AI Agents
📘 টুল ব্যবহারকারী স্বয়ংক্রিয় AI।
🌐 Autonomous tool-using AI.
✨
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
টুল ব্যবহারকারী স্বয়ংক্রিয় AI।
টুল ব্যবহারকারী স্বয়ংক্রিয় AI।
🌐 English:
Autonomous tool-using AI.
Autonomous tool-using AI.
🗂 কোথায় পড়ে
৪. ডিপ লার্নিং ও এআই → জেনারেটিভ এআই ও LLM → AI Agents
🎯 এই শাখার লক্ষ্য
Prompting, APIs, RAG, fine-tuning
🧰 টুলস
OpenAI/Claude API, LangChain, Chroma
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
LLM শুধু উত্তর দেয় না, কাজও করে—পরবর্তী প্রজন্মের অ্যাপ্লিকেশন।
- ধাপ 1লক্ষ্য গ্রহণ → পরিকল্পনা
- ধাপ 2টুল নির্বাচন ও কল (সার্চ, কোড, ডাটাবেস)
- ধাপ 3ফল পর্যবেক্ষণ করে পরের ধাপ ঠিক করা
- ধাপ 4লক্ষ্য পূরণ হলে থামা ও রিপোর্ট—বিস্তারিত পরবর্তী "Agentic AI" শাখায়
🧪 বাস্তব উদাহরণ
কোডিং এজেন্ট: বাগ রিপোর্ট পড়ে → ফাইল খোঁজে → ঠিক করে → টেস্ট চালায় → ফল জানায়।
⚠️ সাধারণ ভুল
কোনো সীমা/অনুমোদন ছাড়া এজেন্টকে গুরুত্বপূর্ণ সিস্টেমে প্রবেশাধিকার দেওয়া।
🔑 মূল শব্দ (Key terms)
AI agenttool useplanningautonomy
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক9.1 লক্ষ্য → পরিকল্পনা → টুল → পর্যবেক্ষণ
9.2 উদাহরণ9.2.1 কোডিং এজেন্ট
9.3 বিস্তারিত: Agentic AI শাখা
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Generative AI & LLMs)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np
# Mini RAG retrieval: bag-of-words embeddings + cosine similarity
docs=["Dengue spreads through Aedes mosquitoes","NDVI measures vegetation health","Transformers use self-attention"]
vocab=sorted({w.lower() for d in docs for w in d.split()})
emb=lambda s:np.array([s.lower().split().count(w) for w in vocab],float)
D=np.array([emb(d) for d in docs]); q=emb("what does NDVI measure")
sim=D@q/(np.linalg.norm(D,axis=1)*np.linalg.norm(q)+1e-9)
print("Retrieved context:",docs[sim.argmax()]); print("Prompt -> 'Answer using: "+docs[sim.argmax()]+"'")❓
সেল্ফ-চেক · Self check
1. “কোডিং এজেন্ট” — এটি কোন সাব-টপিকের বর্ণনা?
🔗