्रवाई: get_current_time() का आह्वान करता है
टूल का आउटपुट: "Current time in UTC: 2023-10-27 10:30:00 (UTC basis)"
LLM की प्रतिक्रिया: "The current time is 10:30 AM UTC."

कस्टम टूल के लाभ

कस्टम टूल LLM के लिए शक्तिशाली क्षमताएँ उपलब्ध कराते हैं:

क्षेत्र-विशिष्टता: LLM को उसके सामान्य प्रशिक्षण से आगे का ज्ञान उपलब्ध कराएँ।
वास्तविक समय में सहभागिता: नवीनतम जानकारी तक पहुँच प्राप्त करें (जैसे, शेयर की कीमतें और मौसम)।
क्रियाशील एआई: LLM को कार्य करने में सक्षम बनाएँ (जैसे, ईमेल भेजना और अपॉइंटमेंट तय करना)।
बेहतर सटीकता: तथ्यात्मक टूल आउटपुट पर निर्भर करके मनगढ़ंत उत्तरों को कम करें।
मॉड्यूलरता: LLM के तर्क को बाहरी प्रणालियों के साथ होने वाली सहभागिता से अलग रखें।

त्वरित जाँच: कस्टम टूल

LLM के लिए कस्टम टूल की परिभाषा में निम्नलिखित में से कौन-से आवश्यक घटक हैं?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन: LLM की क्षमता बढ़ाना

इस पाठ में हमने कस्टम टूल और प्लगइन के बारे में सीखा, जो LLM की क्षमताएँ बढ़ाने का एक शक्तिशाली तरीका हैं।

कस्टम टूल LLM को बाहरी प्रणालियों और डेटा के साथ काम करने देते हैं।
इनके लिए स्पष्ट परिभाषा आवश्यक होती है, जिसमें अक्सर नाम, विवरण और पैरामीटर के लिए जेएसओएन स्कीमा का उपयोग किया जाता है।
LLM द्वारा टूल को कॉल किए जाने पर चलने वाला वास्तविक तर्क आप लागू करते हैं।
कस्टम टूल LLM को क्षेत्र-विशिष्ट ज्ञान प्राप्त करने, वास्तविक समय का डेटा प्राप्त करने और कार्य करने में सक्षम बनाते हैं, जिससे वे केवल साधारण पाठ निर्माण से आगे बढ़ते हैं।

कस्टम टूल में निपुण होकर आप वास्तव में बुद्धिमान और संवादात्मक एआई एप्लिकेशन बना सकते हैं!

शुरुआत निःशुल्क

एआई शिक्षक के साथ AI प्रॉम्प्ट इंजीनियरिंग 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: 53
पाठ: 199

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “LLM के लिए कस्टम उपकरण और प्लगइन” पाठ निःशुल्क है?

हाँ — AI प्रॉम्प्ट इंजीनियरिंग अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “LLM के लिए कस्टम उपकरण और प्लगइन” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। AI प्रॉम्प्ट इंजीनियरिंग पाठ्यक्रम में कुल 3 पाठ शामिल हैं।

“LLM के लिए कस्टम उपकरण और प्लगइन” में मैं क्या सीखूँगा?

ऐसे कस्टम उपकरण विकसित और एकीकृत कीजिए जिनका उपयोग LLM अपनी मूल जानकारी से आगे की क्षमताएँ बढ़ाने के लिए कर सकें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ AI प्रॉम्प्ट इंजीनियरिंग का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या AI प्रॉम्प्ट इंजीनियरिंग शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर AI प्रॉम्प्ट इंजीनियरिंग 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 3 में से 3वाँ पाठ है।

“LLM के लिए कस्टम उपकरण और प्लगइन” 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 AI प्रॉम्प्ट इंजीनियरिंग पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर AI प्रॉम्प्ट इंजीनियरिंग 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

← AI प्रॉम्प्ट इंजीनियरिंग पर वापस जाएँ