شروع سے AI ایجنٹوں کی تعمیر: آرکیٹیکچرز، فریم ورکس، اور بہترین طرز عمل

ایجنٹ ڈیزائن پیٹرنز

کوڈ کی ایک لائن لکھنے سے پہلے، AI ایجنٹس کے لیے بنیادی ڈیزائن کے نمونوں کو سمجھنا ضروری ہے۔ یہ نمونے اس بات کی وضاحت کرتے ہیں کہ ایجنٹ کس طرح کاموں کی وجہ، منصوبہ بندی، اور ان کو انجام دیتا ہے، اور صحیح پیٹرن کا انتخاب آپ کے ایجنٹ کے نظام کی صلاحیتوں اور حدود کا تعین کرتا ہے۔

ReAct پیٹرن (Reasoning + Acting)

ReAct LLM پر مبنی ایجنٹوں کے لیے سب سے زیادہ اپنایا جانے والا پیٹرن ہے۔ یہ استدلال (سوچ) کو اداکاری (آلہ کے استعمال) کے ساتھ ایک مسلسل لوپ میں جوڑتا ہے۔ ہر قدم پر، ایجنٹ:

1. موجودہ حالت کا مشاہدہ کرتا ہے (صارف کا ان پٹ، پچھلے ٹول کے نتائج)
2. اس بارے میں سوچتا ہے کہ آگے کیا کرنا ہے (سلسلہ فکری استدلال)
3. ایک ٹول کو کال کرکے یا جواب فراہم کرکے
XTAG17 کا نتیجہ دوبارہ دیکھیں

ReAct پیٹرن خوبصورت ہے کیونکہ یہ LLM کی متن میں استدلال کرنے کی قدرتی صلاحیت کا فائدہ اٹھاتا ہے جبکہ اس استدلال کو حقیقی دنیا کے مشاہدات میں بنیاد بناتا ہے۔ یہ ان کاموں پر سبقت لے جاتا ہے جہاں اگلا مرحلہ پچھلے ایک کے نتائج پر منحصر ہوتا ہے، جیسے تحقیق، ڈیبگنگ، یا ڈیٹا کا تجزیہ۔

منصوبہ بندی اور عمل درآمد

منصوبہ بندی اور عمل درآمد پیٹرن منصوبہ بندی کو عملدرآمد سے الگ الگ مراحل میں کرتا ہے۔ سب سے پہلے، ایک پلاننگ ایجنٹ کام کا تجزیہ کرتا ہے اور ترتیب شدہ اقدامات کے ساتھ ایک منظم منصوبہ تیار کرتا ہے۔ اس کے بعد، ایک عملدرآمد ایجنٹ ہر قدم کو انجام دیتا ہے، نتائج کی اطلاع منصوبہ ساز کو واپس کرتا ہے۔ منصوبہ ساز نتائج کی بنیاد پر منصوبہ پر نظر ثانی کر سکتا ہے۔

یہ پیٹرن پیچیدہ، کثیر قدمی کاموں کے لیے بہتر ہے جہاں پہلے سے منصوبہ بندی غلطیوں اور ضائع ہونے والی کوششوں کو کم کرتی ہے۔ یہ بہتر شفافیت بھی فراہم کرتا ہے، کیونکہ اس منصوبے پر عمل درآمد شروع ہونے سے پہلے انسان اس کا جائزہ لے سکتے ہیں۔

Tree of Thoughts

ٹری آف تھیٹس ایک ساتھ متعدد استدلال کے راستوں کو تلاش کر کے چین آف تھیٹ استدلال کو بڑھاتا ہے۔ ایجنٹ متعدد امیدواروں کے نقطہ نظر پیدا کرتا ہے، ہر ایک کا جائزہ لیتا ہے، اور مردہ سروں کی کٹائی کے دوران سب سے زیادہ امید افزا راستوں کی پیروی کرتا ہے۔ یہ نمونہ تخلیقی مسائل کے حل اور متعدد درست طریقوں کے ساتھ کاموں کے لیے قابل قدر ہے۔

Reflexion

Reflexion پیٹرن ایجنٹ لوپ میں خود تشخیصی مرحلہ شامل کرتا ہے۔ کسی کام یا ذیلی کام کو مکمل کرنے کے بعد، ایجنٹ اپنے آؤٹ پٹ پر تنقید کرتا ہے، کمزوریوں یا غلطیوں کی نشاندہی کرتا ہے، اور نتیجہ کو بہتر بنانے کے لیے اعادہ کرتا ہے۔ یہ تحریر، کوڈ جنریشن، اور تجزیہ کے کاموں کے لیے خاص طور پر موثر ہے جہاں معیار رفتار سے زیادہ اہمیت رکھتا ہے۔

AI ایجنٹ کے بلڈنگ بلاکس

ہر AI ایجنٹ کے نظام کو چار بنیادی اجزاء کی ضرورت ہوتی ہے جو خود مختار رویے کو فعال کرنے کے لیے مل کر کام کرتے ہیں۔

LLM بیک بون

بڑی زبان کا ماڈل استدلال کے انجن کے طور پر کام کرتا ہے۔ LLM کا انتخاب ایجنٹ کی صلاحیتوں کو نمایاں طور پر متاثر کرتا ہے:

• کلاڈ (Anthropic):پیچیدہ استدلال، ٹول کے استعمال، اور تفصیلی ہدایات پر عمل کرنے پر ایکسل۔ مضبوط حفاظتی خصوصیات اسے حساس آپریشنز کو سنبھالنے والے پروڈکشن ایجنٹس کے لیے موزوں بناتی ہیں تعیناتی اور اخراجات پر مکمل کنٹرول، ان ایجنٹوں کے لیے موزوں ہے جنہیں آن پریمیسس یا زیادہ حجم پر چلانے کی ضرورت ہے

ٹول انٹیگریشن

ٹولز ایجنٹ کو ٹیکسٹ جنریشن سے آگے حقیقی دنیا کے تعامل میں توسیع دیتے ہیں۔ ایک اچھی طرح سے ڈیزائن کردہ ٹول انٹرفیس میں شامل ہیں:

• واضح، وضاحتی ٹول کے نام اور دستاویزات جو LLM کو یہ سمجھنے میں مدد کرتے ہیں کہ ہر ٹول کو کب استعمال کرنا ہے
• سٹرکچرڈ ان پٹ اسکیموں کو توثیق کے ساتھ روکا جاتا ہے تاکہ
کے ہاتھ میں آنے والی خراب کالوں کو روکا جا سکے۔ LLM
• ٹائم آؤٹ اور ریٹ کی حدوں پر عمل کر سکتا ہے تاکہ بھاگ جانے والی کارروائیوں کو روکا جا سکے

میموری سسٹم

ایسے ایجنٹوں کے لیے جو سیشنز میں کام کرتے ہیں یا طویل کاموں کو سنبھالتے ہیں، میموری سسٹم ضروری ہے۔ اس کا استعمال کرتے ہوئے میموری کو لاگو کریں:

• بات چیت کا بفر:گفتگو کی مکمل تاریخ کو LLM سیاق و سباق میں رکھیں (سادہ لیکن سیاق و سباق کی ونڈو کے لحاظ سے محدود)
• سمری میموری:پرانے سیاق و سباق کو دبائیں
• ویکٹر اسٹور:سیمنٹک بازیافت کے لیے اہم معلومات کو ایمبیڈ اور اسٹور کریں جب متعلقہ ہو
• پرسسٹنٹ فائلز:

  سیشن میں برقرار رہنے والی فائلوں میں اہم فیصلے اور حقائق لکھیں۔ آرکیسٹریشن لیئر

  آرکیسٹریشن لیئر ایجنٹ لوپ، ٹول ایگزیکیوشن، ایرر ریکوری، اور بیرونی سسٹمز کے ساتھ تعامل کا انتظام کرتی ہے۔ یہ ہینڈل کرتا ہے:

  • پیغام کی فارمیٹنگ اور LLM
  • ٹول کال پارسنگ، ایگزیکیوشن، اور رزلٹ انجیکشن کے لیے سیاق و سباق کا انتظام
  • دوبارہ کوشش کریں منطق اور خرابی کی بازیابی،
  کی نگرانی، Logg142X کی نگرانی
  • حساس کارروائیوں کے لیے ہیومن ان دی لوپ منظوری

  مرحلہ وار: Python

  میں ایک بنیادی ایجنٹ بنانا آئیے XPythonXPR2 کا استعمال کرتے ہوئے ایک سادہ ReAct ایجنٹ بنائیں۔ یہ مثال فریم ورک کے انحصار کے بغیر بنیادی تصورات کو ظاہر کرتی ہے۔

  مرحلہ 1: اپنے ٹولز کی وضاحت کریں

  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"]
          }
      }
  ]

  مرحلہ 2: ٹول ایگزیکیوشن کو نافذ کریں

  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"

  مرحلہ 3: ایجنٹ لوپ بنائیں

  پیچیدہ ورک فلو کے لیے، سنگل ایجنٹ اکثر کم ہوتے ہیں۔ ملٹی ایجنٹ سسٹم کام کو خصوصی ایجنٹوں میں تقسیم کرتے ہیں جو مسائل کو حل کرنے میں تعاون کرتے ہیں۔

  سیکوینشل پائپ لائن

  ایجنٹس کاموں کو ایک لکیری ترتیب میں پروسیس کرتے ہیں، ہر ایک اپنا آؤٹ پٹ اگلے تک پہنچاتا ہے۔ مثال کے طور پر: ریسرچ ایجنٹ معلومات جمع کرتا ہے، تجزیہ ایجنٹ اس پر کارروائی کرتا ہے، رائٹنگ ایجنٹ حتمی رپورٹ تیار کرتا ہے۔ یہ نمونہ سادہ اور پیش قیاسی ہے لیکن اس میں ہم آہنگی کا فقدان ہے۔

  سپروائزر پیٹرن

  ایک سپروائزر ایجنٹ ورکر ایجنٹوں کی ایک ٹیم کا انتظام کرتا ہے، کاموں کو تفویض کرنا اور نتائج کو جمع کرنا۔ نگران موجودہ کام کی ضروریات کی بنیاد پر فیصلہ کرتا ہے کہ کس کارکن کو شامل کرنا ہے۔ یہ پیٹرن مضبوط کنٹرول فراہم کرتا ہے اور واضح کردار کی حدود کے ساتھ ورک فلو کے لیے موزوں ہے۔

  تعاونی بحث

  متعدد ایجنٹس ایک منظم بحث میں مشغول ہیں، ہر ایک اپنے مخصوص نقطہ نظر میں حصہ ڈالتا ہے۔ ایک ماڈریٹر ایجنٹ گفتگو کے بہاؤ کا انتظام کرتا ہے اور حتمی پیداوار کی ترکیب کرتا ہے۔ یہ نمونہ ان کاموں پر سبقت لے جاتا ہے جن میں متنوع مہارت کی ضرورت ہوتی ہے، جیسے کوڈ کا جائزہ یا اسٹریٹجک منصوبہ بندی۔

  Hierarchical Delegation

  ایجنٹوں کو ایک درجہ بندی میں منظم کیا جاتا ہے جہاں اعلی سطحی ایجنٹ کاموں کو توڑ دیتے ہیں اور نچلے درجے کے ماہرین کو تفویض کرتے ہیں۔ ہر سطح کو مزید گلنا اور تفویض کرنا، مربوط کام کا ایک درخت بنا سکتا ہے۔ یہ پیٹرن بڑے، پیچیدہ منصوبوں کے لیے اچھی طرح سے ترازو کرتا ہے۔

  ایویلیوایشن اینڈ ٹیسٹنگ AI ایجنٹس

  ٹیسٹنگ AI ایجنٹس بنیادی طور پر LLM آؤٹ پٹس کی غیر مقررہ نوعیت کی وجہ سے روایتی سافٹ ویئر کی جانچ سے مختلف ہے۔

  یونٹ ٹیسٹنگ ٹولز

  ہر ٹول کو معلوم ان پٹ اور متوقع آؤٹ پٹس کے ساتھ الگ تھلگ ٹیسٹ کریں۔ ٹول ٹیسٹس کو تعییناتی ہونا چاہیے اور اس میں خرابی کے حالات، خراب ان پٹ، اور ٹائم آؤٹ کے منظرنامے سمیت ایج کیسز کا احاطہ کرنا چاہیے۔

  ٹریجیکٹری ٹیسٹنگ

  ان کارروائیوں کی ترتیب کو ریکارڈ کریں اور اس کا اندازہ کریں جو ایک ایجنٹ کسی کام کو مکمل کرنے کے لیے لیتا ہے۔ اچھے ٹریجیکٹری ٹیسٹ اس بات کی تصدیق کرتے ہیں کہ ایجنٹ ایک معقول راستہ اختیار کرتا ہے، نہ صرف یہ کہ وہ صحیح جواب تک پہنچتا ہے۔ ماہرین کی طرف سے طے شدہ سنہری راستوں سے رفتار کا موازنہ کریں۔

  اینڈ ٹو اینڈ ایویلیوایشن

  مکمل ایجنٹ کو معلوم درست نتائج کے ساتھ کاموں کے بینچ مارک سوٹ کے خلاف چلائیں۔ کامیابی کی شرح، اقدامات کی اوسط تعداد، ٹول کال کی کارکردگی، اور فی کام لاگت کی پیمائش کریں۔ ریگریشنز کا پتہ لگانے کے لیے وقت کے ساتھ ساتھ ان میٹرکس کو ٹریک کریں۔

  مخالفانہ ٹیسٹنگ

  ٹیسٹ ایجنٹ جس میں مخالفانہ ان پٹ شامل ہیں بشمول فوری انجیکشن کی کوششیں، مبہم ہدایات، ناممکن کام، اور متضاد تقاضے۔ اس بات کی توثیق کریں کہ ایجنٹ نقصان دہ آؤٹ پٹ پیدا کیے بغیر یا لامحدود لوپس میں داخل کیے بغیر ان کو خوبصورتی سے ہینڈل کرتا ہے۔

  پروڈکشن تعیناتی کے تحفظات

  AI ایجنٹوں کو پروٹو ٹائپ سے پروڈکشن میں منتقل کرنے کے لیے کئی اہم خدشات کو دور کرنے کی ضرورت ہے۔

  لاگت کا انتظام

  LLM API کالز AI ایجنٹس کے لیے بنیادی لاگت کا ڈرائیور ہیں۔ لاگت کو کنٹرول کریں بذریعہ:

  • فی ٹاسک کی زیادہ سے زیادہ تکرار کی حدیں طے کرنا
  • معمول کے استدلال کے لیے چھوٹے ماڈلز اور پیچیدہ فیصلوں کے لیے بڑے ماڈلز کا استعمال کرنا
  • بار بار ٹول کالز کے لیے کیشنگ کو نافذ کرنا فی ٹاسک لاگت اور سیٹنگ بجٹ الرٹس

  قابل اعتماد اور خرابی کی بازیابی

  پروڈکشن ایجنٹوں کو ناکامیوں کو خوش اسلوبی سے ہینڈل کرنا چاہیے:

  • ایکسپوینٹشل بیک آف ایکس پی آر 6 ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکس ایکسوموموموم جگہ میں لاگت کی لاگت
  • ڈیزائن فال بیک حکمت عملی جب پرائمری ٹولز دستیاب نہ ہوں
  • کاسکیڈنگ کی ناکامیوں کو روکنے کے لیے سرکٹ بریکرز شامل کریں
  • ڈیبگنگ اور آڈٹ ٹریلز کے لیے تمام ایجنٹ ایکشنز کو لاگ کریں ایجنٹوں کو نقصان دہ کارروائیوں سے روکنے کے لیے حفاظتی طریقہ کار متعین کریں:
    • زیادہ اثر والے آپریشنز (مالی لین دین، ڈیٹا کو حذف کرنا، بیرونی مواصلات) کے لیے انسانی منظوری درکار ہے
    • سسٹم سے نکلنے سے پہلے حساس معلومات کو پکڑنے کے لیے آؤٹ پٹ فلٹرنگ شامل کریں
    • ایجنٹ کے غیر معمولی رویے کے لیے مانیٹرنگ الرٹس مرتب کریں
      • ہر ایجنٹ کے عمل کو ٹریس کریں بشمول تمام استدلال کے مراحل، ٹول کالز، اور فیصلے
      • ٹریک لیٹینسی، ٹوکن کا استعمال، اور لاگت فی تعامل
      • مختلف ٹاسک اقسام میں کامیابی کی شرحوں اور ناکامی کے طریقوں کی نگرانی کریں جو کہ ٹیم کو حقیقی وقت فراہم کرتی ہے۔ ایجنٹ کی صحت میں مرئیت

      Workstation کس طرح کسٹم AI ایجنٹ سلوشنز بناتا ہے

      Workstation پر، ہمارے پاس صنعتوں میں کاروباروں کے لیے پروڈکشن AI ایجنٹ کے نظام کو ڈیزائن اور تعینات کرنے میں گہری مہارت ہے۔ ہمارے نقطہ نظر میں شامل ہیں:

      • دریافت اور ڈیزائن:ہم آپ کی ٹیم کے ساتھ مل کر اعلی قیمت والے آٹومیشن کے مواقع اور ڈیزائن ایجنٹ فن تعمیر کی نشاندہی کرنے کے لیے کام کرتے ہیں جو آپ کے موجودہ انفراسٹرکچر کے ساتھ مربوط ہوتے ہیں پروٹوٹائپس تیزی سے، آپ کو صلاحیتوں کا جائزہ لینے اور مکمل ترقی کا عہد کرنے سے پہلے تاثرات فراہم کرنے کی اجازت دیتا ہے
      • پروڈکشن انجینئرنگ:ہماری ٹیم پروڈکشن کی تعیناتی کی پیچیدگیوں کو سنبھالتی ہے جس میں وشوسنییتا، سیکورٹی، لاگت کی اصلاح، اور نگرانی
      کسٹم ٹول

      XXTAG39 کسٹم ڈیولپمنٹ: مخصوص ٹولز جو آپ کے AI ایجنٹوں کو اندرونی سسٹمز، ڈیٹا بیس، APIs، اور فریق ثالث کی خدمات سے جوڑتے ہیں

      • جاری اصلاح:ہم آپ کے ایجنٹ کے نظام کی مسلسل نگرانی اور بہتری کرتے ہیں، لاگت کو کم کرتے ہیں، درستگی میں اضافہ کرتے ہیں، اور
    کی صلاحیتوں کو بڑھاتے ہیں۔ آپ کے کاروباری کاموں کو تبدیل کرنے والے AI ایجنٹس بنانے کے لیے تیار ہیں؟ اپنی ضروریات پر بات کرنے کے لیے ہم سےinfo@workstation.co.ukپر رابطہ کریں اور دیکھیں کہ ہماری ٹیم آپ کے AI ایجنٹ کے وژن کو کیسے زندہ کر سکتی ہے۔