यस पाठले तपाईंलाई यो कोर्सका कोड नमूनाहरू कसरी चलाउने भनेर सिकाउनेछ।
सुरु गर्न, कृपया GitHub रिपोजिटरी क्लोन वा फोर्क गर्नुहोस्। यसले तपाईंलाई कोर्स सामग्रीको आफ्नै संस्करण बनाउने सुविधा दिनेछ ताकि तपाईं कोड चलाउन, परीक्षण गर्न र परिमार्जन गर्न सक्नुहुनेछ!
यो गर्नको लागि लिंकमा क्लिक गर्नुहोस्।
तपाईंले अब यो कोर्सको आफ्नै फोर्क गरिएको संस्करण निम्न लिंकमा पाउनुहुनेछ:
यो कोर्सले तपाईंलाई AI एजेन्टहरू निर्माण गर्नका लागि प्रयोगात्मक अनुभव प्रदान गर्न Jupyter Notebooks को श्रृंखला उपलब्ध गराउँछ।
कोड नमूनाहरू निम्नमा आधारित छन्:
GitHub खाता आवश्यक - निःशुल्क:
- Semantic Kernel Agent Framework + GitHub Models Marketplace। (semantic-kernel.ipynb) लेबल गरिएको।
- AutoGen Framework + GitHub Models Marketplace। (autogen.ipynb) लेबल गरिएको।
Azure सदस्यता आवश्यक: 3) Azure AI Foundry + Azure AI Agent Service। (azureaiagent.ipynb) लेबल गरिएको।
हामी तपाईंलाई यी तीन प्रकारका उदाहरणहरू प्रयास गर्न प्रोत्साहित गर्दछौं ताकि कुन तपाईंका लागि उपयुक्त छ भनेर पत्ता लगाउन सक्नुहुनेछ।
तपाईंले जुन विकल्प चयन गर्नुहुन्छ, त्यसले तलका सेटअप चरणहरू निर्धारण गर्नेछ:
- Python 3.12+
- NOTE: यदि तपाईंले Python3.12 स्थापना गर्नुभएको छैन भने, कृपया यसलाई स्थापना गर्नुहोस्। त्यसपछि python3.12 प्रयोग गरेर आफ्नो venv सिर्जना गर्नुहोस् ताकि requirements.txt फाइलबाट सही संस्करणहरू स्थापना गरियोस्।
- GitHub खाता - GitHub Models Marketplace पहुँचको लागि।
- Azure सदस्यता - Azure AI Foundry पहुँचको लागि।
- Azure AI Foundry खाता - Azure AI Agent Service पहुँचको लागि।
हामीले यस रिपोजिटरीको मूल फोल्डरमा requirements.txt फाइल समावेश गरेका छौं जसमा कोड नमूनाहरू चलाउन आवश्यक पर्ने सबै Python प्याकेजहरू छन्।
तपाईं यसलाई निम्न आदेश चलाएर स्थापना गर्न सक्नुहुन्छ:
pip install -r requirements.txtहामी कुनै पनि द्वन्द्व र समस्याहरू टार्न Python भर्चुअल वातावरण सिर्जना गर्न सिफारिस गर्छौं।
VSCode मा तपाईंले सही Python संस्करण प्रयोग गरिरहनुभएको छ भनेर सुनिश्चित गर्नुहोस्।
यो कोर्सले GitHub Models Marketplace प्रयोग गर्दछ, जसले तपाईंलाई AI एजेन्टहरू निर्माण गर्न प्रयोग गरिने Large Language Models (LLMs) को निःशुल्क पहुँच प्रदान गर्दछ।
GitHub Models प्रयोग गर्न, तपाईंले GitHub Personal Access Token सिर्जना गर्नुपर्नेछ।
यो तपाईंको GitHub खातामा गएर गर्न सकिन्छ।
कृपया Principle of Least Privilege पालना गर्नुहोस् जब तपाईं आफ्नो टोकन सिर्जना गर्नुहुन्छ। यसको मतलब तपाईंले टोकनलाई यस कोर्सका कोड नमूनाहरू चलाउन आवश्यक पर्ने अनुमति मात्र दिनुपर्छ।
-
आफ्नो स्क्रिनको बायाँपट्टि रहेको Developer settings मा गएर
Fine-grained tokensविकल्प चयन गर्नुहोस्।
त्यसपछि
Generate new tokenचयन गर्नुहोस्।
-
आफ्नो टोकनको लागि यसको उद्देश्य झल्काउने वर्णनात्मक नाम प्रविष्ट गर्नुहोस् ताकि पछि यसलाई सजिलै चिन्न सकियोस्।
🔐 टोकन अवधि सिफारिस
सिफारिस गरिएको अवधि: ३० दिन अझ सुरक्षित बनाउन, तपाईं छोटो अवधि चयन गर्न सक्नुहुन्छ—जस्तै ७ दिन 🛡️ यो तपाईंलाई व्यक्तिगत लक्ष्य सेट गर्न र कोर्स पूरा गर्न प्रेरित गर्ने राम्रो तरिका हो 🚀।
-
टोकनको स्कोपलाई यस रिपोजिटरीको फोर्कमा सीमित गर्नुहोस्।
-
टोकनको अनुमति सीमित गर्नुहोस्: Permissions अन्तर्गत, Account ट्याबमा क्लिक गर्नुहोस्, र "+ Add permissions" बटनमा क्लिक गर्नुहोस्। ड्रपडाउन देखा पर्नेछ। कृपया Models खोज्नुहोस् र त्यसलाई चयन गर्नुहोस्।
-
टोकन सिर्जना गर्नु अघि आवश्यक अनुमति पुष्टि गर्नुहोस्।
-
टोकन सिर्जना गर्नु अघि, सुनिश्चित गर्नुहोस् कि तपाईंले यसलाई सुरक्षित ठाउँमा जस्तै पासवर्ड म्यानेजर भल्टमा भण्डारण गर्न तयार हुनुहुन्छ, किनभने यो सिर्जना गरेपछि फेरि देखाइने छैन।
तपाईंले अहिले सिर्जना गर्नुभएको नयाँ टोकन प्रतिलिपि गर्नुहोस्। अब तपाईंले यसलाई यस कोर्समा समावेश गरिएको .env फाइलमा थप्नु हुनेछ।
आफ्नो .env फाइल सिर्जना गर्न, आफ्नो टर्मिनलमा निम्न आदेश चलाउनुहोस्।
cp .env.example .envयसले उदाहरण फाइललाई प्रतिलिपि गर्नेछ र तपाईंको डाइरेक्टरीमा .env फाइल सिर्जना गर्नेछ, जहाँ तपाईं वातावरण चरहरूको मानहरू भर्न सक्नुहुन्छ।
तपाईंको टोकन प्रतिलिपि गरेर, आफ्नो मनपर्ने टेक्स्ट एडिटरमा .env फाइल खोल्नुहोस् र GITHUB_TOKEN फिल्डमा टोकन पेस्ट गर्नुहोस्।
अब तपाईंले यस कोर्सका कोड नमूनाहरू चलाउन सक्षम हुनुहुनेछ।
Azure AI Foundry मा हब र प्रोजेक्ट सिर्जना गर्ने चरणहरू यहाँ पत्ता लगाउनुहोस्: Hub resources overview
एक पटक तपाईंले आफ्नो प्रोजेक्ट सिर्जना गर्नुभयो भने, तपाईंले आफ्नो प्रोजेक्टको लागि कनेक्शन स्ट्रिङ प्राप्त गर्नुपर्नेछ।
यो Azure AI Foundry पोर्टलमा आफ्नो प्रोजेक्टको Overview पृष्ठमा गएर गर्न सकिन्छ।
आफ्नो .env फाइल सिर्जना गर्न, आफ्नो टर्मिनलमा निम्न आदेश चलाउनुहोस्।
cp .env.example .envयसले उदाहरण फाइललाई प्रतिलिपि गर्नेछ र तपाईंको डाइरेक्टरीमा .env फाइल सिर्जना गर्नेछ, जहाँ तपाईं वातावरण चरहरूको मानहरू भर्न सक्नुहुन्छ।
तपाईंको टोकन प्रतिलिपि गरेर, आफ्नो मनपर्ने टेक्स्ट एडिटरमा .env फाइल खोल्नुहोस् र PROJECT_ENDPOINT फिल्डमा टोकन पेस्ट गर्नुहोस्।
सुरक्षा उत्तम अभ्यासको रूपमा, हामी keyless authentication प्रयोग गर्नेछौं Microsoft Entra ID को साथ Azure OpenAI मा प्रमाणित गर्न।
अर्को, टर्मिनल खोल्नुहोस् र az login --use-device-code चलाएर आफ्नो Azure खातामा साइन इन गर्नुहोस्।
एक पटक तपाईंले साइन इन गर्नुभयो भने, टर्मिनलमा आफ्नो सदस्यता चयन गर्नुहोस्।
Agentic RAG पाठ - पाठ ५ - का लागि, त्यहाँ Azure Search र Azure OpenAI प्रयोग गर्ने नमूनाहरू छन्।
यदि तपाईं यी नमूनाहरू चलाउन चाहनुहुन्छ भने, तपाईंले आफ्नो .env फाइलमा निम्न वातावरण चरहरू थप्नुपर्नेछ:
-
AZURE_SUBSCRIPTION_ID- आफ्नो प्रोजेक्टको Overview पृष्ठमा Project details जाँच गर्नुहोस्। -
AZURE_AI_PROJECT_NAME- आफ्नो प्रोजेक्टको Overview पृष्ठको शीर्षमा हेर्नुहोस्। -
AZURE_OPENAI_SERVICE- Overview पृष्ठमा Azure OpenAI Service को लागि Included capabilities ट्याबमा फेला पार्नुहोस्।
-
AZURE_OPENAI_RESOURCE_GROUP- Overview पृष्ठमा Project properties मा जानुहोस्। -
GLOBAL_LLM_SERVICE- Connected resources अन्तर्गत, Azure AI Services कनेक्शन नाम फेला पार्नुहोस्। यदि सूचीबद्ध छैन भने, आफ्नो स्रोत समूह अन्तर्गत Azure पोर्टलमा AI Services स्रोत नाम जाँच गर्नुहोस्।
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- आफ्नो embedding मोडेल चयन गर्नुहोस् (जस्तै,text-embedding-ada-002) र मोडेल विवरणबाट Deployment name नोट गर्नुहोस्। -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- आफ्नो chat मोडेल चयन गर्नुहोस् (जस्तै,gpt-4o-mini) र मोडेल विवरणबाट Deployment name नोट गर्नुहोस्।
-
AZURE_OPENAI_ENDPOINT- Azure AI services खोज्नुहोस्, त्यसमा क्लिक गर्नुहोस्, त्यसपछि Resource Management, Keys and Endpoint मा जानुहोस्, "Azure OpenAI endpoints" मा स्क्रोल गर्नुहोस्, र "Language APIs" भन्ने एक प्रतिलिपि गर्नुहोस्। -
AZURE_OPENAI_API_KEY- त्यही स्क्रिनबाट, KEY 1 वा KEY 2 प्रतिलिपि गर्नुहोस्। -
AZURE_SEARCH_SERVICE_ENDPOINT- आफ्नो Azure AI Search स्रोत फेला पार्नुहोस्, त्यसमा क्लिक गर्नुहोस्, र Overview हेर्नुहोस्। -
AZURE_SEARCH_API_KEY- त्यसपछि Settings मा जानुहोस् र Keys मा गएर प्राथमिक वा द्वितीयक प्रशासक कुञ्जी प्रतिलिपि गर्नुहोस्।
AZURE_OPENAI_API_VERSION- API version lifecycle पृष्ठ अन्तर्गत Latest GA API release हेर्नुहोस्।
तपाईंको प्रमाणहरू हार्डकोड नगरी, हामी Azure OpenAI सँग keyless कनेक्शन प्रयोग गर्नेछौं। यसका लागि, हामी DefaultAzureCredential आयात गर्नेछौं र पछि DefaultAzureCredential फंक्शनलाई प्रमाण प्राप्त गर्न कल गर्नेछौं।
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredentialयदि तपाईंलाई यो सेटअप चलाउन कुनै समस्या छ भने, हाम्रो
अब तपाईं यो कोर्सका कोडहरू चलाउन तयार हुनुहुन्छ। AI एजेन्टहरूको संसारबारे थप जान्नको लागि शुभकामना!
AI एजेन्टहरू र एजेन्ट प्रयोग केसहरूको परिचय
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव सटीकता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया जानकार रहनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याका लागि हामी जिम्मेवार हुने छैनौं।