ကြီးမားသောဘာသာစကားမော်ဒယ်များ (LLMs) သည် လက်ရှိတွင် ပင်မရေစီးကြောင်း AI တွင် ဆွေးနွေးအများဆုံး အကြောင်းအရာများထဲမှ တစ်ခုဖြစ်သည်။ ကမ္ဘာတစ်ဝှမ်းရှိ developer များသည် LLMs ၏အလားအလာရှိသော application များကိုရှာဖွေနေကြသည်။ ဤမော်ဒယ်များသည် စာသား၊ အသံ၊ ရုပ်ပုံများ၊ ဗီဒီယိုများနှင့် အခြားအရာများအပါအဝင် အကြောင်းအရာများစွာကို နားလည်ရန်၊ အကျဉ်းချုပ်၊ ခန့်မှန်းရန်နှင့် ထုတ်လုပ်ရန် နက်နဲသောသင်ယူမှုနည်းပညာများနှင့် များပြားလှသောလေ့ကျင့်ရေးဒေတာများကို အသုံးပြုသည့် AI algorithms များဖြစ်သည်။

ကြီးမားသောဘာသာစကားမော်ဒယ်များသည် ရှုပ်ထွေးသော AI algorithms များဖြစ်သည်။ ထိုသို့သော မော်ဒယ်ကို ဖော်ဆောင်ခြင်းသည် ပြီးပြည့်စုံသော အလုပ်ဖြစ်ပြီး LLM ၏ စွမ်းဆောင်ရည်များကို အသုံးချသည့် အက်ပလီကေးရှင်းကို တည်ဆောက်ခြင်းသည်လည်း အလားတူ စိန်ခေါ်မှုဖြစ်သည်။ ၎င်းသည် အကောင်းဆုံးရလဒ်များထွက်ပေါ်စေရန် ကြီးမားသောဘာသာစကားပုံစံတစ်ခု၏ အလားအလာအပြည့်အ၀သို့ ထိတွေ့နိုင်သော အလုပ်အသွားအလာကို ဒီဇိုင်းထုတ်ရန်၊ အကောင်အထည်ဖော်ရန်နှင့် နောက်ဆုံးတွင် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ရန် သိသာထင်ရှားသောကျွမ်းကျင်မှု၊ အားထုတ်မှုနှင့် အရင်းအမြစ်များကို လိုအပ်သည်။ LLMs ၏စွမ်းအားကိုအသုံးပြုသည့် application များအတွက် workflows များတည်ဆောက်ရန် ကျယ်ပြန့်သောအချိန်နှင့်အရင်းအမြစ်များလိုအပ်သောကြောင့်၊ ဤလုပ်ငန်းစဉ်များကိုအလိုအလျောက်လုပ်ဆောင်ခြင်းသည်ကြီးမားသောတန်ဖိုးရှိသည်။ developer များသည် ပိုမိုဆန်းပြားသော ဖန်တီးမှုများဖြင့် မဝေးတော့သောအနာဂတ်တွင် အလုပ်အသွားအလာများ ပိုမိုရှုပ်ထွေးလာမည်ဟု မျှော်လင့်ထားသောကြောင့် ၎င်းသည် အထူးသဖြင့် မှန်ပါသည်။ LLM အခြေခံ အက်ပ်များ. ထို့အပြင်၊ ဤလုပ်ငန်းအသွားအလာများအတွက် လိုအပ်သော ဒီဇိုင်းနေရာသည် ရှုပ်ထွေးပြီး ကျယ်ပြန့်ကာ စွမ်းဆောင်ရည်မျှော်မှန်းချက်များနှင့် ကိုက်ညီသည့် အကောင်းဆုံး၊ ကြံ့ခိုင်သော အလုပ်အသွားအလာကို ဖန်တီးခြင်း၏ စိန်ခေါ်မှုများကို ပိုမိုမြင့်မားစေသည်။

AutoGen အလုပ်အသွားအလာပိုက်လိုင်းသို့ အလိုအလျောက်စနစ်ဖြင့် မိတ်ဆက်ပေးခြင်းဖြင့် LLM အလုပ်အသွားအလာများကို ရိုးရှင်းစေရန်နှင့် ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ရန် ရည်ရွယ်သော Microsoft မှ အဖွဲ့မှ တီထွင်ထားသော မူဘောင်တစ်ခုဖြစ်သည်။ AutoGen မူဘောင်သည် GPT-3 နှင့် GPT-4 ကဲ့သို့သော အဆင့်မြင့် LLM များ၏ စွမ်းအားကို မြှင့်တင်ပေးသည့် စကားစမြည်ပြောဆိုနိုင်သော စိတ်ကြိုက်ပြင်ဆင်နိုင်သော အေးဂျင့်များကို ပေးစွမ်းပြီး စကားစမြည်စတင်ရန် အလိုအလျောက် ချတ်လုပ်ခြင်းများကို အသုံးပြုခြင်းဖြင့် ၎င်းတို့၏ လက်ရှိကန့်သတ်ချက်များကို ဖြေရှင်းကာ LLMs များကို ကိရိယာများနှင့် လူသားထည့်သွင်းမှုများဖြင့် ပေါင်းစည်းပေးသည်။ အေးဂျင့်များစွာကြား။ 

AutoGen မူဘောင်ကို အသုံးပြုသည့်အခါ၊ ရှုပ်ထွေးသော multi-agent စကားပြောဆိုမှုစနစ်ကို တီထွင်ရာတွင် အဆင့်နှစ်ဆင့်သာ လိုအပ်ပါသည်။ 

အဆင့် 1: တစ်ခုစီတွင် ၎င်း၏ အခန်းကဏ္ဍနှင့် စွမ်းရည်များပါရှိသော အေးဂျင့်အစုတစ်ခုကို သတ်မှတ်ပါ။ 

အဆင့် 2: အေးဂျင့်များကြား အပြန်အလှန်တုံ့ပြန်မှုအမူအကျင့်ကို သတ်မှတ်သတ်မှတ်ပါ ဆိုလိုသည်မှာ အေးဂျင့်သည် အခြားအေးဂျင့်ထံမှ မက်ဆေ့ချ်ကို လက်ခံရရှိသည့်အခါ ဘာပြန်ကြားရမည်ကို သိသင့်သည်။ 

အထက်ဖော်ပြပါ အဆင့်နှစ်ခုစလုံးသည် ဤအေးဂျင့်များကို ပေါင်းစပ်၍ ပြန်လည်အသုံးပြုနိုင်စေရန် ပြုလုပ်ပေးသည့် မော်ဂျူလာနှင့် အလိုလိုသိမြင်နိုင်စေသည်။ အောက်ဖော်ပြပါပုံသည် ထောက်ပံ့ရေးကွင်းဆက်၏ ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်မှုတွင် ကုဒ်အခြေခံမေးခွန်းဖြေဆိုခြင်းကို ဖြေရှင်းသည့် နမူနာအလုပ်အသွားအလာကို သရုပ်ပြသည်။ မြင်နိုင်သကဲ့သို့ စာရေးဆရာသည် ကုဒ်နှင့် အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို ဦးစွာရေးသားသည်၊ Safeguard သည် ကုဒ်၏ လျှို့ဝှက်ရေးနှင့် ဘေးကင်းမှုကို သေချာစေပြီး လိုအပ်သော ရှင်းလင်းချက်ရရှိပြီးနောက် ကုဒ်အား Commander မှ လုပ်ဆောင်ပါသည်။ စနစ်သည် runtime အတွင်း ပြဿနာတစ်ခုခုနှင့် ကြုံတွေ့ပါက၊ ၎င်းကို လုံးဝဖြေရှင်းမပြီးမချင်း လုပ်ငန်းစဉ်ကို ထပ်ခါတလဲလဲ လုပ်ဆောင်သည်။ အောက်ဖော်ပြပါဘောင်ကို အသုံးချခြင်းသည် ထောက်ပံ့ရေးကွင်းဆက်ကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းကဲ့သို့ အပလီကေးရှင်းများတွင် အသုံးပြုသည့်အခါတွင် manual အပြန်အလှန်တုံ့ပြန်မှုပမာဏကို 3x မှ 10x အထိ လျှော့ချပေးသည်။ ထို့အပြင်၊ AutoGen ကိုအသုံးပြုခြင်းသည် coding အားထုတ်မှုပမာဏကို လေးဆအထိလျှော့ချပေးသည်။ 

AutoGen သည် LLMs ၏ ပါဝါကို အသုံးချ၍ ရှုပ်ထွေးသော အပလီကေးရှင်းများ၏ ဖွံ့ဖြိုးတိုးတက်မှု လုပ်ငန်းစဉ်ကို ပြောင်းလဲရန် ရည်ရွယ်သောကြောင့် ဂိမ်းပြောင်းလဲသူ ဖြစ်နိုင်သည်။ AutoGen ကိုအသုံးပြုခြင်းသည် လိုချင်သောရလဒ်များရရှိရန် လိုအပ်သော manualအပြန်အလှန်ဆက်သွယ်မှုပမာဏကို လျှော့ချရုံသာမက၊ ထိုသို့သောရှုပ်ထွေးသောအပလီကေးရှင်းများဖန်တီးရန် လိုအပ်သော coding အားထုတ်မှုပမာဏကိုလည်း လျှော့ချနိုင်သည်။ ဖန်တီးရန်အတွက် AutoGen ကိုအသုံးပြုခြင်း။ LLM အခြေခံ အက်ပ်များ လုပ်ငန်းစဉ်ကို သိသိသာသာ အရှိန်မြှင့်ပေးရုံသာမက၊ ဤရှုပ်ထွေးသော အပလီကေးရှင်းများ ဖွံ့ဖြိုးတိုးတက်ရန်အတွက် လိုအပ်သော အချိန်၊ ကြိုးစားအားထုတ်မှုနှင့် အရင်းအမြစ်များကို လျှော့ချရာတွင်လည်း ကူညီပေးပါမည်။ 

ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် AutoGen မူဘောင်သို့ ပိုမိုနက်ရှိုင်းစွာ ထိုးဆင်းသွားမည်ဖြစ်ပြီး၊ AutoGen မူဘောင်၏ မရှိမဖြစ်လိုအပ်သော အစိတ်အပိုင်းများနှင့် ဗိသုကာလက်ရာများကို ၎င်း၏အလားအလာရှိသော အသုံးချပရိုဂရမ်များနှင့်အတူ လေ့လာပါမည်။ ဒါဆို စလိုက်ရအောင်။ 

AutoGen ၏ နိဒါန်း- နောက်မျိုးဆက် ကြီးမားသော ဘာသာစကား မော်ဒယ် အပလီကေးရှင်းများကို စွမ်းအားမြှင့်ပေးခြင်း

AutoGen သည် Microsoft မှ အဖွဲ့မှ တီထွင်ထားသော open-source framework တစ်ခုဖြစ်ပြီး developer များအား LLMs ၏ ပါဝါကို အသုံးချကာ အပလီကေးရှင်းများ ဖန်တီးရန် ပါဝါကို တပ်ဆင်ပေးကာ အလိုရှိသော အလုပ်များကို အောင်မြင်စွာ လုပ်ဆောင်နိုင်ရန် အချင်းချင်း စကားစမြည်ပြောဆိုနိုင်သော အေးဂျင့်များစွာကို အသုံးပြုထားသည်။ AutoGen ရှိ အေးဂျင့်များသည် စကားပြောဆိုနိုင်သော၊ စိတ်ကြိုက်ပြင်ဆင်နိုင်ပြီး ၎င်းတို့သည် ကိရိယာများ၊ လူသားထည့်သွင်းမှုနှင့် LLMs များကို ပေါင်းစပ်အသုံးပြုသည့် မတူညီသောမုဒ်များတွင် လည်ပတ်နိုင်သည်။ ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် အေးဂျင့်များ၏အပြန်အလှန်ဆက်ဆံမှုအပြုအမူကိုသတ်မှတ်ရန် AutoGen မူဘောင်ကိုလည်း အသုံးပြုနိုင်ပြီး ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် အမျိုးမျိုးသောအပလီကေးရှင်းများတွင် အသုံးပြုနိုင်သော ပြောင်းလွယ်ပြင်လွယ်စကားပြောဆိုမှုပုံစံများကို ပရိုဂရမ်ရေးဆွဲရန်အတွက် ကွန်ပျူတာကုဒ်နှင့် သဘာဝဘာသာစကားနှစ်မျိုးလုံးကို အသုံးပြုနိုင်သည်။ ပွင့်လင်းရင်းမြစ်ဘောင်တစ်ခုအနေဖြင့် AutoGen သည် LLMs ၏စွမ်းအားကိုလွှမ်းမိုးသည့် အမျိုးမျိုးသောရှုပ်ထွေးမှုများ၏ applications များနှင့် မူဘောင်များတည်ဆောက်ရန် developer များအသုံးပြုနိုင်သည့် ယေဘုယျမူဘောင်တစ်ခုဟု ယူဆနိုင်သည်။ 

ကြီးမားသောဘာသာစကားမော်ဒယ်များသည် လေ့လာတွေ့ရှိချက်အသစ်များ၊ ကိရိယာအသုံးပြုမှုနှင့် လက်တွေ့ကမ္ဘာအပလီကေးရှင်းများစွာတွင် လိုက်လျောညီထွေဖြစ်အောင် LLM မူဘောင်များကိုအသုံးပြုသည့် အေးဂျင့်များဖွံ့ဖြိုးတိုးတက်ရေးတွင် အရေးပါသောအခန်းကဏ္ဍမှ ပါဝင်နေသည်။ သို့သော် LLM ၏ အလားအလာကို အပြည့်အဝအသုံးချနိုင်သည့် ဤအက်ပ်လီကေးရှင်းများကို ဖော်ဆောင်ခြင်းသည် ရှုပ်ထွေးသောကိစ္စတစ်ခုဖြစ်ပြီး LLMs များ၏ ဝယ်လိုအားနှင့် အသုံးချမှုများ များပြားလာခြင်းကြောင့်၊ အေးဂျင့်များစွာကို အသုံးပြုခြင်းဖြင့် ဤအေးဂျင့်များ၏ စွမ်းအားကို မြှင့်တင်ရန် အရေးကြီးပါသည်။ တစ်ခုနှင့်တစ်ခု ထပ်တူပြု၍ လုပ်ဆောင်သည်။ သို့သော် ရှုပ်ထွေးမှုများရှိသည့် ကျယ်ပြန့်သော ဒိုမိန်းများ၏ ကျယ်ပြန့်သော အခင်းအကျင်းတွင် အသုံးချနိုင်သည့် LLM-based အပလီကေးရှင်းများ ဖွံ့ဖြိုးတိုးတက်ရန် ဘက်စုံအေးဂျင့်ချဉ်းကပ်မှုကို မည်သို့အသုံးပြုနိုင်မည်နည်း။ AutoGen မူဘောင်သည် အများအပြားအေးဂျင့်စကားပြောဆိုမှုများကို အသုံးပြုခြင်းဖြင့် အထက်ပါမေးခွန်းကိုဖြေဆိုရန် ကြိုးစားသည်။ 

AutoGen- အစိတ်အပိုင်းများနှင့် မူဘောင်

ကျယ်ပြန့်သောဒိုမိန်းများတစ်လျှောက် LLM စွမ်းရည်များကို အသုံးပြု၍ ရှုပ်ထွေးသောအက်ပ်လီကေးရှင်းများဖန်တီးရန် developer များထည့်သွင်းရန်လိုအပ်သည့်အားထုတ်မှုပမာဏကို လျှော့ချရန် AutoGen ၏အခြေခံမူမှာ multi-agent စကားဝိုင်းများကိုအသုံးပြုခြင်းဖြင့် ပေါင်းစပ်လုပ်ဆောင်ရန်နှင့် ချောမွေ့စေရန်နှင့် ချောမွေ့စေခြင်း ထို့ကြောင့် ဤအကောင်ထည်ဖော်ထားသော အေးဂျင့်များ၏ ပြန်လည်အသုံးပြုနိုင်မှုကိုလည်း အမြင့်ဆုံးဖြစ်စေပါသည်။ AutoGen သည် အလိုရှိသော အလုပ်များကို အောင်မြင်စွာ လုပ်ဆောင်ရန် အချင်းချင်း စကားစမြည်ပြောဆိုနိုင်သည့် အေးဂျင့်များစွာကို အသုံးပြုကာ အခြေခံသဘောတရားနှစ်ခုအပေါ် အခြေခံ၍ မူဘောင်ကို တည်ဆောက်ထားသည်။ စကားပြောနိုင်သော အေးဂျင့်များ နှင့် စကားပြောနိုင်သော ပရိုဂရမ်းမင်း။ 

စကားပြောနိုင်သော အေးဂျင့်များ

AutoGen တွင် စကားစမြည်ပြောဆိုနိုင်သော အေးဂျင့်သည် မက်ဆေ့ချ်များ ပေးပို့ခြင်းနှင့် လက်ခံခြင်းဆိုင်ရာ အချက်အလက်များကို & လက်ခံရန် ကြိုတင်သတ်မှတ်ထားသော အခန်းကဏ္ဍတစ်ခုပါရှိသော အဖွဲ့အစည်းတစ်ခုဖြစ်သည်။ အပြန်အလှန်ပြောဆိုနိုင်သော အေးဂျင့်သည် လက်ခံရရှိသော သို့မဟုတ် ပေးပို့ထားသော မက်ဆေ့ချ်များအပေါ်အခြေခံ၍ ၎င်း၏အတွင်းပိုင်းအကြောင်းအရာကို ထိန်းသိမ်းထားပြီး၊ ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် LLM ကိရိယာများကို ဖွင့်ထားခြင်း သို့မဟုတ် လူသားထည့်သွင်းမှုများရယူခြင်းကဲ့သို့သော ထူးခြားသောစွမ်းရည်များရှိသည့် ဤအေးဂျင့်များကို စီစဉ်သတ်မှတ်နိုင်သည်။ 

လူသားများ၊ ကိရိယာများနှင့် LLM များမှ ပံ့ပိုးပေးသော အေးဂျင့်စွမ်းဆောင်ရည်များ 

Agent ၏ စွမ်းဆောင်ရည်များသည် AutoGen မူဘောင်ရှိ အေးဂျင့်များသည် ဆော့ဖ်ဝဲရေးသားသူများကို ၎င်းတို့၏ အေးဂျင့်များသို့ အမျိုးမျိုးသော စွမ်းရည်များကို ပံ့ပိုးပေးသည့် အကြောင်းရင်းဖြစ်သည့် မက်ဆေ့ခ်ျများကို တုံ့ပြန်ပုံနှင့် တိုက်ရိုက်သက်ဆိုင်သည်။ AutoGen သည် ပါဝင်သည့် အေးဂျင့်များအတွက် ဘုံပေါင်းစပ်လုပ်ဆောင်နိုင်သော စွမ်းရည်များစွာကို ပံ့ပိုးပေးသည်။

1. LLM များ- LLM မှ ကျောထောက်နောက်ခံပြုထားသော အေးဂျင့်များသည် သွယ်ဝိုက်သောအခြေအနေသို့ ဝင်ရောက်စွက်ဖက်ခြင်း၊ အခန်းကဏ္ဍမှပါဝင်ခြင်း၊ တုံ့ပြန်ချက်ပေးခြင်းနှင့် ကုဒ်ရေးခြင်းကဲ့သို့သော အဆင့်မြင့် LLM မူဘောင်များ၏ စွမ်းဆောင်ရည်ကို အသုံးချသည်။ ဆော့ဖ်ဝဲရေးသားသူများသည် အေးဂျင့်၏ကိုယ်ပိုင်အုပ်ချုပ်ခွင့် သို့မဟုတ် ကျွမ်းကျင်မှုကို တိုးမြှင့်ရန် ကြိုးပမ်းရာတွင် ဤစွမ်းရည်များကို ပေါင်းစပ်ရန် ဆန်းသစ်သောလှုံ့ဆော်မှုနည်းပညာများကို အသုံးပြုနိုင်သည်။ 
2. လူသားများ အပလီကေးရှင်းများစွာသည် လူသား၏ပါဝင်ပတ်သက်မှုကို အတိုင်းအတာတစ်ခုအထိ အလိုရှိသည် သို့မဟုတ် လိုအပ်သည်၊ နှင့် AutoGen မူဘောင်သည် LLM-based အက်ပ်လီကေးရှင်းများကို လူသားကျောထောက်နောက်ခံပြုထားသော အေးဂျင့်များကိုအသုံးပြုခြင်းဖြင့် အချို့သောစကားဝိုင်းအတွင်း လူသားထည့်သွင်းမှုများကို တောင်းဆိုနိုင်သည့် အေးဂျင့်စကားပြောဆိုမှုတွင် လူသား၏ကျောထောက်နောက်ခံပြုထားသော အေးဂျင့်များအသုံးပြုခြင်းဖြင့် LLM-based applications များကို ခွင့်ပြုပေးပါသည်။ အေးဂျင့်၏ဖွဲ့စည်းပုံ။ 
3. Tools များ: ကိရိယာများ-ကျောထောက်နောက်ခံပြုထားသော အေးဂျင့်များသည် များသောအားဖြင့် ကိရိယာများကိုလုပ်ဆောင်ရန် ကုဒ်ကိုလုပ်ဆောင်ခြင်း သို့မဟုတ် လုပ်ဆောင်မှုလုပ်ဆောင်မှုကို အသုံးပြုရန် စွမ်းရည်များရှိသည်။

အေးဂျင့်ပူးပေါင်းဆောင်ရွက်မှုနှင့် စိတ်ကြိုက်ပြုလုပ်ခြင်း။

အပလီကေးရှင်းတစ်ခု၏ သီးခြားလိုအပ်ချက်များနှင့် လိုအပ်ချက်များအပေါ် အခြေခံ၍ ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် တစ်ဦးချင်းစီအေးဂျင့်များစွာပါဝင်သော ရှုပ်ထွေးသောအပြုအမူများကိုပြသရန် မရှိမဖြစ်လိုအပ်သောနောက်ကျောအမျိုးအစားများပေါင်းစပ်ထားသော အေးဂျင့်တစ်ဦးစီကို စီစဉ်သတ်မှတ်နိုင်သည်။ AutoGen မူဘောင်သည် developer များအား အထူးပြုအခန်းကဏ္ဍများနှင့် စွမ်းဆောင်ရည်များပါရှိသော အေးဂျင့်များကို တပ်ဆင်ထားသော အေးဂျင့်များကို တိုးချဲ့ခြင်း သို့မဟုတ် ပြန်လည်အသုံးပြုခြင်းဖြင့် အလွယ်တကူ ဖန်တီးနိုင်စေပါသည်။ အောက်ဖော်ပြပါပုံသည် AutoGen မူဘောင်ရှိ built-in အေးဂျင့်များ၏ အခြေခံဖွဲ့စည်းပုံကို သရုပ်ပြသည်။ ConversableAgent အတန်းသည် ၎င်းသည် အဆင့်အမြင့်ဆုံး အေးဂျင့် abstraction ဖြစ်သောကြောင့် မူရင်းအတိုင်း လူသားများ၊ ကိရိယာများနှင့် LLM များကို အသုံးပြုနိုင်သည်။ UserProxyAgent နှင့် AssistantAgent တို့သည် ConversableAgent ၏ ကြိုတင်ပြင်ဆင်ထားသော အတန်းများဖြစ်ပြီး ၎င်းတို့ထဲမှ တစ်ခုစီသည် ဘုံအသုံးပြုမှုမုဒ်ကို ကိုယ်စားပြုသည်ဆိုလိုသည်မှာ အဆိုပါအေးဂျင့်နှစ်ခုမှ တစ်ခုစီသည် AI assistant (LLMs မှ ကျောထောက်နောက်ခံပြုထားသောအခါ) အဖြစ် လုပ်ဆောင်ကြပြီး လူသားထည့်သွင်းမှုကို တောင်းဆိုခြင်း သို့မဟုတ် လုပ်ဆောင်မှုခေါ်ဆိုမှုများကို လုပ်ဆောင်သည် သို့မဟုတ် ကုဒ်များ (ကိရိယာများနှင့်/သို့မဟုတ် လူသားများက ကျောထောက်နောက်ခံပြုသောအခါ) လူသား proxy အဖြစ် လုပ်ဆောင်ခြင်းဖြင့်။ 

အောက်ဖော်ပြပါပုံသည် ပရိုဂရမ်၏လုပ်ဆောင်မှုအတွင်း ရလဒ်နှစ်ခု-အေးဂျင့်စနစ်အား အသုံးပြုသည့် စိတ်ကြိုက်တုံ့ပြန်မှုလုပ်ဆောင်ချက်ပါရှိသော စိတ်ကြိုက်တုံ့ပြန်မှုလုပ်ဆောင်သည့်စနစ်တစ်ခုတည်ဆောက်ရန် AutoGen မူဘောင်ကို ဆော့ဖ်ဝဲအင်ဂျင်နီယာများက မည်သို့အသုံးပြုနိုင်ပုံကို သရုပ်ပြထားသည်။ 

တစ်ဦးနှင့်တစ်ဦး စကားပြောဆိုနိုင်သော စိတ်ကြိုက်အေးဂျင့်များကို အသုံးပြုခွင့်ပေးခြင်းဖြင့်၊ ဤစကားပြောနိုင်သော အေးဂျင့်များသည် AutoGen မူဘောင်တွင် အခြေခံတည်ဆောက်မှုပိတ်ဆို့ခြင်းအဖြစ် ဆောင်ရွက်သည်။ သို့သော်၊ ဤအေးဂျင့်များသည် သတ်မှတ်ထားသည့်အလုပ်များတွင် သိသိသာသာတိုးတက်အောင်မြင်အောင်လုပ်ဆောင်နိုင်သည့်အပလီကေးရှင်းများဖွံ့ဖြိုးတိုးတက်စေရန်အတွက် developer များသည် အဆိုပါ multi-agent စကားဝိုင်းများကို ပုံသွင်းရန်လိုအပ်ပါသည်။ 

စကားဝိုင်း ပရိုဂရမ်းမင်း

အထက်တွင်ဖော်ပြထားသောပြဿနာကိုဖြေရှင်းရန်၊ AutoGen မူဘောင်သည် မရှိမဖြစ်လိုအပ်သော သဘောတရားနှစ်ခုပေါ်တွင်တည်ဆောက်ထားသော ကွန်ပြူတာပါရာဒိုင်းဖြစ်သည့် စကားဝိုင်းပရိုဂရမ်ကိုအသုံးပြုသည်- တွက်ချက်မှု၊ များစွာသော အေးဂျင့်စကားပြောဆိုမှုတစ်ခုတွင် အေးဂျင့်များ၏ လုပ်ဆောင်ချက်များကို ၎င်းတို့၏တုံ့ပြန်မှုနှင့် တွက်ချက်ရန် ထိန်းချုပ်စီးဆင်းမှု၊ ဤတွက်ချက်မှုများပြုလုပ်သည့်အခြေအနေများ သို့မဟုတ် အစီအစဥ်များ။ ယင်းတို့ကို ပရိုဂရမ်ပြုလုပ်နိုင်မှုသည် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများအား လိုက်လျောညီထွေရှိသော ကိုယ်စားလှယ်အများအပြား စကားဝိုင်းပုံစံများ အများအပြားကို အကောင်အထည်ဖော်နိုင်စေပါသည်။ ထို့အပြင်၊ AutoGen မူဘောင်တွင်၊ တွက်ချက်မှုများသည် စကားပြောဆိုမှုကို ဗဟိုပြုပါသည်။ အေးဂျင့်တစ်ဦးမှ ဆောင်ရွက်သည့် လုပ်ဆောင်ချက်များသည် အေးဂျင့်ပါဝင်သည့် စကားဝိုင်းများနှင့် သက်ဆိုင်ပြီး အေးဂျင့်များက ဆောင်ရွက်သည့် လုပ်ဆောင်ချက်များသည် ရပ်စဲမှုအခြေအနေ ကျေနပ်သည့်အချိန်အထိ နောက်ဆက်တွဲ စကားဝိုင်းများအတွက် မက်ဆေ့ဂျ်များ ပေးပို့ခြင်းကို ဖြစ်ပေါ်စေပါသည်။ ထို့အပြင်၊ AutoGen မူဘောင်ရှိ ထိန်းချုပ်စီးဆင်းမှုသည် ပါဝင်သည့် အေးဂျင့်များ၏ ဆုံးဖြတ်ချက်ဖြစ်ပြီး ၎င်းသည် တွက်ချက်မှုဆိုင်ရာ လုပ်ထုံးလုပ်နည်းမှ မက်ဆေ့ချ်များ ပေးပို့မည့် အေးဂျင့်များ၏ ဆုံးဖြတ်ချက်ဖြစ်သည်။ 

အထက်ဖော်ပြပါပုံသည် အေးဂျင့်တစ်ဦးချင်းစီ၏ အခန်းကဏ္ဍအလိုက် လုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ပုံနှင့် ကုဒ်လုပ်ဆောင်မှုနှင့် LLM နှောင့်ယှက်မှုခေါ်ဆိုမှုများကဲ့သို့ အလိုရှိသော တုံ့ပြန်မှုများကို ထုတ်ပေးရန်အတွက် စကားပြောဆိုမှုကို ဗဟိုပြုသည့် တွက်ချက်မှုများကို ရိုးရှင်းသောသရုပ်ဖော်ပုံဖြင့် ပြသထားသည်။ ဒိုင်ယာလော့ဘောက်စ်တွင် ပြသထားသည့် စကားဝိုင်းများ၏ အကူအညီဖြင့် လုပ်ဆောင်စရာသည် ရှေ့သို့ တိုးနေပါသည်။ 

စကားပြောဆိုမှု ပရိုဂရမ်များကို အဆင်ပြေချောမွေ့စေရန်၊ AutoGen မူဘောင်တွင် အောက်ပါ ဒီဇိုင်းပုံစံများကို ပါရှိသည်။ 

• အလိုအလျောက် စာပြန်သည့် ယန္တရားများနှင့် အလိုအလျောက် အေးဂျင့်ချတ်များအတွက် စုစည်းထားသော အင်တာဖေ့စ်

AutoGen မူဘောင်တွင် စကားဝိုင်းကို ဗဟိုပြုသည့် ဆက်စပ်တွက်ချက်မှုကို လုပ်ဆောင်ရန်အတွက် စုစည်းထားသော အင်တာဖေ့စ်တစ်ခု ပါရှိသည်။ "လက်ခံခြင်း သို့မဟုတ် ပေးပို့ခြင်းလုပ်ဆောင်ချက်" မက်ဆေ့ချ်များ လက်ခံခြင်း သို့မဟုတ် ပေးပို့ခြင်းအတွက် ဖြစ်စေ၊generate_replyလက်ခံရရှိသောမက်ဆေ့ချ်ကိုအခြေခံ၍ တုံ့ပြန်မှုကိုထုတ်ပေးပြီး လိုအပ်သည့်လုပ်ဆောင်ချက်ကိုလုပ်ဆောင်သည့်လုပ်ဆောင်ချက်။ AutoGen မူဘောင်သည်လည်း ၎င်းကို မိတ်ဆက်ပြီး ဖြန့်ကျက်သည်။ အေးဂျင့်-အလိုအလျောက် အကြောင်းပြန်သည်။ စကားဝိုင်းမှ မောင်းနှင်သော ထိန်းချုပ်မှုကို နားလည်ရန် မူရင်းအားဖြင့် ယန္တရား။ 

• သဘာဝဘာသာစကားနှင့် ပရိုဂရမ်းမင်း ပေါင်းစပ်ခြင်းဖြင့် ထိန်းချုပ်သည်။

AutoGen မူဘောင်သည် သဘာဝဘာသာစကားနှင့် ပရိုဂရမ်းမင်းအသုံးပြုမှုကို လွယ်ကူချောမွေ့စေသည်- ပါဝင်သော အမျိုးမျိုးသော ထိန်းချုပ်စီးဆင်းမှုစီမံခန့်ခွဲမှုပုံစံများတွင်- LLM များကို အသုံးပြု၍ သဘာဝဘာသာစကား ထိန်းချုပ်မှုများ,  ပရိုဂရမ်းမင်း-ဘာသာစကားထိန်းချုပ်မှုနှင့် ပရိုဂရမ်းမင်းနှင့် သဘာဝဘာသာစကားကြား အကူးအပြောင်းကို ထိန်းချုပ်ပါ။. 

တစ်ပါတည်း ရွေ့လျားခြင်းဖြင့်၊ ကြိုတင်သတ်မှတ်ထားသော စီးဆင်းမှုနှင့်အတူ အများအားဖြင့် လိုက်ပါလေ့ရှိသည့် တည်ငြိမ်သော စကားဝိုင်းများအပြင်၊ AutoGen မူဘောင်သည် အေးဂျင့်များစွာကို အသုံးပြု၍ သွက်လက်သော စကားဝိုင်းများကို ပံ့ပိုးပေးကာ ၎င်းကို အောင်မြင်ရန်အတွက် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများအား ရွေးချယ်စရာနှစ်ခုကို ဘောင်က ပံ့ပိုးပေးပါသည်။

1. လုပ်ဆောင်ချက်ခေါ်ဆိုမှုများအသုံးပြုခြင်းဖြင့်။ 
2. စိတ်ကြိုက်ထုတ်လုပ်-ပြန်ကြားရေး လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြင့်။ 

AutoGen ၏အသုံးချမှုများ

ရှုပ်ထွေးသော Multi-agent အပလီကေးရှင်းများ ဖွံ့ဖြိုးတိုးတက်ရေးတွင် AutoGen မူဘောင်၏ အလားအလာကို သရုပ်ဖော်ရန်အတွက်၊ ဤတွင် AutoGen ၏ အလားအလာရှိသော အပလီကေးရှင်းခြောက်ခုသည် လက်တွေ့ကမ္ဘာတွင် ၎င်းတို့၏ဆက်စပ်မှုအပေါ် အခြေခံ၍ ရွေးချယ်ထားသော AutoGen မူဘောင်ဖြင့် မြှင့်တင်ထားသော ပြဿနာဖြေရှင်းနိုင်စွမ်းရည်၊ သူတို့ရဲ့ ဆန်းသစ်တဲ့ အလားအလာတွေပါ။ 

AutoGen framework ၏ ဤအပလီကေးရှင်း ခြောက်ခု ရှိပါသည်။

1. သင်္ချာပုစ္ဆာဖြေရှင်းနည်း။ 
2. တိုးမြှင့်ထားသော ချတ်များကို ပြန်လည်ရယူပါ။ 
3. ALF ချက်တင်များ။ 
4. Multi-agent coding။ 
5. တက်ကြွသောအဖွဲ့ချတ်။ 
6. စကားဝိုင်း စစ်တုရင်ကစားနည်း။ 

လျှောက်လွှာ 1 : သင်္ချာပြဿနာဖြေရှင်းခြင်း။

သင်္ချာသည် AI သုတေသနအကူအညီနှင့် ပုဂ္ဂိုလ်ရေးသီးသန့် AI ကျူရှင်သင်ကြားခြင်းအပါအဝင် အလားအလာရှိသော အပလီကေးရှင်းများ၏ ကမ္ဘာသစ်တစ်ခုလုံးကို ဖွင့်လှစ်ပေးမည့် ရှုပ်ထွေးသောသင်္ချာပြဿနာများကို ဖြေရှင်းရာတွင် အထောက်အကူပြုရန် LLM မော်ဒယ်များကို အသုံးချခြင်း၏ အခြေခံပညာရပ်များထဲမှ တစ်ခုဖြစ်သည်။ 

အထက်ဖော်ပြပါပုံသည် သင်္ချာပုစ္ဆာများကိုဖြေရှင်းရာတွင် ပြိုင်ဆိုင်မှုရှိသောစွမ်းဆောင်ရည်ရရှိစေရန် AutoGen မူဘောင်ကို အသုံးချပုံကို သရုပ်ပြသည်။ 

အပလီကေးရှင်း 2- မေးခွန်းဖြေဆိုခြင်းနှင့် ပြန်လည်ရယူခြင်း-တိုးမြှင့်ကုဒ်မျိုးဆက်

မကြာသေးမီလအနည်းငယ်အတွင်း၊ Retrieval Augmented Code Generation သည် ပြင်ပစာရွက်စာတမ်းများထည့်သွင်းရာတွင် LLMs ၏ကန့်သတ်ချက်များကိုကျော်လွှားရန် ထိရောက်ပြီး လက်တွေ့ကျသောချဉ်းကပ်မှုတစ်ခုအဖြစ် ပေါ်ထွက်လာပါသည်။ အောက်ဖော်ပြပါပုံသည် ထိရောက်သောပြန်လည်ရယူခြင်းတိုးမြှင့်ခြင်းအတွက် AutoGen မူဘောင်ကို အသုံးချခြင်းနှင့် အမေးအဖြေလုပ်ဆောင်မှုများတွင် စွမ်းဆောင်ရည်မြှင့်တင်ခြင်းကို သရုပ်ပြသည်။ 

Application 3- Text World Environments တွင် ဆုံးဖြတ်ချက်ချခြင်း။

AutoGen မူဘောင်ကို အွန်လိုင်း သို့မဟုတ် အပြန်အလှန်အကျိုးသက်ရောက်သော ဆုံးဖြတ်ချက်ချခြင်းများနှင့် လုပ်ဆောင်သည့် အပလီကေးရှင်းများ ဖန်တီးရန်အတွက် အသုံးပြုနိုင်သည်။ အောက်ပါပုံသည် စွမ်းဆောင်ရည်ကို သိသာထင်ရှားစွာမြှင့်တင်ရန် မြေပြင်အေးဂျင့်ဖြင့် သုံး-အေးဂျင့်စကားပြောဆိုမှုစနစ်တစ်ခုကို ဒီဇိုင်းရေးဆွဲရန် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် AutoGen မူဘောင်ကို မည်သို့အသုံးပြုနိုင်ကြောင်း သရုပ်ပြထားသည်။ 

Application 4- Multi-Agent Coding

AutoGen မူဘောင်တွင် အလုပ်လုပ်သော developer များသည် optimized solutions များကိုအကောင်အထည်ဖော်ရန် ကုဒ်ရေးသားနိုင်စွမ်းရှိသော multi-agent coding system ကိုတည်ဆောက်ရန် OptiGuide framework ကို အသုံးပြုနိုင်ပြီး သုံးစွဲသူ၏မေးခွန်းများကို ဖြေကြားပေးနိုင်ပါသည်။ အောက်ဖော်ပြပါပုံသည် Multi-agent ဒီဇိုင်းကိုဖန်တီးရန် AutoGen မူဘောင်ကိုအသုံးပြုခြင်းသည် အထူးသဖြင့် အကာအကွယ်လိုအပ်သော coding လုပ်ငန်းများကို လုပ်ဆောင်ရာတွင် အလုံးစုံစွမ်းဆောင်ရည်ကို သိသိသာသာမြှင့်တင်ရာတွင် အထောက်အကူဖြစ်စေကြောင်း သက်သေပြနေပါသည်။ 

လျှောက်လွှာ 5- Dynamic Group Chat

AutoGen မူဘောင်သည် ပါဝင်သည့် အေးဂျင့်များစွာ၏ အကြောင်းအရာကို မျှဝေပေးသည့် တက်ကြွသောအုပ်စုချတ်များအတွင်း လှည့်ပတ်နေသော ဆက်သွယ်ရေးပုံစံအတွက် ပံ့ပိုးပေးကာ ကြိုတင်သတ်မှတ်ထားသော အမှာစာအစုံကို လိုက်နာမည့်အစား ၎င်းတို့သည် တစ်ဦးနှင့်တစ်ဦး တက်ကြွသောပုံစံဖြင့် ပြောဆိုကြသည်။ ဤတက်ကြွသောအဖွဲ့ချတ်များသည် အေးဂျင့်များအတွင်း အပြန်အလှန်ဆက်သွယ်မှုစီးဆင်းမှုကို လမ်းညွှန်ရန် လက်ရှိပြောဆိုမှုများအပေါ် အားကိုးသည်။ 

အထက်ဖော်ပြပါပုံတွင် AutoGen မူဘောင်သည် အေးဂျင့်များအကြား တက်ကြွသောအုပ်စုချတ်များကို "" ကိုအသုံးပြုခြင်းဖြင့် မည်သို့ပံ့ပိုးပေးသည်ကို ဖော်ပြသည်။GroupChatManager"အထူးကိုယ်စားလှယ်။ 

လျှောက်လွှာ 6- စကားဝိုင်း စစ်တုရင်

AutoGen မူဘောင်၏ developer များသည် LLM သို့မဟုတ် လူသားဖြစ်နိုင်သော ကစားသမားများအတွက် ထည့်သွင်းထားသော အေးဂျင့်များပါရှိသော သဘာဝစကားဝိုင်းဖြစ်သည့် Conversational Chess အပလီကေးရှင်းကို တီထွင်ရန် ၎င်းကိုအသုံးပြုခဲ့ပြီး သက်ဆိုင်ရာပြင်ပအဖွဲ့အစည်းမှ အေးဂျင့်တစ်ခုလည်း ရှိပါသည်။ အချက်အလက်များ၊ ကြိုတင်သတ်မှတ်ထားသော စံစည်းမျဉ်းများပေါ်တွင် အခြေခံ၍ ဘုတ်အဖွဲ့ပေါ်ရှိ ရွေ့လျားမှုများကို အတည်ပြုပေးသည်။ အောက်ဖော်ပြပါပုံတွင် ပူးတွဲပါပုံသည် ကစားသမားများအား ဟာသများ၊ ဇာတ်ကောင်ကစားခြင်း သို့မဟုတ် meme ရည်ညွှန်းချက်များကို အသုံးပြု၍ ကစားသူများအတွက်သာမက စစ်တုရင်ဂိမ်းကို ပိုမိုစိတ်ဝင်စားဖွယ်ဖြစ်စေသည့် AutoGen မူဘောင်ကို အသုံးပြု၍ တည်ဆောက်ထားသော သဘာဝအနှောင့်အယှက်ဂိမ်းတစ်ခုဖြစ်သည့် Conversational Chess ကို သရုပ်ပြထားသည်။ ဒါပေမယ့်လည်း ပရိသတ် & လေ့လာသူများအတွက်ပါ။ 

ကောက်ချက်

ဤဆောင်းပါးတွင် ကျွန်ုပ်တို့သည် စကားဝိုင်းပရိုဂရမ်းမင်းနှင့် စကားစမြည်ပြောဆိုနိုင်သော အေးဂျင့်များ၏ သဘောတရားများကို အသုံးပြုသည့် အဖွင့်အရင်းအမြစ်ဘောင်ဖြစ်သော AutoGen အကြောင်း ပြောဆိုခဲ့ပြီး LLM အလုပ်အသွားအလာများကို ရိုးရှင်းစေရန်နှင့် ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ရန် ရည်ရွယ်ထားသော အလုပ်အသွားအလာပိုက်လိုင်းကို အလိုအလျောက်စနစ်ဖြင့် မိတ်ဆက်ပေးခြင်းဖြင့် LLM အလုပ်အသွားအလာများကို ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ပေးပါသည်။ AutoGen မူဘောင်သည် GPT-3 နှင့် GPT-4 ကဲ့သို့သော အဆင့်မြင့် LLM များ၏ စွမ်းအားကို မြှင့်တင်ပေးသည့် စကားစမြည်ပြောဆိုနိုင်သော စိတ်ကြိုက်ပြင်ဆင်နိုင်သော အေးဂျင့်များကို ပေးစွမ်းပြီး စကားစမြည်စတင်ရန် အလိုအလျောက် ချတ်လုပ်ခြင်းများကို အသုံးပြုခြင်းဖြင့် ၎င်းတို့၏ လက်ရှိကန့်သတ်ချက်များကို ဖြေရှင်းကာ LLMs များကို ကိရိယာများနှင့် လူသားထည့်သွင်းမှုများဖြင့် ပေါင်းစည်းပေးသည်။ အေးဂျင့်များစွာကြား။ 

AutoGen မူဘောင်သည် ၎င်း၏အစောပိုင်းစမ်းသပ်ဆဲအဆင့်တွင်ရှိနေဆဲဖြစ်သော်လည်း၊ ၎င်းသည် အနာဂတ်နယ်ပယ်တွင် စူးစမ်းရှာဖွေမှုများနှင့် သုတေသနအခွင့်အလမ်းများအတွက် လမ်းခင်းပေးကာ AutoGen သည် မြန်နှုန်း၊ လုပ်ဆောင်နိုင်စွမ်းများနှင့် အသုံးချပလီကေးရှင်းများ၏ ဖွံ့ဖြိုးတိုးတက်မှုလွယ်ကူမှုကို မြှင့်တင်ပေးသည့်ကိရိယာဖြစ်နိုင်သည်။ LLM များ၏စွမ်းဆောင်ရည်များ။