স্ক্র্যাচ থেকে এআই এজেন্ট তৈরি করা: আর্কিটেকচার, ফ্রেমওয়ার্ক এবং সেরা অনুশীলন

এজেন্ট ডিজাইন প্যাটার্নস

কোডের একটি লাইন লেখার আগে, AI এজেন্টদের জন্য মৌলিক নকশার ধরণগুলি বোঝা অপরিহার্য। এই নিদর্শনগুলি সংজ্ঞায়িত করে যে কীভাবে একজন এজেন্ট কার্যের কারণ, পরিকল্পনা এবং কার্য সম্পাদন করে এবং সঠিক প্যাটার্ন নির্বাচন করা আপনার এজেন্ট সিস্টেমের ক্ষমতা এবং সীমাবদ্ধতা নির্ধারণ করে।

রিঅ্যাক্ট প্যাটার্ন (রিজনিং + অ্যাক্টিং)

রিঅ্যাক্ট হল LLM-ভিত্তিক এজেন্টদের জন্য সর্বাধিক গৃহীত প্যাটার্ন। এটি একটি অবিচ্ছিন্ন লুপে অভিনয় (সরঞ্জাম ব্যবহার) এর সাথে যুক্তি (চিন্তা) কে ইন্টারলিভ করে। প্রতিটি ধাপে, এজেন্ট:

1. বর্তমান অবস্থা পর্যবেক্ষণ করে (ব্যবহারকারীর ইনপুট, পূর্ববর্তী টুলের ফলাফল)
2. পরবর্তী কী করতে হবে সে সম্পর্কে চিন্তা করে (চেইন-অফ-থট রিজনিং)
3. একটি টুলকে কল করে বা একটি প্রতিক্রিয়া প্রদান করে
XTAG17 পুনরাবৃত্তি XTAGX7 XTAGX7 ফলাফলগুলি পর্যবেক্ষণ করে

ReAct প্যাটার্নটি মার্জিত কারণ এটি LLM-এর টেক্সটে যুক্তি করার স্বাভাবিক ক্ষমতাকে কাজে লাগায় এবং বাস্তব-বিশ্বের পর্যবেক্ষণে সেই যুক্তিটিকে ভিত্তি করে। এটি এমন কাজগুলিতে উৎকর্ষ লাভ করে যেখানে পরবর্তী পদক্ষেপটি আগেরটির ফলাফলের উপর নির্ভর করে, যেমন গবেষণা, ডিবাগিং বা ডেটা বিশ্লেষণ।

পরবর্তী ধাপকল টুল বা APIপর্যবেক্ষণপ্রক্রিয়া টুল ফলাফলসিদ্ধান্ত নিন & আইনরিটার্ন ফলাফলপ্রতিফলন & প্ল্যানটাস্ক সম্পূর্ণ না হওয়া পর্যন্ত পুনরাবৃত্তি করুন

প্ল্যান-এন্ড-এক্সিকিউট

প্ল্যান-এবং-এক্সিকিউট প্যাটার্ন পরিকল্পনাকে এক্সিকিউট থেকে আলাদা করে আলাদা করে। প্রথমত, একজন প্ল্যানিং এজেন্ট কাজটি বিশ্লেষণ করে এবং আদেশকৃত পদক্ষেপের সাথে একটি কাঠামোগত পরিকল্পনা তৈরি করে। তারপরে, একজন নির্বাহকারী এজেন্ট প্রতিটি পদক্ষেপ সম্পাদন করে, ফলাফলগুলি পরিকল্পনাকারীর কাছে রিপোর্ট করে। পরিকল্পনাকারী ফলাফলের উপর ভিত্তি করে পরিকল্পনা সংশোধন করতে পারেন।

এই প্যাটার্নটি জটিল, বহু-পদক্ষেপের কাজগুলির জন্য উচ্চতর যেখানে অগ্রিম পরিকল্পনা ত্রুটিগুলি এবং প্রচেষ্টার অপচয় কমায়৷ এটি আরও ভাল স্বচ্ছতা প্রদান করে, কারণ বাস্তবায়ন শুরু হওয়ার আগে পরিকল্পনাটি মানুষের দ্বারা পর্যালোচনা করা যেতে পারে।

ট্রি অফ থটস

ট্রি অফ থটস একই সাথে একাধিক যুক্তির পথ অন্বেষণ করে চেইন-অফ-থট যুক্তিকে প্রসারিত করে৷ এজেন্ট একাধিক প্রার্থীর পন্থা তৈরি করে, প্রতিটির মূল্যায়ন করে এবং মৃত প্রান্ত ছাঁটাই করার সময় সবচেয়ে প্রতিশ্রুতিশীল পথ অনুসরণ করে। এই প্যাটার্নটি সৃজনশীল সমস্যা-সমাধান এবং একাধিক বৈধ পদ্ধতির সাথে কাজ করার জন্য মূল্যবান।

রিফ্লেক্সন

রিফ্লেক্সন প্যাটার্ন এজেন্ট লুপে একটি স্ব-মূল্যায়ন ধাপ যোগ করে। একটি টাস্ক বা সাব-টাস্ক শেষ করার পর, এজেন্ট তার নিজস্ব আউটপুট সমালোচনা করে, দুর্বলতা বা ত্রুটি চিহ্নিত করে এবং ফলাফলের উন্নতির জন্য পুনরাবৃত্তি করে। এটি লেখার জন্য বিশেষভাবে কার্যকরী, কোড তৈরি করা এবং বিশ্লেষণের কাজ যেখানে গুণমান গতির চেয়ে বেশি গুরুত্বপূর্ণ। একটি AI এজেন্টের

বিল্ডিং ব্লকগুলি

প্রতিটি AI এজেন্ট সিস্টেমের চারটি মৌলিক উপাদানের প্রয়োজন হয় যা স্বায়ত্তশাসিত আচরণ সক্ষম করতে একসঙ্গে কাজ করে।

LLM ব্যাকবোন

বড় ভাষা মডেল যুক্তি ইঞ্জিন হিসাবে কাজ করে। LLM এর পছন্দ উল্লেখযোগ্যভাবে এজেন্টের ক্ষমতাকে প্রভাবিত করে:

• ক্লাউড (Anthropic):এক্সেলস জটিল যুক্তি, টুল ব্যবহার, এবং বিস্তারিত নির্দেশাবলী অনুসরণ করে। শক্তিশালী সুরক্ষা বৈশিষ্ট্যগুলি এটিকে সংবেদনশীল ক্রিয়াকলাপগুলি পরিচালনা করার জন্য উত্পাদন এজেন্টদের জন্য উপযুক্ত করে তোলে
• GPT-4 (OpenAI):শক্তিশালী টুল কলিং, ব্যাপক তৃতীয় পক্ষের ইকোসিস্টেম, এবং বিভিন্ন টাস্ক জুড়ে শক্তিশালী কর্মক্ষমতা স্থাপনা এবং খরচের উপর সম্পূর্ণ নিয়ন্ত্রণ, যে এজেন্টদের অন-প্রাঙ্গনে বা উচ্চ ভলিউমে চালাতে হবে তাদের জন্য উপযুক্ত

টুল ইন্টিগ্রেশন

টুলগুলি এজেন্টকে পাঠ্য প্রজন্মের বাইরে বাস্তব-বিশ্বের মিথস্ক্রিয়ায় প্রসারিত করে৷ একটি ভাল-ডিজাইন করা টুল ইন্টারফেসের মধ্যে রয়েছে:

• পরিষ্কার, বর্ণনামূলক টুলের নাম এবং ডকুমেন্টেশন যা LLM কে বুঝতে সাহায্য করে কখন প্রতিটি টুল ব্যবহার করতে হবে
• স্ট্রাকচার্ড ইনপুট স্কিমা যাতে বিকৃত কলগুলিকে প্রতিরোধ করা যায় যাতে
হাতে বার্তা ফেরত আসে LLM
• টাইমআউট এবং রেট লিমিটে কাজ করতে পারে পলাতক অপারেশনগুলি প্রতিরোধ করতে

মেমরি সিস্টেম

এজেন্টদের জন্য যে সমস্ত সেশন জুড়ে কাজ করে বা দীর্ঘ কাজগুলি পরিচালনা করে, একটি মেমরি সিস্টেম অপরিহার্য৷ এটি ব্যবহার করে মেমরি প্রয়োগ করুন:

• কথোপকথন বাফার:LLM প্রসঙ্গে সম্পূর্ণ কথোপকথনের ইতিহাস রাখুন (সহজ কিন্তু প্রসঙ্গ উইন্ডো দ্বারা সীমিত)
• সংক্ষিপ্ত মেমরি:
কথোপকথনকে পুরানোভাবে চাপ দিন
• ভেক্টর স্টোর:শব্দার্থগত পুনরুদ্ধারের জন্য গুরুত্বপূর্ণ তথ্য এম্বেড এবং সঞ্চয় করুন যখন প্রাসঙ্গিক
• স্থায়ী ফাইলগুলি:

  সেশন জুড়ে টিকে থাকা ফাইলগুলিতে মূল সিদ্ধান্ত এবং তথ্যগুলি লিখুন অর্কেস্ট্রেশন লেয়ার

  অর্কেস্ট্রেশন লেয়ার এজেন্ট লুপ, টুল এক্সিকিউশন, ত্রুটি পুনরুদ্ধার এবং বাহ্যিক সিস্টেমের সাথে মিথস্ক্রিয়া পরিচালনা করে। এটি পরিচালনা করে:

  • LLM
  • টুল কল পার্সিং, এক্সিকিউশন এবং ফলাফল ইনজেকশনের জন্য
    • মেসেজ ফরম্যাটিং এবং প্রসঙ্গ ব্যবস্থাপনা
    • সংবেদনশীল ক্রিয়াকলাপের জন্য হিউম্যান-ইন-দ্য লুপ অনুমোদন

    ধাপে ধাপে: Python

    -এ একটি বেসিক এজেন্ট তৈরি করা যাক XAnthropicPR6 X স্ক্র্যাচ থেকে XXPR2 ব্যবহার করে একটি সাধারণ ReAct এজেন্ট তৈরি করা যাক৷ এই উদাহরণ কাঠামো নির্ভরতা ছাড়া মূল ধারণা প্রদর্শন করে।

    ধাপ 1: আপনার টুলগুলিকে সংজ্ঞায়িত করুন

    import anthropic
    import json
    
    # Define tools the agent can use
    tools = [
        {
            "name": "search_web",
            "description": "Search the web for current information on a topic",
            "input_schema": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "The search query"
                    }
                },
                "required": ["query"]
            }
        },
        {
            "name": "calculate",
            "description": "Perform a mathematical calculation",
            "input_schema": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "Mathematical expression to evaluate"
                    }
                },
                "required": ["expression"]
            }
        }
    ]

    ধাপ 2: টুল এক্সিকিউশন

    def execute_tool(tool_name, tool_input):
        """Execute a tool and return the result."""
        if tool_name == "search_web":
            # Replace with actual search API integration
            return search_api(tool_input["query"])
        elif tool_name == "calculate":
            try:
                result = eval(tool_input["expression"])  # Use safe eval in production
                return str(result)
            except Exception as e:
                return f"Error: {str(e)}"
        return "Unknown tool"

    ধাপ 3: এজেন্ট লুপ তৈরি করুন

  • -মাল্টি-ট্যাগেন্ট বা মাল্টি-ট্যাগেন্ট চেস 159X

    def run_agent(user_message, max_iterations=10):
        client = anthropic.Anthropic()
        messages = [{"role": "user", "content": user_message}]
        
        system_prompt = """You are a helpful AI agent. Use the available tools 
        to research and answer questions accurately. Think step by step."""
        
        for i in range(max_iterations):
            response = client.messages.create(
                model="claude-sonnet-4-20250514",
                max_tokens=4096,
                system=system_prompt,
                tools=tools,
                messages=messages
            )
            
            # Check if the agent wants to use a tool
            if response.stop_reason == "tool_use":
                # Extract tool calls from response
                tool_results = []
                for block in response.content:
                    if block.type == "tool_use":
                        result = execute_tool(block.name, block.input)
                        tool_results.append({
                            "type": "tool_result",
                            "tool_use_id": block.id,
                            "content": result
                        })
                
                # Add assistant response and tool results to messages
                messages.append({"role": "assistant", "content": response.content})
                messages.append({"role": "user", "content": tool_results})
            else:
                # Agent is done, return final response
                return response.content[0].text
        
        return "Agent reached maximum iterations"

    TAG162X

    জটিল কর্মপ্রবাহের জন্য, একক এজেন্ট প্রায়ই কম পড়ে। মাল্টি-এজেন্ট সিস্টেমগুলি বিশেষ এজেন্টদের মধ্যে কাজ বিতরণ করে যা সমস্যা সমাধানের জন্য সহযোগিতা করে।

    অনুক্রমিক পাইপলাইন

    এজেন্ট একটি রৈখিক ক্রমানুসারে কাজগুলি প্রক্রিয়া করে, প্রতিটি তার আউটপুটকে পরের দিকে নিয়ে যায়। উদাহরণস্বরূপ: গবেষণা এজেন্ট তথ্য সংগ্রহ করে, বিশ্লেষণ এজেন্ট এটি প্রক্রিয়া করে, রাইটিং এজেন্ট চূড়ান্ত প্রতিবেদন তৈরি করে। এই প্যাটার্নটি সহজ এবং অনুমানযোগ্য কিন্তু সমান্তরালতার অভাব রয়েছে।

    সুপারভাইজার প্যাটার্ন

    একজন সুপারভাইজার এজেন্ট কর্মী এজেন্টদের একটি দল পরিচালনা করে, কার্য অর্পণ করে এবং ফলাফল একত্রিত করে। সুপারভাইজার বর্তমান কাজের প্রয়োজনীয়তার উপর ভিত্তি করে কোন কর্মীকে নিযুক্ত করতে হবে তা নির্ধারণ করে। এই প্যাটার্ন শক্তিশালী নিয়ন্ত্রণ প্রদান করে এবং স্পষ্ট ভূমিকার সীমানা সহ কর্মপ্রবাহের জন্য উপযুক্ত।

    সহযোগিতামূলক আলোচনা

    একাধিক এজেন্ট একটি কাঠামোগত আলোচনায় নিয়োজিত, প্রত্যেকে তাদের বিশেষ দৃষ্টিভঙ্গিতে অবদান রাখে। একজন মডারেটর এজেন্ট কথোপকথন প্রবাহ পরিচালনা করে এবং চূড়ান্ত আউটপুট সংশ্লেষণ করে। কোড পর্যালোচনা বা কৌশলগত পরিকল্পনার মতো বিভিন্ন দক্ষতার প্রয়োজনের কাজে এই প্যাটার্নটি উৎকৃষ্ট।

    হায়ারার্কিকাল ডেলিগেশন

    এজেন্ট একটি ক্রমানুসারে সংগঠিত হয় যেখানে উচ্চ-স্তরের এজেন্টরা কাজগুলি ভেঙে দেয় এবং নিম্ন-স্তরের বিশেষজ্ঞদের কাছে অর্পণ করে। প্রতিটি স্তর আরও পচন এবং অর্পণ করতে পারে, সমন্বিত কাজের একটি গাছ তৈরি করতে পারে। এই প্যাটার্নটি বড়, জটিল প্রকল্পগুলির জন্য ভাল স্কেল।

    মূল্যায়ন এবং টেস্টিং এআই এজেন্ট

    টেস্টিং এআই এজেন্ট LLM আউটপুটগুলির অ-নিয়ন্ত্রক প্রকৃতির কারণে ঐতিহ্যগত সফ্টওয়্যার পরীক্ষা করার থেকে মৌলিকভাবে আলাদা।

    ইউনিট টেস্টিং টুল

    পরিচিত ইনপুট এবং প্রত্যাশিত আউটপুটগুলির সাথে বিচ্ছিন্নভাবে প্রতিটি টুল পরীক্ষা করুন। টুল পরীক্ষাগুলি নির্ধারক হওয়া উচিত এবং ত্রুটির অবস্থা, বিকৃত ইনপুট এবং টাইমআউট পরিস্থিতি সহ এজ কেস কভার করা উচিত।

    ট্র্যাজেক্টরি টেস্টিং

    একটি কাজ সম্পূর্ণ করতে একজন এজেন্ট যে ক্রিয়াগুলি নেয় তার ক্রম রেকর্ড এবং মূল্যায়ন করুন। ভাল ট্র্যাজেক্টরি পরীক্ষাগুলি যাচাই করে যে এজেন্ট একটি যুক্তিসঙ্গত পথ অনুসরণ করে, কেবল এটি সঠিক উত্তরে পৌঁছায় না। বিশেষজ্ঞ-সংজ্ঞায়িত সোনালী পথের সাথে ট্রাজেক্টোরিজ তুলনা করুন।

    এন্ড-টু-এন্ড মূল্যায়ন

    জ্ঞাত সঠিক ফলাফল সহ কাজের একটি বেঞ্চমার্ক স্যুটের বিরুদ্ধে সম্পূর্ণ এজেন্ট চালান। সাফল্যের হার, ধাপের গড় সংখ্যা, টুল কলের দক্ষতা এবং প্রতি টাস্ক খরচ পরিমাপ করুন। রিগ্রেশন সনাক্ত করতে সময়ের সাথে এই মেট্রিক্স ট্র্যাক করুন।

    অ্যাডভারসারিয়াল টেস্টিং

    প্রম্পট ইনজেকশন প্রচেষ্টা, অস্পষ্ট নির্দেশাবলী, অসম্ভব কাজ, এবং বিরোধপূর্ণ প্রয়োজনীয়তা সহ প্রতিপক্ষের ইনপুট সহ পরীক্ষা এজেন্ট। যাচাই করুন যে এজেন্ট ক্ষতিকারক আউটপুট তৈরি না করে বা অসীম লুপ প্রবেশ না করেই এগুলিকে সুন্দরভাবে পরিচালনা করে।

    উত্পাদন স্থাপনের বিবেচনা

    প্রোটোটাইপ থেকে উত্পাদনে AI এজেন্টগুলিকে সরিয়ে নেওয়ার জন্য বেশ কয়েকটি জটিল উদ্বেগের সমাধান প্রয়োজন৷

    কস্ট ম্যানেজমেন্ট

    LLM API কল হল AI এজেন্টদের জন্য প্রাথমিক খরচ চালক৷ এর দ্বারা ব্যয় নিয়ন্ত্রণ করুন:

    • টাস্ক প্রতি সর্বোচ্চ পুনরাবৃত্তির সীমা নির্ধারণ করা
    • রুটিন যুক্তির জন্য ছোট মডেল এবং জটিল সিদ্ধান্তের জন্য বড় মডেলগুলি ব্যবহার করা
    • বারবার টুল কলের জন্য ক্যাশিং প্রয়োগ করা এবং XPR7TAG27X Monitoring XPR727X প্রতি-টাস্ক খরচ এবং সেটিং বাজেট সতর্কতা

    নির্ভরযোগ্যতা এবং ত্রুটি পুনরুদ্ধার

    প্রোডাকশন এজেন্টদের অবশ্যই ব্যর্থতাগুলি ভালভাবে পরিচালনা করতে হবে:

    • এক্সপোনেন্টিয়াল ব্যাকঅফ API8 এক্সপোনেন্টিয়াল ব্যাক অফ এক্সপোনেন্টিয়াল ব্যাকঅফ API8 এর জন্য পুনরায় চেষ্টা যুক্তি প্রয়োগ করুন
    • ডিজাইন ফলব্যাক কৌশলগুলি যখন প্রাথমিক সরঞ্জামগুলি অনুপলব্ধ থাকে
    • ক্যাসকেডিং ব্যর্থতা রোধ করতে সার্কিট ব্রেকার যুক্ত করুন
    • ডিবাগিং এবং অডিট ট্রেলগুলির জন্য সমস্ত এজেন্ট অ্যাকশন লগ করুন

  এবং

  ARDFX594X এবং সাকিট এজেন্টদের ক্ষতিকারক ক্রিয়াকলাপ থেকে বিরত রাখতে নিরাপত্তা ব্যবস্থা স্থাপন করুন:

  • উচ্চ-প্রভাবিত ক্রিয়াকলাপগুলির জন্য মানুষের অনুমোদনের প্রয়োজন (আর্থিক লেনদেন, ডেটা মুছে ফেলা, বাহ্যিক যোগাযোগ)
  • অনুমতিপ্রাপ্ত ক্রিয়াকলাপগুলির জন্য
    299X ক্রিয়াকলাপগুলির জন্য অনুমোদিত তালিকা প্রয়োগ করুন
    • সিস্টেম থেকে বেরিয়ে যাওয়ার আগে সংবেদনশীল তথ্য ধরার জন্য আউটপুট ফিল্টারিং যোগ করুন
    • অস্বাভাবিক এজেন্ট আচরণের জন্য পর্যবেক্ষণ সতর্কতা সেট আপ করুন

    পর্যবেক্ষণযোগ্যতা

    ব্যাপকভাবে বোঝার জন্য XTAG3 কার্যক্ষমতা এবং 1XTAG3 কার্যকারিতা বোঝার অপরিহার্যতা হল XTAG31 অপরিহার্য

    • সমস্ত যুক্তির পদক্ষেপ, টুল কল এবং সিদ্ধান্তগুলি সহ প্রতিটি এজেন্ট এক্সিকিউশন ট্রেস করুন
    • লেটেন্সি, টোকেন ব্যবহার এবং প্রতি ইন্টারঅ্যাকশনের খরচ ট্র্যাক করুন
    • বিভিন্ন টাস্কের ধরন জুড়ে সাফল্যের হার এবং ব্যর্থতার মোডগুলি মনিটর করুন যা
    বোর্ডগুলিকে বাস্তব টাইম দেয় এজেন্ট স্বাস্থ্যের মধ্যে দৃশ্যমানতা

    Workstation কীভাবে কাস্টম AI এজেন্ট সলিউশন তৈরি করে

    Workstation-এ, আমাদের শিল্প জুড়ে ব্যবসার জন্য প্রোডাকশন AI এজেন্ট সিস্টেম ডিজাইন এবং স্থাপনে গভীর দক্ষতা রয়েছে৷ আমাদের পদ্ধতির মধ্যে রয়েছে:

    • আবিষ্কার এবং নকশা:আমরা আপনার দলের সাথে উচ্চ-মূল্যের অটোমেশন সুযোগ এবং ডিজাইন এজেন্ট আর্কিটেকচারগুলি সনাক্ত করতে কাজ করি যা আপনার বিদ্যমান পরিকাঠামোর সাথে একীভূত হয়
    • একটি কাজ করার জন্য: আমরা একটি র‍্যাপিআইএক্স নির্মাণ করতে পারি। প্রোটোটাইপগুলি দ্রুত, আপনাকে সক্ষমতাগুলি মূল্যায়ন করতে এবং পূর্ণ বিকাশে প্রতিশ্রুতি দেওয়ার আগে প্রতিক্রিয়া প্রদান করার অনুমতি দেয়
    • প্রোডাকশন ইঞ্জিনিয়ারিং:আমাদের দল নির্ভরযোগ্যতা, নিরাপত্তা, খরচ অপ্টিমাইজেশন, এবং
    কাস্টম টুল

    XTAG39 কাস্টম টুল নির্মাণের নিরীক্ষণ সহ উত্পাদন স্থাপনের জটিলতাগুলি পরিচালনা করে আপনার AI এজেন্টদের অভ্যন্তরীণ সিস্টেম, ডাটাবেস, API, এবং তৃতীয় পক্ষের পরিষেবাগুলির সাথে সংযোগকারী বেসপোক সরঞ্জামগুলি

    • চলমান অপ্টিমাইজেশন:আমরা ক্রমাগতভাবে আপনার এজেন্ট সিস্টেমগুলিকে নিরীক্ষণ করি এবং উন্নত করি, খরচ কমাতে, নির্ভুলতা বাড়াতে এবং
    XTAG347 এর ক্ষমতা বৃদ্ধি করে AI এজেন্ট তৈরি করতে প্রস্তুত যা আপনার ব্যবসায়িক ক্রিয়াকলাপকে রূপান্তরিত করে?info@workstation.co.ukএ আমাদের সাথে যোগাযোগ করুন আপনার প্রয়োজনীয়তা নিয়ে আলোচনা করতে এবং আমাদের দল কীভাবে আপনার AI এজেন্ট দৃষ্টিকে জীবন্ত করে তুলতে পারে তা দেখতে।