অটোজেনের সাথে কীভাবে বাস্তব-বিশ্ব এআই ওয়ার্কফ্লো তৈরি করবেন: ধাপে ধাপে নির্দেশিকা

তাহলে, আপনি বড় ল্যাঙ্গুয়েজ মডেলের সাথে খেলছেন এবং আপনার অ্যাপে জেনারেটিভ এআই সংহত করতে শুরু করেছেন? এটা অসাধারণ! কিন্তু বাস্তব হতে দিন. এলএলএম সবসময় আমরা যেভাবে চাই সেভাবে আচরণ করে না। ওরা নিজেদের মন নিয়ে দুষ্ট বাচ্চাদের মত!

আপনি শীঘ্রই বুঝতে পারবেন যে সহজ প্রম্পট চেইন যথেষ্ট নয়। কখনও কখনও, আমাদের আরও কিছু প্রয়োজন। কখনও কখনও, আমাদের মাল্টি-এজেন্ট ওয়ার্কফ্লো প্রয়োজন! সেখানেই অটোজেন আসে।

একটা উদাহরণ নেওয়া যাক। কল্পনা করুন যে আপনি একটি নোট নেওয়ার অ্যাপ তৈরি করছেন (স্পষ্টতই, বিশ্বে সেগুলি যথেষ্ট নেই। 😝)। কিন্তু আরে, আমরা বিশেষ কিছু করতে চাই। আমরা একজন ব্যবহারকারীর দেওয়া সাধারণ, কাঁচা নোটটি নিতে চাই এবং এটিকে একটি সম্পূর্ণ পুনর্গঠিত নথিতে পরিণত করতে চাই, একটি সারসংক্ষেপ, একটি ঐচ্ছিক শিরোনাম এবং কাজের একটি স্বয়ংক্রিয় করণীয় তালিকা সহ সম্পূর্ণ। এবং আমরা ঘাম না ভেঙে এই সব করতে চাই - ভাল, অন্তত আপনার এআই এজেন্টদের জন্য।

ঠিক আছে, এখন, আমি জানি আপনি কি ভাবছেন - "এগুলো কি রুকি প্রোগ্রামের মতো নয়?" তার জন্য, আমি বলি, আপনি ঠিক বলেছেন। মানে… কিন্তু ঠিক! কিন্তু কর্মপ্রবাহের সরলতার দ্বারা প্রতারিত হবেন না। আপনি এখানে যে দক্ষতাগুলি শিখবেন - যেমন AI এজেন্ট পরিচালনা করা, ওয়ার্কফ্লো নিয়ন্ত্রণ প্রয়োগ করা এবং কথোপকথনের ইতিহাস পরিচালনা করা - আপনাকে আপনার AI গেমটিকে পরবর্তী স্তরে নিয়ে যেতে সাহায্য করবে৷

তাই আঁকড়ে ধরুন, কারণ আমরা শিখব কিভাবে অটোজেন ব্যবহার করে এআই ওয়ার্কফ্লো করা যায়!

আমরা শুরু করার আগে, মনে রাখবেন যে আপনি GitHub- এ সমস্ত সোর্স কোডের একটি লিঙ্ক খুঁজে পেতে পারেন।

কাস্টম ওয়ার্কফ্লো তৈরি করা

প্রথম ব্যবহার-কেস দিয়ে শুরু করা যাক - "একটি শর্তযুক্ত শিরোনাম অনুসরণ করে নোটের জন্য একটি সারাংশ তৈরি করা"। ন্যায্যভাবে বলতে গেলে, আমাদের এখানে এজেন্ট ব্যবহার করার দরকার নেই। কিন্তু আরে, আমরা ঠিক কোথাও শুরু করতে হবে?

ধাপ 1: আমাদের বেস এলএলএম কনফিগারেশন তৈরি করা

AutoGen এর মত এজেন্টিক ফ্রেমওয়ার্কের জন্য সবসময় আমাদের মডেল প্যারামিটার কনফিগার করতে হয়। আমরা ব্যবহার করার জন্য মডেল এবং ফলব্যাক মডেল, তাপমাত্রা এবং এমনকি টাইমআউট এবং ক্যাশিংয়ের মতো সেটিংস সম্পর্কে কথা বলছি। অটোজেনের ক্ষেত্রে, সেই সেটিংটি এরকম কিছু দেখায়:

 # build the gpt_configuration object base_llm_config = { "config_list": [ { "model": "Llama-3-8B-Instruct", "api_key": os.getenv("OPENAI_API_KEY"), "base_url": os.getenv("OPENAI_API_URL"), } ], "temperature": 0.0, "cache_seed": None, "timeout": 600, }

আপনি দেখতে পাচ্ছেন, আমি একজন বিশাল ওপেন-সোর্স এআই ফ্যানবয় এবং লামা 3 দ্বারা শপথ করছি। আপনি কেবল api_key এবং base_url মানগুলি কনফিগার করে যেকোন OpenAI- সামঞ্জস্যপূর্ণ ইনফারেন্স সার্ভারে AutoGen পয়েন্ট করতে পারেন। তাই, স্থানীয়ভাবে আপনার মডেল হোস্ট করতে Groq, Together.ai, এমনকি vLLM ব্যবহার করতে দ্বিধা বোধ করুন। আমি Inferix ব্যবহার করছি।

এটা সত্যিই যে সহজ!

আমি কৌতূহলী! আপনি কি ওপেন সোর্স এআই হোস্টিংয়ের জন্য অনুরূপ গাইডে আগ্রহী হবেন? আমাকে মন্তব্যে জানাতে.

ধাপ 2: আমাদের এজেন্ট তৈরি করা

AutoGen-এ কথোপকথনমূলক এজেন্ট শুরু করা বেশ সোজা; কেবল একটি সিস্টেম বার্তা সহ বেস এলএলএম কনফিগারেশন সরবরাহ করুন এবং আপনি যেতে পারবেন।

 import autogen def get_note_summarizer(base_llm_config: dict): # A system message to define the role and job of our agent system_message = """You are a helpful AI assistant. The user will provide you a note. Generate a summary describing what the note is about. The summary must follow the provided "RULES". "RULES": - The summary should be not more than 3 short sentences. - Don't use bullet points. - The summary should be short and concise. - Identify and retain any "catchy" or memorable phrases from the original text - Identify and correct all grammatical errors. - Output the summary and nothing else.""" # Create and return our assistant agent return autogen.AssistantAgent( name="Note_Summarizer", # Lets give our agent a nice name llm_config=base_llm_config, # This is where we pass the llm configuration system_message=system_message, ) def get_title_generator(base_llm_config: dict): # A system message to define the role and job of our agent system_message = """You are a helpful AI assistant. The user will provide you a note along with a summary. Generate a title based on the user's input. The title must be witty and easy to read. The title should accurate present what the note is about. The title must strictly be less than 10 words. Make sure you keep the title short. Make sure you print the title and nothing else. """ # Create and return our assistant agent return autogen.AssistantAgent( name="Title_Generator", llm_config=base_llm_config, system_message=system_message, )

এজেন্ট তৈরির সবচেয়ে গুরুত্বপূর্ণ অংশ হল system_message । আমার এজেন্ট কনফিগার করার জন্য আমি যে system_message ব্যবহার করেছি তা দেখার জন্য একটু সময় নিন।

এটা মনে রাখা গুরুত্বপূর্ণ যে AutoGen-এ AI এজেন্টরা যেভাবে কাজ করে তা হল একটি কথোপকথনে অংশগ্রহণ করার মাধ্যমে। তারা যেভাবে কথোপকথনটি ব্যাখ্যা করে এবং এগিয়ে নিয়ে যায় তা সম্পূর্ণভাবে নির্ভর করে তাদের সাথে কনফিগার করা system_message উপর। এটি এমন একটি জায়গা যেখানে আপনি জিনিসগুলি ঠিক করার জন্য কিছু সময় ব্যয় করবেন।

আমাদের আরও একজন এজেন্ট দরকার। আমাদের মানুষের জন্য প্রক্সি হিসাবে কাজ করার জন্য একজন এজেন্ট। একটি এজেন্ট যা "নোট" এর প্রাথমিক প্রম্পট হিসাবে কথোপকথন শুরু করতে পারে।

 def get_user(): # A system message to define the role and job of our agent system_message = "A human admin. Supplies the initial prompt and nothing else." # Create and return our user agent return autogen.UserProxyAgent( name="Admin", system_message=system_message, human_input_mode="NEVER", # We don't want interrupts for human-in-loop scenarios code_execution_config=False, # We definitely don't want AI executing code. default_auto_reply=None, )

এখানে অভিনব কিছু হচ্ছে না। শুধু মনে রাখবেন যে আমি default_auto_reply প্যারামিটারটি None এ সেট করেছি। এটা গুরুত্বপূর্ণ. এটিকে কোনোটিতে সেট না করা নিশ্চিত করে যে যখনই ব্যবহারকারী এজেন্টকে একটি বার্তা পাঠানো হয় তখন কথোপকথন শেষ হয়৷

ওহো, আমি সেই এজেন্ট তৈরি করতে সম্পূর্ণ ভুলে গেছি। এর বাস্তব দ্রুত কি করা যাক.

 # Create our agents user = get_user() note_summarizer = get_note_summarizer(base_llm_config) title_generator = get_title_generator(base_llm_config)

ধাপ 3: একটি GroupChat ব্যবহার করে এজেন্ট সমন্বয় সেটআপ করুন

ধাঁধার চূড়ান্ত অংশটি আমাদের এজেন্টদের সমন্বয় সাধন করছে। আমাদের তাদের অংশগ্রহণের ক্রম নির্ধারণ করতে হবে এবং কোন এজেন্টদের উচিত তা নির্ধারণ করতে হবে।

ঠিক আছে, এটা একাধিক টুকরা. কিন্তু আপনি বিন্দু পেতে! 🙈

একটি সম্ভাব্য সমাধান হ'ল এজেন্টরা যে ক্রমটিতে অংশ নেয় তা এআইকে বের করতে দেওয়া। এটি একটি খারাপ ধারণা নয়. আসলে, জটিল সমস্যা মোকাবেলা করার সময় এটি আমার যাওয়ার বিকল্প যেখানে কর্মপ্রবাহের প্রকৃতি গতিশীল।

যাইহোক, এই পদ্ধতির তার অসুবিধা আছে। বাস্তবতা আবার আঘাত! এই সিদ্ধান্তগুলি নেওয়ার জন্য দায়ী এজেন্টের প্রায়ই একটি বড় মডেলের প্রয়োজন হয়, যার ফলে উচ্চতর বিলম্ব এবং খরচ হয়। উপরন্তু, একটি ঝুঁকি আছে যে এটি ভুল সিদ্ধান্ত নিতে পারে।

নির্ধারক কর্মপ্রবাহের জন্য, যেখানে আমরা সময়ের আগে পদক্ষেপের ক্রমটি জানি, আমি লাগাম ধরতে এবং নিজেকে জাহাজ পরিচালনা করতে পছন্দ করি। ভাগ্যক্রমে, অটোজেন GroupChat নামক একটি সুবিধাজনক বৈশিষ্ট্য সহ এই ব্যবহারের ক্ষেত্রে সমর্থন করে।

 from autogen import GroupChatManager from autogen.agentchat.groupchat import GroupChat from autogen.agentchat.agent import Agent def get_group_chat(agents, generate_title: bool = False): # Define the function which decides the agent selection order def speaker_selection_method(last_speaker: Agent, group_chat: GroupChat): # The admin will always forward the note to the summarizer if last_speaker.name == "Admin": return group_chat.agent_by_name("Note_Summarizer") # Forward the note to the title generator if the user wants a title if last_speaker.name == "Note_Summarizer" and generate_title: return group_chat.agent_by_name("Title_Generator") # Handle the default case - exit return None return GroupChat( agents=agents, messages=[], max_round=3, # There will only be 3 turns in this group chat. The group chat will exit automatically post that. speaker_selection_method=speaker_selection_method, )

একটি হোয়াটসঅ্যাপ গ্রুপ হিসাবে একটি GroupChat কল্পনা করুন যেখানে সমস্ত এজেন্ট চ্যাট করতে এবং সহযোগিতা করতে পারে৷ এই সেটআপ এজেন্টদের একে অপরের কাজ তৈরি করতে দেয়। GroupChat ক্লাসের সাথে গ্রুপচ্যাট GroupChatManager নামক একটি সঙ্গী ক্লাস গ্রুপ অ্যাডমিনদের মতো কাজ করে, প্রত্যেক এজেন্ট যে সমস্ত বার্তা পাঠায় তার ট্র্যাক রাখে যাতে সবাই কথোপকথনের ইতিহাসের সাথে লুপ থাকে।

উপরের কোড স্নিপেটে, আমরা একটি কাস্টম speaker_selection_method সহ একটি GroupChat তৈরি করেছি। speaker_selection_method আমাদের কাস্টম ওয়ার্কফ্লো নির্দিষ্ট করতে দেয়। এখানে একই একটি চাক্ষুষ উপস্থাপনা.

যেহেতু speaker_selection_method মূলত একটি পাইথন ফাংশন, তাই আমরা এটি দিয়ে যা চাই তা করতে পারি! এটি আমাদের কিছু সত্যিই শক্তিশালী কর্মপ্রবাহ তৈরি করতে সাহায্য করে। উদাহরণস্বরূপ, আমরা পারি:

• একে অপরের কাজ যাচাই করার জন্য এজেন্টদের জুড়ুন।
• একটি "সমস্যা নিবারক" এজেন্ট জড়িত করুন যদি পূর্ববর্তী কোনো এজেন্ট একটি ত্রুটি আউটপুট করে।
• বাহ্যিক সিস্টেমে ওয়েবহুকগুলিকে ট্রিগার করুন যাতে করা অগ্রগতি সম্পর্কে তাদের জানাতে।

সম্ভাবনা কল্পনা করুন! 😜

ধাপ 4: এটি সব সেট আপ করা এবং কথোপকথন শুরু করা

শেষ ধাপ হল GroupChat এর একটি উদাহরণ তৈরি করা, এটিকে একটি GroupChatManager মধ্যে গুটিয়ে রাখা এবং কথোপকথন শুরু করা।

 # Create our group chat groupchat = get_group_chat([user, note_summarizer, title_generator], generate_title=True) manager = autogen.GroupChatManager(groupchat=groupchat, llm_config=base_llm_config) # Start the chat user.initiate_chat( manager, clear_history=True, message=note, )

দ্রষ্টব্য: ব্যবহারকারী GroupChatManager সাথে চ্যাট করছেন , পৃথক এজেন্ট নয়। চূড়ান্ত উত্তর প্রদানের জন্য কোন এজেন্ট কথোপকথনে যোগ দেবে তার কোনো ধারণা নেই। লুকোচুরি, ডান?

আউটপুট এই মত কিছু দেখাবে:

 Admin (to chat_manager): Note: Convo with editor: - discuss titles and thumbnails - discuss video editing tips tracker - Zeeshan presents the tracker - what trick helps with what - he decidedls if we can experiment with something new - make sure all all videos since how config management works in k8s are backed u - make list of YouTube thumbnail templates - make list of YouTube idea generation limits -------------------------------------------------------------------------------- Next speaker: Note_Summarizer Note_Summarizer (to chat_manager): The note is about a conversation with an editor regarding video production. They discussed titles and thumbnails, as well as a video editing tips tracker presented by Zeeshan, which highlights tricks for specific tasks. Additionally, they ensured that all videos on Kubernetes configuration management are backed up and created lists of YouTube thumbnail templates and idea generation limits. -------------------------------------------------------------------------------- Next speaker: Title_Generator Title_Generator (to chat_manager): "Video Production Chat: Titles, Thumbnails, and Editing Tips" --------------------------------------------------------------------------------

কথোপকথনের নিয়ন্ত্রণ নেওয়া

পরবর্তীতে, আমরা চূড়ান্ত ব্যবহারের ক্ষেত্রে ডুব দেব: একটি প্রদত্ত "নোট" নেওয়া, আরও স্পষ্টতার জন্য এটিকে পুনর্গঠন করা, এবং তারপর ব্যবহারকারীর জন্য একটি কার্য তালিকা তৈরি করা।

এখানে আমরা কিভাবে এটি সম্পর্কে যেতে যাচ্ছি:

আমরা নোটে কভার করা বিষয়গুলির একটি তালিকা চিহ্নিত করে শুরু করব। এই তালিকাটি পুরো প্রক্রিয়ার পিছনে চালিকা শক্তি। এটি পুনরায় ফর্ম্যাট করা নোটের জন্য বিভাগগুলি স্থাপন করে এবং আমাদের তৈরি করা কাজের জন্য বিশদ স্তর নির্ধারণ করে।

শুধু একটি ছোট সমস্যা আছে. Paraphrazer এবং Task_Creator এজেন্ট একে অপরের আউটপুট সম্পর্কে সত্যিই চিন্তা করে না। তারা শুধুমাত্র Topic_Analyzer আউটপুট সম্পর্কে যত্নশীল।

সুতরাং, কথোপকথনের ইতিহাসকে বিশৃঙ্খল থেকে এই এজেন্টদের প্রতিক্রিয়াগুলিকে রক্ষা করার জন্য আমাদের একটি উপায় দরকার, নতুবা এটি সম্পূর্ণ বিশৃঙ্খলা হবে। আমরা ইতিমধ্যে কর্মপ্রবাহের নিয়ন্ত্রণ নিয়েছি; এখন, কথোপকথনের ইতিহাসের বস হওয়ার সময় এসেছে! 😎

ধাপ 1: এজেন্ট তৈরি করা

প্রথম জিনিস প্রথমে, আমাদের এজেন্ট সেট আপ করতে হবে। আমি আপনাকে বিশদ বিবরণ দিয়ে বিরক্ত করতে যাচ্ছি না তাই এখানে কোডটি রয়েছে:

 def get_topic_analyzer(base_llm_config: dict): # A system message to define the role and job of our agent system_message = """You are a helpful AI assistant. The user will provide you a note. Generate a list of topics discussed in that note. The output must obey the following "RULES": "RULES": - Output should only contain the important topics from the note. - There must be atleast one topic in output. - Don't reuse the same text from user's note. - Don't have more than 10 topics in output.""" # Create and return our assistant agent return autogen.AssistantAgent( name="Topic_Analyzer", llm_config=base_llm_config, system_message=system_message, ) def get_paraphrazer(base_llm_config: dict): # A system message to define the role and job of our agent system_message = """You are a helpful AI content editor. The user will provide you a note along with a summary. Rewrite that note and make sure you cover everything in the note. Do not include the title. The output must obey the following "RULES": "RULES": - Output must be in markdown. - Make sure you use each points provided in summary as headers. - Each header must start with `##`. - Headers are not bullet points. - Each header can optionally have a list of bullet points. Don't put bullet points if the header has no content. - Strictly use "-" to start bullet points. - Optionally make an additional header named "Addional Info" to cover points not included in the summary. Use "Addional Info" header for unclassified points. - Identify and correct spelling & grammatical mistakes.""" # Create and return our assistant agent return autogen.AssistantAgent( name="Paraphrazer", llm_config=base_llm_config, system_message=system_message, ) def get_tasks_creator(base_llm_config: dict): # A system message to define the role and job of our agent system_message = """You are a helpful AI personal assistant. The user will provide you a note along with a summary. Identify each task the user has to do as next steps. Make sure to cover all the action items mentioned in the note. The output must obey the following "RULES": "RULES": - Output must be an YAML object with a field named tasks. - Make sure each task object contains fields title and description. - Extract the title based on the tasks the user has to do as next steps. - Description will be in markdown format. Feel free to include additional formatting and numbered lists. - Strictly use "-" or "dashes" to start bullet points in the description field. - Output empty tasks array if no tasks were found. - Identify and correct spelling & grammatical mistakes. - Identify and fix any errors in the YAML object. - Output should strictly be in YAML with no ``` or any additional text.""" # Create and return our assistant agent return autogen.AssistantAgent( name="Task_Creator", llm_config=base_llm_config, system_message=system_message, )

ধাপ 2: একটি কাস্টম GroupChat তৈরি করুন

দুর্ভাগ্যবশত. AutoGen আমাদের সরাসরি কথোপকথনের ইতিহাস নিয়ন্ত্রণ করতে দেয় না। সুতরাং, আমাদের কাস্টম বাস্তবায়নের সাথে GroupChat ক্লাসকে এগিয়ে নিয়ে যেতে হবে।

 class CustomGroupChat(GroupChat): def __init__(self, agents): super().__init__(agents, messages=[], max_round=4) # This function get's invoked whenever we want to append a message to the conversation history. def append(self, message: Dict, speaker: Agent): # We want to skip messages from the Paraphrazer and the Task_Creator if speaker.name != "Paraphrazer" and speaker.name != "Task_Creator": super().append(message, speaker) # The `speaker_selection_method` now becomes a function we will override from the base class def select_speaker(self, last_speaker: Agent, selector: AssistantAgent): if last_speaker.name == "Admin": return self.agent_by_name("Topic_Analyzer") if last_speaker.name == "Topic_Analyzer": return self.agent_by_name("Paraphrazer") if last_speaker.name == "Paraphrazer": return self.agent_by_name("Task_Creator") # Return the user agent by default return self.agent_by_name("Admin")

আমরা বেস GroupChat ক্লাস থেকে দুটি ফাংশন ওভাররাইড করি:

• append - এটি কথোপকথনের ইতিহাসে কোন বার্তা যুক্ত করা হয় তা নিয়ন্ত্রণ করে।
• select_speaker - এটি speaker_selection_method নির্দিষ্ট করার আরেকটি উপায়।

কিন্তু অপেক্ষা করুন, অটোজেনের কোডের আরও গভীরে যাওয়ার পর, আমি বুঝতে পেরেছি যে GroupChatManager প্রতিটি এজেন্টকে কথোপকথনের ইতিহাসও বজায় রাখতে বাধ্য করে। কেন আমাকে জিজ্ঞাসা করবেন না. আমি সত্যিই জানি না!

সুতরাং, আসুন এটি ঠিক করতে GroupChatManager কেও প্রসারিত করি:

 class CustomGroupChatManager(GroupChatManager): def __init__(self, groupchat, llm_config): super().__init__(groupchat=groupchat, llm_config=llm_config) # Don't forget to register your reply functions self.register_reply(Agent, CustomGroupChatManager.run_chat, config=groupchat, reset_config=GroupChat.reset) def run_chat( self, messages: Optional[List[Dict]] = None, sender: Optional[Agent] = None, config: Optional[GroupChat] = None, ) -> Union[str, Dict, None]: """Run a group chat.""" if messages is None: messages = self._oai_messages[sender] message = messages[-1] speaker = sender groupchat = config for i in range(groupchat.max_round): # set the name to speaker's name if the role is not function if message["role"] != "function": message["name"] = speaker.name groupchat.append(message, speaker) if self._is_termination_msg(message): # The conversation is over break # We do not want each agent to maintain their own conversation history history # broadcast the message to all agents except the speaker # for agent in groupchat.agents: # if agent != speaker: # self.send(message, agent, request_reply=False, silent=True) # Pro Tip: Feel free to "send" messages to the user agent if you want to access the messages outside of autogen for agent in groupchat.agents: if agent.name == "Admin": self.send(message, agent, request_reply=False, silent=True) if i == groupchat.max_round - 1: # the last round break try: # select the next speaker speaker = groupchat.select_speaker(speaker, self) # let the speaker speak # We'll now have to pass their entire conversation of messages on generate_reply # Commented OG code: reply = speaker.generate_reply(sender=self) reply = speaker.generate_reply(sender=self, messages=groupchat.messages) except KeyboardInterrupt: # let the admin agent speak if interrupted if groupchat.admin_name in groupchat.agent_names: # admin agent is one of the participants speaker = groupchat.agent_by_name(groupchat.admin_name) # We'll now have to pass their entire conversation of messages on generate_reply # Commented OG code: reply = speaker.generate_reply(sender=self) reply = speaker.generate_reply(sender=self, messages=groupchat.messages) else: # admin agent is not found in the participants raise if reply is None: break # The speaker sends the message without requesting a reply speaker.send(reply, self, request_reply=False) message = self.last_message(speaker) return True, None

আমি মূল বাস্তবায়নে কিছু ছোটখাট সম্পাদনা করেছি। আপনি আরও জানতে মন্তব্য অনুসরণ করতে সক্ষম হওয়া উচিত.

কিন্তু আমি সত্যিই জোর দিতে চাই একটি জিনিস আছে. Apache Airflow বা Temporal এর মতো আপনার নিজস্ব ওয়ার্কফ্লো ইঞ্জিনে প্লাগইন করার জন্য আপনি GroupChatManager-এর "run_chat" পদ্ধতিকে ওভাররাইড করতে পারেন। ডিস্ট্রিবিউটেড সিস্টেমের অনুশীলনকারীরা জানেন যে এই ক্ষমতা কতটা শক্তিশালী!

ধাপ 3: এটি সব সেট আপ করা এবং কথোপকথন শুরু করা

আমরা পূর্ববর্তী উদাহরণের মত এই সব সেট আপ এবং এই শিশু purrr দেখুন! 🐱

 # Create our agents user = get_user() topic_analyzer = get_topic_analyzer(base_llm_config) paraphrazer = get_paraphrazer(base_llm_config) task_creator = get_tasks_creator(base_llm_config) # Create our group chat groupchat = CustomGroupChat(agents=[user, topic_analyzer, paraphrazer, task_creator]) manager = CustomGroupChatManager(groupchat=groupchat, llm_config=base_llm_config) # Start the chat user.initiate_chat( manager, clear_history=True, message=note, ) # Lets print the count of tasks just for fun chat_messages = user.chat_messages.get(manager) if chat_messages is not None: for message in chat_messages: if message.get("name") == "Task_Creator": taskList = yaml.safe_load(message.get("content")) # type: ignore l = len(taskList.get("tasks")) print(f"Got {l} tasks from Task_Creator.")

আউটপুট এই মত কিছু দেখাবে:

 Admin (to chat_manager): Note: Convo with editor: - discuss titles and thumbnails - discuss video editing tips tracker - Zeeshan presents the tracker - what trick helps with what - he decidedls if we can experiment with something new - make sure all all videos since how config management works in k8s are backed u - make list of YouTube thumbnail templates - make list of YouTube idea generation limits -------------------------------------------------------------------------------- Topic_Analyzer (to chat_manager): Here is the list of topics discussed in the note: 1. Titles 2. Thumbnails 3. Video editing tips 4. Config management in Kubernetes (k8s) 5. YouTube thumbnail templates 6. YouTube idea generation limits -------------------------------------------------------------------------------- Paraphrazer (to chat_manager): Here is the rewritten note in markdown format: ## Titles - Discuss titles and thumbnails with the editor ## Video Editing Tips Tracker ### Zeeshan presents the tracker - What trick helps with what - He decides if we can experiment with something new ## Config Management in Kubernetes (k8s) - Make sure all videos since how config management works in k8s are backed up ## YouTube Thumbnail Templates - Make a list of YouTube thumbnail templates ## YouTube Idea Generation Limits - Make a list of YouTube idea generation limits ## Additional Info - Discuss video editing tips tracker with Zeeshan - Present the tracker and decide if we can experiment with something new -------------------------------------------------------------------------------- Task_Creator (to chat_manager): tasks: - title: Discuss Titles and Thumbnails description: >- - Discuss titles and thumbnails with the editor This task involves having a conversation with the editor to discuss the titles and thumbnails for the videos. - title: Discuss Video Editing Tips Tracker description: >- - Zeeshan presents the tracker - Discuss what trick helps with what - Decide if we can experiment with something new This task involves discussing the video editing tips tracker presented by Zeeshan, understanding what tricks help with what, and deciding if it's possible to experiment with something new. - title: Back up All Videos Since How Config Management Works in k8s description: >- - Make sure all videos since how config management works in k8s are backed up This task involves ensuring that all videos related to config management in Kubernetes (k8s) are backed up. - title: Create List of YouTube Thumbnail Templates description: >- - Make list of YouTube thumbnail templates This task involves creating a list of YouTube thumbnail templates. - title: Create List of YouTube Idea Generation Limits description: >- - Make list of YouTube idea generation limits This task involves creating a list of YouTube idea generation limits. -------------------------------------------------------------------------------- Got 5 tasks from Task_Creator.

হ্যাঁ AI-এর যুগে স্বাগতম! (কোথায় সব ভুল হয়েছে? 🤷‍♂️)

উপসংহার

জেনারেটিভ এআই-চালিত অ্যাপ্লিকেশন তৈরি করা কঠিন। তবে এটি সঠিক সরঞ্জাম দিয়ে করা যেতে পারে। সংক্ষিপ্ত করতে:

• এআই এজেন্ট কথোপকথন হিসাবে জটিল সমস্যাগুলি মডেল করার এই আশ্চর্যজনক ক্ষমতা আনলক করে।
• সঠিকভাবে করা হলে, এটি আমাদের AI অ্যাপ্লিকেশনগুলিকে আরও নির্ধারক এবং নির্ভরযোগ্য করে তুলতে সাহায্য করতে পারে৷
• AutoGen- এর মতো টুলগুলি AI এজেন্ট তৈরি করার জন্য আমাদেরকে সহজ বিমূর্ততা সহ একটি কাঠামো প্রদান করে।

পরবর্তী পদক্ষেপ হিসাবে, আপনি AI এজেন্টদের জগতে গভীরভাবে ডুব দিতে নিম্নলিখিত সংস্থানগুলি পরীক্ষা করতে পারেন:

• GitHub রেপো নিজে চেষ্টা করে দেখতে (কোড)
• AutoGen (Docs) ব্যবহার করে কথোপকথনমূলক নিদর্শন বাস্তবায়ন করা