एआई मॉडल और प्लेटफ़ॉर्म
ऑटोजेन: अगली पीढ़ी के बड़े भाषा मॉडल एप्लिकेशन को शक्ति प्रदान करना
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
बड़े भाषा मॉडल (एलएलएम) वर्तमान में मुख्यधारा की एआई में सबसे अधिक चर्चित विषयों में से एक हैं। विश्वभर के डेवलपर एलएलएम के संभावित अनुप्रयोगों का अन्वेषण कर रहे हैं। ये मॉडल गहरे शिक्षण तकनीकों और विशाल प्रशिक्षण डेटा का उपयोग करके विभिन्न प्रकार की सामग्री को समझने, सारांशित करने, भविष्यवाणी करने और उत्पन्न करने के लिए एआई अल्गोरिदम हैं, जिनमें पाठ, ऑडियो, छवियां, वीडियो और अधिक शामिल हैं।
बड़े भाषा मॉडल जटिल एआई अल्गोरिदम हैं। ऐसा मॉडल विकसित करना एक थकाऊ काम है, और एलएलएम की क्षमताओं का लाभ उठाने वाले एक अनुप्रयोग का निर्माण करना भी उतना ही चुनौतीपूर्ण है। यह एक कार्य प्रवाह को डिज़ाइन करने, लागू करने और अंततः अनुकूलित करने के लिए महत्वपूर्ण विशेषज्ञता, प्रयास और संसाधनों की मांग करता है जो एक बड़े भाषा मॉडल की पूरी क्षमता का लाभ उठाने के लिए तैयार हो। एलएलएम की शक्ति का लाभ उठाने वाले अनुप्रयोगों के लिए कार्य प्रवाह स्थापित करने में आवश्यक व्यापक समय और संसाधनों को देखते हुए, इन प्रक्रियाओं को स्वचालित करना बहुत मूल्य रखता है। यह विशेष रूप से सच है क्योंकि कार्य प्रवाह भविष्य में और अधिक जटिल होने की उम्मीद है, डेवलपर एलएलएम-आधारित अनुप्रयोगों को और अधिक जटिल बना रहे हैं। इसके अलावा, इन कार्य प्रवाहों के लिए आवश्यक डिज़ाइन स्थान जटिल और व्यापक है, जो एक ऑप्टिमल, मजबूत कार्य प्रवाह बनाने की चुनौतियों को और बढ़ाता है जो प्रदर्शन अपेक्षाओं को पूरा करता है।
ऑटोजेन माइक्रोसॉफ्ट की टीम द्वारा विकसित एक फ्रेमवर्क है जो कार्य प्रवाह पाइपलाइन में स्वचालन को पेश करके एलएलएम कार्य प्रवाहों के समन्वय और अनुकूलन को सरल बनाने का लक्ष्य रखता है। ऑटोजेन फ्रेमवर्क में बातचीत करने वाले और अनुकूलन योग्य एजेंट होते हैं जो जीपीटी-3 और जीपीटी-4 जैसे उन्नत एलएलएम की शक्ति का लाभ उठाते हैं, और साथ ही साथ स्वचालित चैट का उपयोग करके कई एजेंटों के बीच बातचीत शुरू करने के लिए एलएलएम को उपकरणों और मानव इनपुट के साथ एकीकृत करके उनकी वर्तमान सीमाओं को संबोधित करते हैं।
ऑटोजेन फ्रेमवर्क का उपयोग करते समय, एक जटिल बहु-एजेंट बातचीत प्रणाली विकसित करने में केवल दो चरण लगते हैं।
चरण 1: प्रत्येक की भूमिकाओं और क्षमताओं के साथ एजेंटों का एक सेट परिभाषित करें।
चरण 2: एजेंटों के बीच इंटरैक्शन व्यवहार परिभाषित करें, अर्थात एक एजेंट को पता होना चाहिए कि जब उसे किसी अन्य एजेंट से संदेश मिलता है तो क्या जवाब देना है।
उपरोक्त दोनों चरण मॉड्यूलर और直观 हैं, जो इन एजेंटों को संयोजक और पुन: प्रयोज्य बनाते हैं। नीचे दी गई छवि एक नमूना कार्य प्रवाह को प्रदर्शित करती है जो आपूर्ति श्रृंखला के अनुकूलन में कोड-आधारित प्रश्नों का उत्तर देने के लिए है। जैसा कि देखा जा सकता है, लेखक पहले कोड और व्याख्या लिखता है, सुरक्षा सुनिश्चित करता है कि कोड की गोपनीयता और सुरक्षा है, और फिर कमांडर द्वारा आवश्यक मंजूरी मिलने के बाद कोड को निष्पादित किया जाता है। यदि प्रणाली रनटाइम के दौरान किसी समस्या का सामना करती है, तो प्रक्रिया तब तक दोहराई जाती है जब तक कि यह पूरी तरह से हल नहीं हो जाती। नीचे दिए गए फ्रेमवर्क को तैनात करने से आपूर्ति श्रृंखला जैसे अनुप्रयोगों में मैनुअल इंटरैक्शन की मात्रा 3x से 10x तक कम हो जाती है। इसके अलावा, ऑटोजेन का उपयोग करके कोडिंग प्रयास भी चार गुना तक कम हो जाता है।
ऑटोजेन एक खेल बदलने वाला हो सकता है क्योंकि यह एलएलएम की शक्ति का लाभ उठाने वाले जटिल अनुप्रयोगों के विकास प्रक्रिया को बदलने का लक्ष्य रखता है। ऑटोजेन का उपयोग न केवल वांछित परिणाम प्राप्त करने के लिए आवश्यक मैनुअल इंटरैक्शन की मात्रा को कम कर सकता है, बल्कि एलएलएम-आधारित अनुप्रयोगों के निर्माण के लिए आवश्यक कोडिंग प्रयासों को भी कम कर सकता है। ऑटोजेन का उपयोग करके एलएलएम-आधारित अनुप्रयोगों का निर्माण न केवल प्रक्रिया को काफी तेज कर सकता है, बल्कि इन जटिल अनुप्रयोगों को विकसित करने में आवश्यक समय, प्रयास और संसाधनों की मात्रा को भी कम कर सकता है।
इस लेख में, हम ऑटोजेन फ्रेमवर्क की गहराई से जांच करेंगे, और हम ऑटोजेन फ्रेमवर्क के मूलभूत घटकों और वास्तुकला के साथ-साथ इसके संभावित अनुप्रयोगों का अन्वेषण करेंगे। आइए शुरू करें।
ऑटोजेन का परिचय: अगली पीढ़ी के बड़े भाषा मॉडल अनुप्रयोगों को शक्ति प्रदान करना
ऑटोजेन माइक्रोसॉफ्ट की टीम द्वारा विकसित एक ओपन-सोर्स फ्रेमवर्क है जो डेवलपर्स को एलएलएम की शक्ति का लाभ उठाने वाले अनुप्रयोगों को बनाने के लिए एकाधिक एजेंटों का उपयोग करने की क्षमता प्रदान करता है जो एक दूसरे के साथ बातचीत कर सकते हैं। ऑटोजेन फ्रेमवर्क में बातचीत करने वाले और अनुकूलन योग्य एजेंट होते हैं जो जीपीटी-3 और जीपीटी-4 जैसे उन्नत एलएलएम की शक्ति का लाभ उठाते हैं, और साथ ही साथ स्वचालित चैट का उपयोग करके कई एजेंटों के बीच बातचीत शुरू करने के लिए एलएलएम को उपकरणों और मानव इनपुट के साथ एकीकृत करके उनकी वर्तमान सीमाओं को संबोधित करते हैं। डेवलपर्स ऑटोजेन फ्रेमवर्क का उपयोग करके एजेंटों के बीच इंटरैक्शन व्यवहार को परिभाषित कर सकते हैं, और डेवलपर्स कंप्यूटर कोड और प्राकृतिक भाषा दोनों का उपयोग करके लचीले बातचीत पैटर्न को प्रोग्राम कर सकते हैं जो विभिन्न अनुप्रयोगों में तैनात किए जा सकते हैं। एक ओपन-सोर्स फ्रेमवर्क होने के नाते, ऑटोजेन को एक सामान्य फ्रेमवर्क माना जा सकता है जिसका उपयोग डेवलपर्स एलएलएम की शक्ति का लाभ उठाने वाले विभिन्न जटिलता के अनुप्रयोगों और फ्रेमवर्क को बनाने के लिए कर सकते हैं।
बड़े भाषा मॉडल विभिन्न वास्तविक दुनिया के अनुप्रयोगों में एलएलएम फ्रेमवर्क का उपयोग करके एजेंटों को विकसित करने में एक महत्वपूर्ण भूमिका निभा रहे हैं जो नए अवलोकनों, उपकरणों के उपयोग और तर्क के लिए अनुकूलन कर सकते हैं। लेकिन एलएलएम की पूरी क्षमता का लाभ उठाने वाले ऐसे अनुप्रयोगों को विकसित करना एक जटिल मामला है, और एलएलएम की मांग और अनुप्रयोगों के साथ-साथ कार्य जटिलता में वृद्धि को देखते हुए, इन एजेंटों की शक्ति को एकाधिक एजेंटों का उपयोग करके जो एक दूसरे के साथ काम करते हैं बढ़ाना आवश्यक है। लेकिन एक बहु-एजेंट दृष्टिकोण का उपयोग करके एलएलएम-आधारित अनुप्रयोगों को कैसे विकसित किया जा सकता है जो विभिन्न जटिलता के डोमेन में लागू किए जा सकते हैं? ऑटोजेन फ्रेमवर्क उपरोक्त प्रश्न का उत्तर देने का प्रयास करता है बहु-एजेंट बातचीत का उपयोग करके।
ऑटोजेन: घटक और फ्रेमवर्क
विभिन्न डोमेन में एलएलएम क्षमताओं का लाभ उठाने वाले जटिल अनुप्रयोगों को बनाने के लिए डेवलपर्स द्वारा आवश्यक प्रयास को कम करने के प्रयास में, ऑटोजेन का मूल सिद्धांत बहु-एजेंट कार्य प्रवाह को एकीकृत और सुव्यवस्थित करना है बहु-एजेंट बातचीत का उपयोग करके, और इस प्रकार इन लागू एजेंटों की पुन: प्रयोज्यता को अधिकतम करना। ऑटोजेन में बातचीत करने वाले एजेंट होते हैं जो एक दूसरे के साथ बातचीत करके वांछित कार्यों को सफलतापूर्वक निष्पादित कर सकते हैं, और फ्रेमवर्क दो मूलभूत अवधारणाओं पर बनाया गया है: बातचीत करने वाले एजेंट और बातचीत प्रोग्रामिंग।
ऑटोजेन में एक बातचीत करने वाला एजेंट एक इकाई है जिसमें एक पूर्वनिर्धारित भूमिका होती है जो अन्य बातचीत करने वाले एजेंटों को संदेश भेजने और प्राप्त करने के लिए संदेश पास कर सकता है। एक बातचीत करने वाला एजेंट प्राप्त या भेजे गए संदेशों के आधार पर अपने आंतरिक संदर्भ को बनाए रखता है, और डेवलपर्स इन एजेंटों को विशिष्ट क्षमताओं के साथ कॉन्फ़िगर कर सकते हैं जैसे कि एलएलएम टूल्स द्वारा सक्षम होना या मानव इनपुट लेना। एक एजेंट की क्षमताएं सीधे तौर पर संदेशों के प्रसंस्करण और प्रतिक्रिया से संबंधित होती हैं, जो इस प्रकार ऑटोजेन फ्रेमवर्क में एजेंटों को विभिन्न क्षमताओं से सुसज्जित करने के लिए डेवलपर्स को लचीलापन प्रदान करता है। ऑटोजेन में एजेंटों के लिए कई सामान्य रचनीय क्षमताएं हैं जिनमें शामिल हैं एक अनुप्रयोग की विशिष्ट आवश्यकताओं और आवश्यकताओं के आधार पर, डेवलपर्स व्यक्तिगत एजेंटों को विशिष्ट बैक-एंड प्रकारों के संयोजन के साथ कॉन्फ़िगर कर सकते हैं ताकि बहु-एजेंट बातचीत में जटिल व्यवहार प्रदर्शित किया जा सके। ऑटोजेन फ्रेमवर्क डेवलपर्स को निर्मित-इन एजेंटों को विस्तारित या पुन: उपयोग करके विशेष भूमिकाओं और क्षमताओं वाले एजेंट बनाने में सक्षम बनाता है। नीचे दी गई छवि ऑटोजेन फ्रेमवर्क में निर्मित-इन एजेंटों की मूल संरचना को प्रदर्शित करती है। कॉन्वर्सेबलएजेंट क्लास मानव, उपकरण और एलएलएम द्वारा डिफ़ॉल्ट रूप से समर्थित हो सकती है क्योंकि यह एजेंट का उच्चतम स्तर का अभिव्यक्ति है। यूज़रप्रॉक्सी एजेंट और असिस्टेंट एजेंट कॉन्वर्सेबलएजेंट की पूर्व-विन्यासित कक्षाएं हैं, और प्रत्येक एक सामान्य उपयोग मोड का प्रतिनिधित्व करता है अर्थात प्रत्येक एजेंट एलएलएम (जब उपकरणों और/या मानव द्वारा समर्थित होते हैं) द्वारा समर्थित एक एआई सहायक के रूप में कार्य करता है, और कोड निष्पादन या फ़ंक्शन कॉल करने के लिए उपकरणों द्वारा समर्थित होने पर मानव प्रॉक्सी के रूप में कार्य करता है। नीचे दी गई छवि यह दर्शाती है कि डेवलपर्स ऑटोजेन फ्रेमवर्क का उपयोग करके एक दो-एजेंट प्रणाली को कैसे विकसित कर सकते हैं जिसमें एक अनुकूलित उत्तर फ़ंक्शन है, साथ ही साथ दो-एजेंट प्रणाली का उपयोग करके स्वचालित एजेंट चैट का एक चित्रण भी है जो कार्यक्रम के निष्पादन के दौरान होता है। बातचीत करने वाले एजेंट ऑटोजेन फ्रेमवर्क में एक मूलभूत निर्माण खंड के रूप में कार्य करते हैं। हालांकि, डेवलपर्स को इन बहु-एजेंट बातचीत को निर्दिष्ट और आकार देने की आवश्यकता है ताकि एजेंट निर्दिष्ट कार्यों पर महत्वपूर्ण प्रगति कर सकें। उपरोक्त समस्या का समाधान करने के लिए, ऑटोजेन फ्रेमवर्क बातचीत प्रोग्रामिंग का उपयोग करता है, जो दो मूलभूत अवधारणाओं पर आधारित एक गणना परिदृश्य है: गणना, बहु-एजेंट बातचीत में एजेंटों द्वारा अपनी प्रतिक्रिया की गणना के लिए की जाने वाली क्रियाएं और नियंत्रण प्रवाह, जिन शर्तों या क्रम के तहत ये गणनाएं होती हैं। इन्हें प्रोग्राम करने की क्षमता कई लचीले बहु-एजेंट बातचीत पैटर्न को लागू करने की अनुमति देती है। इसके अलावा, ऑटोजेन फ्रेमवर्क में, गणनाएं बातचीत-केंद्रित हैं। एजेंट द्वारा की जाने वाली क्रियाएं एजेंट द्वारा शामिल की जाने वाली बातचीत से संबंधित होती हैं, और फिर एजेंट द्वारा की जाने वाली क्रियाएं संदेशों के पारित होने का कारण बनती हैं जो तब तक होती हैं जब तक कि एक समाप्ति स्थिति संतुष्ट नहीं हो जाती। इसके अलावा, ऑटोजेन फ्रेमवर्क में नियंत्रण प्रवाह बातचीत से संचालित होता है क्योंकि यह भाग लेने वाले एजेंटों का निर्णय है कि कौन से एजेंट किस एजेंट को संदेश भेजेंगे और प्राप्त करेंगे जो गणना प्रक्रिया से जुड़े हैं। उपरोक्त छवि एक सरल चित्रण प्रदर्शित करती है कि व्यक्तिगत एजेंट अपनी भूमिका-विशिष्ट संचालन और बातचीत-केंद्रित गणनाओं को कैसे निष्पादित करते हैं ताकि वांछित प्रतिक्रियाएं उत्पन्न हों जैसे कि कोड निष्पादन और एलएलएम हस्तक्षेप कॉल। कार्य बातचीत के साथ आगे बढ़ता है जो संवाद बॉक्स में प्रदर्शित होता है। बातचीत प्रोग्रामिंग को सुविधाजनक बनाने के लिए, ऑटोजेन फ्रेमवर्क में निम्नलिखित डिज़ाइन पैटर्न हैं: ऑटोजेन फ्रेमवर्क में एक एकीकृत इंटरफ़ेस है जो बातचीत-केंद्रित गणना के लिए उपयुक्त है, जिसमें संदेश भेजने या प्राप्त करने के लिए एक “प्राप्त या भेजें फ़ंक्शन” और एक “उत्तर उत्पन्न करें” फ़ंक्शन शामिल है जो प्राप्त संदेश के आधार पर प्रतिक्रिया उत्पन्न करता है और आवश्यक कार्रवाई करता है। ऑटोजेन फ्रेमवर्क में एजेंट-ऑटो-उत्तर तंत्र को डिफ़ॉल्ट रूप से तैनात किया जाता है ताकि बातचीत-संचालित नियंत्रण को यथार्थ में लाया जा सके। ऑटोजेन फ्रेमवर्क विभिन्न नियंत्रण प्रवाह प्रबंधन पैटर्न में प्राकृतिक भाषा और प्रोग्रामिंग का उपयोग की अनुमति देता है, जिनमें शामिल हैं: एलएलएम का उपयोग करके प्राकृतिक भाषा नियंत्रण, प्रोग्रामिंग भाषा नियंत्रण, और प्रोग्रामिंग और प्राकृतिक भाषा के बीच नियंत्रण संक्रमण। आगे बढ़ते हुए, स्थिर बातचीत के अलावा जो आमतौर पर एक पूर्वनिर्धारित प्रवाह के साथ होती है, ऑटोजेन फ्रेमवर्क कई एजेंटों का उपयोग करके गतिशील बातचीत प्रवाह का भी समर्थन करता है, और फ्रेमवर्क डेवलपर्स को इसे प्राप्त करने के लिए दो विकल्प प्रदान करता है ऑटोजेन फ्रेमवर्क की क्षमता को जटिल बहु-एजेंट अनुप्रयोगों के विकास में प्रदर्शित करने के लिए, यहाँ छह संभावित ऑटोजेन अनुप्रयोग हैं जिन्हें उनकी वास्तविक दुनिया में प्रासंगिकता, समस्या-समाधान क्षमता और नवाचार की क्षमता के आधार पर चुना गया है। ऑटोजेन फ्रेमवर्क के इन छह अनुप्रयोगों में शामिल हैं गणित एक ऐसा क्षेत्र है जिसमें एलएलएम मॉडल का उपयोग करके जटिल गणितीय समस्याओं को हल करने में मदद मिल सकती है, जो एआई अनुसंधान सहायता, और व्यक्तिगत एआई ट्यूटरिंग जैसे नए अनुप्रयोगों को खोलता है। उपरोक्त छवि ऑटोजेन फ्रेमवर्क को गणितीय समस्याओं को हल करने के लिए प्राप्त करने के लिए प्रदर्शित करती है। हाल के महीनों में, पुनर्प्राप्ति-संवर्धित कोड जेनरेशन एलएलएम की सीमाओं को बाहरी दस्तावेजों में शामिल करने के लिए एक प्रभावी और व्यावहारिक दृष्टिकोण के रूप में उभरा है। नीचे दी गई छवि ऑटोजेन फ्रेमवर्क को पुनर्प्राप्ति-संवर्धन और प्रश्न और उत्तर कार्यों पर प्रदर्शन में सुधार के लिए प्रदर्शित करती है। ऑटोजेन फ्रेमवर्क का उपयोग ऑनलाइन या इंटरैक्टिव निर्णय लेने वाले अनुप्रयोगों को बनाने के लिए किया जा सकता है। नीचे दी गई छवि यह दर्शाती है कि डेवलपर्स ऑटोजेन फ्रेमवर्क का उपयोग करके एक तीन-एजेंट बातचीत प्रणाली को कैसे डिज़ाइन कर सकते हैं जो प्रदर्शन में महत्वपूर्ण रूप से सुधार कर सकती है। ऑटोजेन फ्रेमवर्क का उपयोग करके डेवलपर ऑप्टीगाइड फ्रेमवर्क का उपयोग करके एक बहु-एजेंट कोडिंग प्रणाली बना सकते हैं जो अनुकूलित समाधानों को लागू करने और उपयोगकर्ता प्रश्नों का उत्तर देने में सक्षम है। नीचे दी गई छवि यह दर्शाती है कि ऑटोजेन फ्रेमवर्क का उपयोग करके एक बहु-एजेंट डिज़ाइन बनाने से कोडिंग कार्यों को पूरा करने में सुरक्षा की आवश्यकता वाले प्रदर्शन में महत्वपूर्ण रूप से सुधार हो सकता है। ऑटोजेन फ्रेमवर्क गतिशील समूह चैट के लिए समर्थन प्रदान करता है, जिसमें कई एजेंट भाग लेते हैं जो संदर्भ साझा करते हैं और पूर्वनिर्धारित आदेशों का पालन नहीं करते हैं, बल्कि गतिशील रूप से एक दूसरे के साथ बातचीत करते हैं। ये गतिशील समूह चैट एजेंटों के भीतर परस्पर क्रिया के प्रवाह को निर्देशित करने के लिए चल रही बातचीत पर निर्भर करते हैं। उपरोक्त छवि यह दर्शाती है कि ऑटोजेन फ्रेमवर्क एजेंटों के बीच गतिशील समूह चैट का समर्थन कैसे करता है एक विशेष एजेंट ग्रुपचैटमैनेजर का उपयोग करके। ऑटोजेन फ्रेमवर्क के डेवलपर्स ने एक बातचीत चैस अनुप्रयोग विकसित किया है जो एक प्राकृतिक हस्तक्षेप खेल है जिसमें खिलाड़ियों के लिए निर्मित-इन एजेंट होते हैं जो एलएलएम या मानव हो सकते हैं, और एक तीसरे पक्ष का एजेंट भी होता है जो संबंधित जानकारी प्रदान करता है और पूर्वनिर्धारित मानक नियमों के आधार पर बोर्ड पर चालों को मान्य करता है। नीचे दी गई छवि ऑटोजेन फ्रेमवर्क का उपयोग करके विकसित बातचीत चैस को प्रदर्शित करती है, जो खिलाड़ियों को चालों को व्यक्तिगत रूप से व्यक्त करने की अनुमति देती है जो खेल को न केवल खिलाड़ियों के लिए बल्कि दर्शकों और पर्यवेक्षकों के लिए भी अधिक दिलचस्प बनाती है। इस लेख में, हमने ऑटोजेन के बारे में बात की है, जो एक ओपन-सोर्स फ्रेमवर्क है जो बातचीत प्रोग्रामिंग और बातचीत करने वाले एजेंटों की अवधारणाओं का उपयोग करके एलएलएम कार्य प्रवाहों के समन्वय और अनुकूलन को सरल बनाने का लक्ष्य रखता है। ऑटोजेन फ्रेमवर्क में बातचीत करने वाले और अनुकूलन योग्य एजेंट होते हैं जो जीपीटी-3 और जीपीटी-4 जैसे उन्नत एलएलएम की शक्ति का लाभ उठाते हैं, और साथ ही साथ स्वचालित चैट का उपयोग करके कई एजेंटों के बीच बातचीत शुरू करने के लिए एलएलएम को उपकरणों और मानव इनपुट के साथ एकीकृत करके उनकी वर्तमान सीमाओं को संबोधित करते हैं। हालांकि ऑटोजेन फ्रेमवर्क अभी भी अपने प्रारंभिक प्रयोगात्मक चरण में है, यह क्षेत्र में भविष्य के अन्वेषण और अनुसंधान अवसरों के लिए मार्ग प्रशस्त करता है, और ऑटोजेन एलएलएम की क्षमताओं का लाभ उठाने वाले अनुप्रयोगों के विकास की गति, कार्यक्षमता और आसानी में सुधार करने में मदद करने वाला उपकरण हो सकता है।बातचीत करने वाले एजेंट
मानव, उपकरण और एलएलएम द्वारा संचालित एजेंट क्षमताएं
एजेंट सहयोग और अनुकूलन
बातचीत प्रोग्रामिंग
ऑटोजेन के अनुप्रयोग
अनुप्रयोग 1: गणित समस्या समाधान
अनुप्रयोग 2: प्रश्न उत्तर देना और पुनर्प्राप्ति-संवर्धित कोड जेनरेशन
अनुप्रयोग 3: पाठ्य दुनिया वातावरण में निर्णय लेना
अनुप्रयोग 4: बहु-एजेंट कोडिंग
अनुप्रयोग 5: गतिशील समूह चैट
अनुप्रयोग 6: बातचीत चैस
निष्कर्ष
