লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) এজেন্ট হল এমন প্রোগ্রাম যা 1) এক্সটার্নাল টুলস (APIs, ফাংশন, ওয়েবহুক, প্লাগইন, এবং আরও অনেক কিছু) সহ স্বতন্ত্র এলএলএম-এর ক্ষমতাকে প্রসারিত করে এবং 2) নিজে থেকে কাজগুলি পরিকল্পনা ও সম্পাদন করার ক্ষমতা। -নির্দেশিত ফ্যাশন। প্রায়শই, LLM-কে জটিল কাজগুলি সম্পন্ন করতে অন্যান্য সফ্টওয়্যার, ডেটাবেস বা API-এর সাথে যোগাযোগ করতে হয়। উদাহরণস্বরূপ, একটি প্রশাসনিক চ্যাটবট যা মিটিং শিডিউল করে তার জন্য কর্মীদের ক্যালেন্ডার এবং ইমেল অ্যাক্সেসের প্রয়োজন হবে। সরঞ্জামগুলিতে অ্যাক্সেসের সাথে, এলএলএম এজেন্টরা আরও শক্তিশালী হয়ে উঠতে পারে - অতিরিক্ত জটিলতার খরচে।
এই পোস্টে, আমরা LLM এজেন্টদের পরিচয় করিয়ে দিই এবং প্রদর্শন করি যে কীভাবে একটি ই-কমার্স এলএলএম এজেন্ট তৈরি এবং স্থাপন করা যায় আমাজন সেজমেকার জাম্পস্টার্ট এবং এডব্লিউএস ল্যাম্বদা। এজেন্ট নতুন ক্ষমতা প্রদানের জন্য সরঞ্জাম ব্যবহার করবে, যেমন রিটার্ন সম্পর্কে প্রশ্নের উত্তর দেওয়া (“কি আমার ফেরত rtn001
প্রক্রিয়া করা হয়েছে?") এবং অর্ডার সম্পর্কে আপডেট প্রদান করে ("অর্ডার থাকলে আপনি আমাকে বলতে পারেন 123456
পাঠানো হয়েছে?") এই নতুন ক্ষমতাগুলির জন্য একাধিক ডেটা উত্স থেকে ডেটা আনার জন্য এলএলএমগুলির প্রয়োজন (orders
, returns
) এবং পুনরুদ্ধার অগমেন্টেড জেনারেশন (RAG) সঞ্চালন করুন।
এলএলএম এজেন্টকে পাওয়ার জন্য, আমরা একটি ব্যবহার করি Flan-UL2
মডেল হিসেবে মোতায়েন একটি সেজমেকার এন্ডপয়েন্ট এবং AWS Lambda দিয়ে নির্মিত ডেটা পুনরুদ্ধার সরঞ্জাম ব্যবহার করুন। এজেন্ট পরবর্তীতে সঙ্গে একত্রিত করা যাবে অ্যামাজন লেক্স এবং ওয়েবসাইটের ভিতরে একটি চ্যাটবট হিসাবে ব্যবহৃত হয় বা AWS কানেক্ট. উৎপাদনে এলএলএম এজেন্টদের মোতায়েন করার আগে বিবেচনা করতে হবে এমন আইটেম দিয়ে আমরা পোস্টটি শেষ করছি। LLM এজেন্ট তৈরির জন্য সম্পূর্ণরূপে পরিচালিত অভিজ্ঞতার জন্য, AWS এছাড়াও প্রদান করে অ্যামাজন বেডরক বৈশিষ্ট্যের জন্য এজেন্ট (প্রিভিউতে).
এলএলএম এজেন্ট আর্কিটেকচারের একটি সংক্ষিপ্ত বিবরণ
এলএলএম এজেন্ট হল এমন প্রোগ্রাম যেগুলি জটিল কাজগুলি সম্পূর্ণ করার জন্য কখন এবং কীভাবে সরঞ্জামগুলি ব্যবহার করতে হবে তা নির্ধারণ করতে এলএলএম ব্যবহার করে। টুলস এবং টাস্ক প্ল্যানিং ক্ষমতার সাহায্যে, LLM এজেন্টরা বাইরের সিস্টেমের সাথে যোগাযোগ করতে পারে এবং LLM-এর ঐতিহ্যগত সীমাবদ্ধতাগুলি যেমন জ্ঞান কাটঅফ, হ্যালুসিনেশন, এবং অসম্পূর্ণ গণনাগুলি অতিক্রম করতে পারে। টুলগুলি বিভিন্ন ধরনের ফর্ম নিতে পারে, যেমন API কল, পাইথন ফাংশন বা ওয়েবহুক-ভিত্তিক প্লাগইন। উদাহরণস্বরূপ, একটি LLM প্রাসঙ্গিক প্রসঙ্গ আনতে এবং RAG সম্পাদন করতে একটি "পুনরুদ্ধার প্লাগইন" ব্যবহার করতে পারে।
তাহলে একজন এলএলএম-এর জন্য টুল বাছাই করা এবং কাজের পরিকল্পনা করার অর্থ কী? অনেক পন্থা আছে (যেমন প্রতিক্রিয়া, এমআরকেএল, টুলফর্মার, আলিঙ্গন জিপিটি, এবং ট্রান্সফরমার এজেন্টs) সরঞ্জাম সহ এলএলএম ব্যবহার করা, এবং অগ্রগতি দ্রুত ঘটছে। কিন্তু একটি সহজ উপায় হল টুলগুলির একটি তালিকা সহ একটি LLM প্রম্পট করা এবং এটি নির্ধারণ করতে বলুন 1) ব্যবহারকারীর ক্যোয়ারী সন্তুষ্ট করার জন্য একটি টুল প্রয়োজন কিনা, এবং যদি তাই হয়, 2) উপযুক্ত টুল নির্বাচন করুন। এই ধরনের একটি প্রম্পট সাধারণত নিম্নলিখিত উদাহরণের মত দেখায় এবং সঠিক টুল বাছাই করার ক্ষেত্রে LLM এর নির্ভরযোগ্যতা উন্নত করার জন্য কয়েকটি শট উদাহরণ অন্তর্ভুক্ত করতে পারে।
আরও জটিল পদ্ধতির মধ্যে একটি বিশেষ এলএলএম ব্যবহার করা জড়িত যা সরাসরি "এপিআই কল" বা "টুল ব্যবহার" ডিকোড করতে পারে, যেমন গরিলাএলএলএম. নির্দেশের উপর ভিত্তি করে API কলগুলিকে চিনতে এবং ভবিষ্যদ্বাণী করতে এই ধরনের ফাইনটিউনড এলএলএমগুলিকে API স্পেসিফিকেশন ডেটাসেটে প্রশিক্ষণ দেওয়া হয়। প্রায়শই, এই LLM-এর জন্য উপলভ্য টুলস সম্পর্কে কিছু মেটাডেটা প্রয়োজন (বিবরণ, yaml, বা JSON স্কিমা তাদের ইনপুট প্যারামিটারের জন্য) যাতে আউটপুট টুল ইনভোকেশন। এই পদ্ধতির দ্বারা নেওয়া হয় অ্যামাজন বেডরকের জন্য এজেন্ট এবং OpenAI ফাংশন কল. নোট করুন যে টুল নির্বাচন করার ক্ষমতা দেখানোর জন্য এলএলএমগুলি সাধারণত যথেষ্ট বড় এবং জটিল হতে হবে।
টাস্ক প্ল্যানিং এবং টুল সিলেকশন মেকানিজম বেছে নেওয়া হয়েছে বলে ধরে নিয়ে, একটি সাধারণ এলএলএম এজেন্ট প্রোগ্রাম নিম্নলিখিত ক্রমানুসারে কাজ করে:
- ব্যবহারকারীর অনুরোধ - প্রোগ্রামটি একটি ব্যবহারকারীর ইনপুট নেয় যেমন "আমার অর্ডার কোথায়
123456
?" কিছু ক্লায়েন্ট অ্যাপ্লিকেশন থেকে। - পরবর্তী কর্ম(গুলি) পরিকল্পনা করুন এবং ব্যবহার করার জন্য টুল(গুলি) নির্বাচন করুন - এরপরে, প্রোগ্রামটি একটি প্রম্পট ব্যবহার করে এলএলএম পরবর্তী অ্যাকশন তৈরি করতে পারে, উদাহরণস্বরূপ, "অর্ডার টেবিলটি ব্যবহার করে দেখুন
OrdersAPI
" এলএলএমকে একটি টুলের নাম প্রস্তাব করার জন্য অনুরোধ করা হয় যেমনOrdersAPI
উপলব্ধ সরঞ্জাম এবং তাদের বর্ণনার একটি পূর্বনির্ধারিত তালিকা থেকে। বিকল্পভাবে, এলএলএমকে সরাসরি ইনপুট পরামিতি সহ একটি API কল তৈরি করার নির্দেশ দেওয়া যেতে পারে যেমনOrdersAPI(12345)
.- নোট করুন যে পরবর্তী ক্রিয়াটি একটি টুল বা API ব্যবহার করে জড়িত থাকতে পারে বা নাও পারে৷ যদি তা না হয়, তাহলে LLM টুল থেকে অতিরিক্ত প্রসঙ্গ অন্তর্ভুক্ত না করেই ব্যবহারকারীর ইনপুটকে সাড়া দেবে বা কেবল একটি ক্যানড প্রতিক্রিয়া ফেরত দেবে যেমন, "আমি এই প্রশ্নের উত্তর দিতে পারব না।"
- পার্স টুল অনুরোধ - এর পরে, আমাদের LLM দ্বারা প্রস্তাবিত টুল/অ্যাকশন ভবিষ্যদ্বাণীকে বিশ্লেষণ করতে হবে এবং যাচাই করতে হবে। টুলের নাম, API, এবং অনুরোধের পরামিতিগুলিকে হ্যালুসিনেট করা হয় না এবং টুলগুলিকে স্পেসিফিকেশন অনুযায়ী সঠিকভাবে ব্যবহার করা হয়েছে তা নিশ্চিত করার জন্য বৈধতা প্রয়োজন। এই পার্সিংয়ের জন্য আলাদা LLM কলের প্রয়োজন হতে পারে।
- টুল আহ্বান করুন - একবার বৈধ টুলের নাম(গুলি) এবং প্যারামিটার(গুলি) নিশ্চিত হয়ে গেলে, আমরা টুলটি চালু করি৷ এটি একটি HTTP অনুরোধ, ফাংশন কল, এবং তাই হতে পারে.
- আউটপুট পার্স করুন - টুল থেকে প্রতিক্রিয়া অতিরিক্ত প্রক্রিয়াকরণ প্রয়োজন হতে পারে. উদাহরণস্বরূপ, একটি এপিআই কলের ফলে দীর্ঘ JSON প্রতিক্রিয়া হতে পারে, যেখানে শুধুমাত্র ক্ষেত্রগুলির একটি উপসেট LLM-এর জন্য আগ্রহী। একটি পরিষ্কার, প্রমিত বিন্যাসে তথ্য আহরণ করা LLM কে ফলাফলটিকে আরও নির্ভরযোগ্যভাবে ব্যাখ্যা করতে সহায়তা করতে পারে।
- আউটপুট ব্যাখ্যা করুন - টুল থেকে আউটপুট দেওয়া হলে, এলএলএম-কে আবার তা বোঝার জন্য অনুরোধ করা হয় এবং সিদ্ধান্ত নেওয়া হয় যে এটি ব্যবহারকারীর কাছে চূড়ান্ত উত্তর তৈরি করতে পারে কিনা বা অতিরিক্ত পদক্ষেপের প্রয়োজন কিনা।
- বন্ধ করুন বা ধাপ 2 চালিয়ে যান - হয় একটি চূড়ান্ত উত্তর বা ত্রুটি বা সময়সীমার ক্ষেত্রে একটি ডিফল্ট উত্তর ফেরত দিন।
বিভিন্ন এজেন্ট ফ্রেমওয়ার্ক পূর্ববর্তী প্রোগ্রাম প্রবাহ ভিন্নভাবে কার্যকর করে। উদাহরণ স্বরূপ, প্রতিক্রিয়া টুল নির্বাচন এবং উত্তর তৈরির জন্য পৃথক প্রম্পট ব্যবহার করার বিপরীতে একটি একক প্রম্পটে টুল নির্বাচন এবং চূড়ান্ত উত্তর প্রজন্মকে একত্রিত করে। এছাড়াও, এই লজিকটি একটি একক পাসে চালানো যেতে পারে বা কিছুক্ষণের বিবৃতিতে ("এজেন্ট লুপ") চালানো যেতে পারে, যা শেষ হয়ে যায় যখন চূড়ান্ত উত্তর তৈরি হয়, একটি ব্যতিক্রম নিক্ষেপ করা হয় বা সময় শেষ হয়। যা স্থির থাকে তা হল এজেন্টরা টাস্ক শেষ না হওয়া পর্যন্ত পরিকল্পনা এবং টুলের আহ্বানের জন্য কেন্দ্রবিন্দু হিসাবে এলএলএম ব্যবহার করে। এর পরে, আমরা AWS পরিষেবাগুলি ব্যবহার করে কীভাবে একটি সাধারণ এজেন্ট লুপ প্রয়োগ করতে হয় তা দেখাই।
সমাধান ওভারভিউ
এই ব্লগ পোস্টের জন্য, আমরা একটি ই-কমার্স সাপোর্ট এলএলএম এজেন্ট বাস্তবায়ন করি যা টুল দ্বারা চালিত দুটি কার্যকারিতা প্রদান করে:
- স্থিতি পুনরুদ্ধার টুল রিটার্ন – রিটার্নের অবস্থা সম্পর্কে প্রশ্নের উত্তর দিন যেমন, “আমার রিটার্নে কী ঘটছে
rtn001
? " - অর্ডার স্থিতি পুনরুদ্ধার টুল - অর্ডারের স্ট্যাটাস ট্র্যাক করুন যেমন, “আমার অর্ডারের অবস্থা কী
123456
? "
এজেন্ট কার্যকরভাবে একটি কোয়েরি রাউটার হিসাবে এলএলএম ব্যবহার করে। একটি প্রশ্ন দেওয়া হয়েছে (“অর্ডারের অবস্থা কী 123456
?"), একাধিক ডেটা উত্স (অর্থাৎ রিটার্ন এবং অর্ডার) জুড়ে অনুসন্ধান করার জন্য উপযুক্ত পুনরুদ্ধার সরঞ্জাম নির্বাচন করুন। আমরা একাধিক পুনরুদ্ধার সরঞ্জামের মধ্যে এলএলএম বাছাই করে ক্যোয়ারী রাউটিং সম্পন্ন করি, যা একটি ডেটা উৎসের সাথে ইন্টারঅ্যাক্ট করার জন্য এবং প্রসঙ্গ আনার জন্য দায়ী। এটি সাধারণ RAG প্যাটার্নকে প্রসারিত করে, যা একটি একক ডেটা উৎস ধরে নেয়।
উভয় পুনরুদ্ধার সরঞ্জাম হল ল্যাম্বডা ফাংশন যা একটি আইডি নেয় (orderId
or returnId
). একটি বাস্তব-বিশ্বের দৃশ্যকল্পে ডেটা উত্স একটি উচ্চ মাপযোগ্য NoSQL ডাটাবেস হতে পারে যেমন DynamoDB, কিন্তু এই সমাধানটি সাধারণ পাইথন নিয়োগ করে Dict
ডেমো উদ্দেশ্যে নমুনা ডেটা সহ।
অতিরিক্ত কার্যকারিতা পুনরুদ্ধার সরঞ্জাম যোগ করে এবং সেই অনুযায়ী প্রম্পট পরিবর্তন করে এজেন্টে যোগ করা যেতে পারে। এই এজেন্টটিকে একটি স্বতন্ত্র পরিষেবা পরীক্ষা করা যেতে পারে যা HTTP এর মাধ্যমে যেকোন UI এর সাথে একীভূত হয়, যা সহজেই করা যেতে পারে অ্যামাজন লেক্স.
এখানে মূল উপাদান সম্পর্কে কিছু অতিরিক্ত বিবরণ আছে:
- এলএলএম ইনফারেন্স এন্ডপয়েন্ট - একটি এজেন্ট প্রোগ্রামের মূল একটি এলএলএম। আমরা সহজে স্থাপন করতে SageMaker জাম্পস্টার্ট ফাউন্ডেশন মডেল হাব ব্যবহার করব
Flan-UL2
মডেল. সেজমেকার জাম্পস্টার্ট ডেডিকেটেডের জন্য এলএলএম ইনফারেন্স এন্ডপয়েন্ট স্থাপন করা সহজ করে তোলে SageMaker উদাহরণস্বরূপ। - এজেন্ট অর্কেস্ট্রেটর - এজেন্ট অর্কেস্ট্রেটর এলএলএম, টুলস এবং ক্লায়েন্ট অ্যাপের মধ্যে মিথস্ক্রিয়াগুলি অর্কেস্ট্রেট করে। আমাদের সমাধানের জন্য, আমরা এই ফ্লো চালানোর জন্য একটি AWS Lambda ফাংশন ব্যবহার করি এবং নিম্নলিখিতগুলিকে সহায়ক ফাংশন হিসাবে নিয়োগ করি।
- টাস্ক (টুল) পরিকল্পনাকারী - টাস্ক প্ল্যানার 1) রিটার্ন তদন্ত, 2) অর্ডার তদন্ত বা 3) কোনও সরঞ্জামের মধ্যে একটির পরামর্শ দিতে LLM ব্যবহার করে৷ আমরা শুধুমাত্র প্রম্পট ইঞ্জিনিয়ারিং ব্যবহার করি এবং
Flan-UL2
সূক্ষ্ম টিউনিং ছাড়াই মডেল। - টুল পার্সার - টুল পার্সার নিশ্চিত করে যে টাস্ক প্ল্যানার থেকে টুল সাজেশন বৈধ। উল্লেখযোগ্যভাবে, আমরা নিশ্চিত যে একটি একক
orderId
orreturnId
পার্স করা যেতে পারে। অন্যথায়, আমরা একটি ডিফল্ট বার্তা দিয়ে প্রতিক্রিয়া জানাই। - টুল প্রেরক - টুল প্রেরক বৈধ পরামিতি ব্যবহার করে টুল (Lambda ফাংশন) আহ্বান করে।
- আউটপুট পার্সার - আউটপুট পার্সার JSON থেকে প্রাসঙ্গিক আইটেমগুলিকে মানব-পঠনযোগ্য স্ট্রিংয়ে পরিষ্কার করে এবং বের করে। এই কাজটি প্রতিটি পুনরুদ্ধার সরঞ্জামের পাশাপাশি অর্কেস্ট্রেটরের মধ্যে উভয়ই করা হয়।
- আউটপুট দোভাষী - আউটপুট দোভাষীর দায়িত্ব হল 1) টুল আমন্ত্রণ থেকে আউটপুট ব্যাখ্যা করা এবং 2) ব্যবহারকারীর অনুরোধটি সন্তুষ্ট করা যাবে কিনা বা অতিরিক্ত পদক্ষেপের প্রয়োজন হবে কিনা তা নির্ধারণ করা। পরেরটি হলে, একটি চূড়ান্ত প্রতিক্রিয়া আলাদাভাবে তৈরি করা হয় এবং ব্যবহারকারীর কাছে ফিরে আসে।
- টাস্ক (টুল) পরিকল্পনাকারী - টাস্ক প্ল্যানার 1) রিটার্ন তদন্ত, 2) অর্ডার তদন্ত বা 3) কোনও সরঞ্জামের মধ্যে একটির পরামর্শ দিতে LLM ব্যবহার করে৷ আমরা শুধুমাত্র প্রম্পট ইঞ্জিনিয়ারিং ব্যবহার করি এবং
এখন, আসুন মূল উপাদানগুলির মধ্যে একটু গভীরভাবে ডুব দেওয়া যাক: এজেন্ট অর্কেস্ট্রেটর, টাস্ক প্ল্যানার এবং টুল প্রেরক৷
এজেন্ট অর্কেস্ট্রেটর
নীচে এজেন্ট অর্কেস্ট্রেটর ল্যাম্বডা ফাংশনের ভিতরে এজেন্ট লুপের একটি সংক্ষিপ্ত সংস্করণ রয়েছে। লুপ সাহায্যকারী ফাংশন ব্যবহার করে যেমন task_planner
or tool_parser
, কাজগুলি মডুলারাইজ করতে। এখানে লুপটি এমনভাবে ডিজাইন করা হয়েছে যাতে LLM অপ্রয়োজনীয়ভাবে লম্বা লুপে আটকে না যায় সেজন্য সর্বোচ্চ দুইবার চালানো হয়।
টাস্ক প্ল্যানার (টুল ভবিষ্যদ্বাণী)
এজেন্ট অর্কেস্ট্রেটর ব্যবহার করে task planner
ব্যবহারকারীর ইনপুটের উপর ভিত্তি করে একটি পুনরুদ্ধার সরঞ্জাম ভবিষ্যদ্বাণী করতে। আমাদের এলএলএম এজেন্টের জন্য, আমরা কেবলমাত্র প্রম্পট ইঞ্জিনিয়ারিং এবং কয়েকটি শট প্রম্পটিং ব্যবহার করব যাতে প্রেক্ষাপটে এলএলএমকে এই কাজটি শেখানো যায়। আরও পরিশীলিত এজেন্ট টুল ভবিষ্যদ্বাণীর জন্য একটি সূক্ষ্ম-টিউনড এলএলএম ব্যবহার করতে পারে, যা এই পোস্টের সুযোগের বাইরে। প্রম্পটটি নিম্নরূপ:
টুল প্রেরক
টুল ডিসপ্যাচ মেকানিজম এর মাধ্যমে কাজ করে if/else
টুলের নামের উপর নির্ভর করে উপযুক্ত ল্যাম্বডা ফাংশন কল করার যুক্তি। নিম্নলিখিত হল tool_dispatch
সহায়ক ফাংশন বাস্তবায়ন। এটি ভিতরে ব্যবহার করা হয় agent
লুপ করে এবং টুল Lambda ফাংশন থেকে কাঁচা প্রতিক্রিয়া প্রদান করে, যা একটি দ্বারা পরিষ্কার করা হয় output_parser
ফাংশন.
সমাধান স্থাপন করুন
গুরুত্বপূর্ণ পূর্বশর্ত- স্থাপনার সাথে শুরু করার জন্য, আপনাকে নিম্নলিখিত পূর্বশর্তগুলি পূরণ করতে হবে:
- অ্যাক্সেস এডাব্লুএস ম্যানেজমেন্ট কনসোল লঞ্চ করতে পারে এমন একজন ব্যবহারকারীর মাধ্যমে AWS ক্লাউডফর্মেশন স্ট্যাক
- নেভিগেট সঙ্গে পরিচিতি এডাব্লুএস ল্যাম্বদা এবং অ্যামাজন লেক্স কনসোল
Flan-UL2
একটি একক প্রয়োজনml.g5.12xlarge
স্থাপনার জন্য, যা একটি মাধ্যমে সম্পদ সীমা বৃদ্ধির প্রয়োজন হতে পারে টিকেট সমর্থন. আমাদের উদাহরণে, আমরা ব্যবহার করিus-east-1
অঞ্চল হিসাবে, তাই অনুগ্রহ করে নিশ্চিত করুন যে পরিষেবা কোটা (যদি প্রয়োজন হয়) বৃদ্ধি করা যায়৷us-east-1
.
CloudFormation ব্যবহার করে স্থাপন করুন - আপনি সমাধান স্থাপন করতে পারেন us-east-1
নীচের বোতামে ক্লিক করে:
সমাধানটি স্থাপন করতে প্রায় 20 মিনিট সময় লাগবে এবং একটি তৈরি করবে LLMAgentStack
স্ট্যাক, যা:
- ব্যবহার করে SageMaker এন্ডপয়েন্ট স্থাপন করে
Flan-UL2
SageMaker JumpStart থেকে মডেল; - তিনটি ল্যাম্বডা ফাংশন স্থাপন করে:
LLMAgentOrchestrator
,LLMAgentReturnsTool
,LLMAgentOrdersTool
; এবং - একটি স্থাপন করে এডব্লিউএস লেক্স বট যা এজেন্ট পরীক্ষা করতে ব্যবহার করা যেতে পারে:
Sagemaker-Jumpstart-Flan-LLM-Agent-Fallback-Bot
.
সমাধান পরীক্ষা করুন
স্ট্যাকটি নামের সাথে একটি অ্যামাজন লেক্স বট স্থাপন করে Sagemaker-Jumpstart-Flan-LLM-Agent-Fallback-Bot
. এজেন্ট এন্ড-টু-এন্ড পরীক্ষা করতে বট ব্যবহার করা যেতে পারে। ল্যাম্বডা ইন্টিগ্রেশন সহ AWS অ্যামাজন লেক্স বট পরীক্ষা করার জন্য এখানে একটি অতিরিক্ত বিস্তৃত নির্দেশিকা রয়েছে এবং কীভাবে ইন্টিগ্রেশন উচ্চ স্তরে কাজ করে। কিন্তু সংক্ষেপে, অ্যামাজন লেক্স বট এমন একটি সংস্থান যা আমাদের তৈরি করা ল্যাম্বডা ফাংশনের ভিতরে চলমান এলএলএম এজেন্টের সাথে চ্যাট করার জন্য একটি দ্রুত UI প্রদান করে (LLMAgentOrchestrator
).
বিবেচনা করা নমুনা পরীক্ষার ক্ষেত্রে নিম্নরূপ:
- বৈধ আদেশ তদন্ত (উদাহরণস্বরূপ, "কোন আইটেমটির জন্য অর্ডার দেওয়া হয়েছিল
123456
? ”)- অর্ডার "123456" একটি বৈধ অর্ডার, তাই আমাদের একটি যুক্তিসঙ্গত উত্তর আশা করা উচিত (যেমন "হার্বাল হ্যান্ডসোপ")
- বৈধ রিটার্ন তদন্ত প্রত্যাবর্তনের জন্য (উদাহরণস্বরূপ, "কখন আমার প্রত্যাবর্তন
rtn003
প্রক্রিয়া করা হয়েছে?")- আমাদের রিটার্নের স্থিতি সম্পর্কে একটি যুক্তিসঙ্গত উত্তর আশা করা উচিত।
- উভয় রিটার্ন বা আদেশ অপ্রাসঙ্গিক (উদাহরণস্বরূপ, "এই মুহূর্তে স্কটল্যান্ডের আবহাওয়া কেমন?")
- ফেরত বা আদেশের জন্য একটি অপ্রাসঙ্গিক প্রশ্ন, এইভাবে একটি ডিফল্ট উত্তর ফেরত দেওয়া উচিত ("দুঃখিত, আমি সেই প্রশ্নের উত্তর দিতে পারছি না।")
- অবৈধ আদেশ তদন্ত (উদাহরণস্বরূপ, "কোন আইটেমটির জন্য অর্ডার দেওয়া হয়েছিল
383833
? ”)- আইডি 383832 অর্ডার ডেটাসেটে বিদ্যমান নেই এবং তাই আমাদের ভালভাবে ব্যর্থ হওয়া উচিত (উদাহরণস্বরূপ, "অর্ডার পাওয়া যায়নি। অনুগ্রহ করে আপনার অর্ডার আইডি চেক করুন।")
- অবৈধ রিটার্ন অনুসন্ধান (উদাহরণস্বরূপ, "কখন আমার প্রত্যাবর্তন
rtn123
প্রক্রিয়া করা হয়েছে?")- একইভাবে, আইডি
rtn123
রিটার্ন ডেটাসেটে বিদ্যমান নেই, এবং তাই অনুগ্রহপূর্বক ব্যর্থ হওয়া উচিত।
- একইভাবে, আইডি
- অপ্রাসঙ্গিক রিটার্ন তদন্ত (উদাহরণস্বরূপ, “রিটার্নের প্রভাব কী
rtn001
বিশ্ব শান্তি সম্পর্কে?")- এই প্রশ্নটি, যদিও এটি একটি বৈধ আদেশের সাথে সম্পর্কিত বলে মনে হচ্ছে, এটি অপ্রাসঙ্গিক। LLM অপ্রাসঙ্গিক প্রসঙ্গে প্রশ্নগুলি ফিল্টার করতে ব্যবহৃত হয়।
এই পরীক্ষাগুলি নিজে চালানোর জন্য, এখানে নির্দেশাবলী রয়েছে।
- অ্যামাজন লেক্স কনসোলে (AWS কনসোল > Amazon Lex, এনটাইটেল করা বটে নেভিগেট করুন
Sagemaker-Jumpstart-Flan-LLM-Agent-Fallback-Bot
. এই বটটি ইতিমধ্যেই কল করার জন্য কনফিগার করা হয়েছে৷LLMAgentOrchestrator
Lambda ফাংশন যখনইFallbackIntent
আলোড়ন সৃষ্টি হয়. - নেভিগেশন ফলকে, নির্বাচন করুন ইন্টেন্টস.
- বেছে নিন নির্মাণ করা উপরের ডান কোণে
- 4. নির্মাণ প্রক্রিয়া সম্পূর্ণ হওয়ার জন্য অপেক্ষা করুন। এটি হয়ে গেলে, আপনি একটি সাফল্যের বার্তা পাবেন, যা নিম্নলিখিত স্ক্রিনশটে দেখানো হয়েছে।
- পরীক্ষার ক্ষেত্রে প্রবেশ করে বট পরীক্ষা করুন।
পরিষ্কার কর
অতিরিক্ত চার্জ এড়াতে, এই পদক্ষেপগুলি অনুসরণ করে আমাদের সমাধান দ্বারা তৈরি সংস্থানগুলি মুছুন:
- উপরে এডাব্লুএস ক্লাউডফর্মেশন কনসোল, নামের স্ট্যাক নির্বাচন করুন
LLMAgentStack
(বা আপনি বাছাই করা কাস্টম নাম)। - বেছে নিন মুছে ফেলা
- ক্লাউডফর্মেশন কনসোল থেকে স্ট্যাকটি মুছে ফেলা হয়েছে তা পরীক্ষা করুন।
গুরুত্বপূর্ণ: ডবল-চেক করুন যে স্ট্যাকটি সফলভাবে মুছে ফেলা হয়েছে তা নিশ্চিত করে Flan-UL2
অনুমান শেষ বিন্দু সরানো হয়।
- চেক করতে, যান AWS কনসোল > Sagemaker > Endpoints > Inference পাতা.
- পৃষ্ঠায় সমস্ত সক্রিয় শেষ পয়েন্ট তালিকা করা উচিত।
- নিশ্চিত করা
sm-jumpstart-flan-bot-endpoint
নিচের স্ক্রিনশটের মত বিদ্যমান নেই।
উত্পাদন জন্য বিবেচনা
উৎপাদনে এলএলএম এজেন্টদের মোতায়েন করার জন্য নির্ভরযোগ্যতা, কর্মক্ষমতা এবং রক্ষণাবেক্ষণ নিশ্চিত করতে অতিরিক্ত পদক্ষেপ নেওয়া প্রয়োজন। উত্পাদনে এজেন্টদের মোতায়েন করার আগে এখানে কিছু বিবেচনা রয়েছে:
- এজেন্ট লুপ পাওয়ার জন্য এলএলএম মডেল নির্বাচন করা: এই পোস্টে আলোচনা করা সমাধানের জন্য, আমরা একটি ব্যবহার করেছি
Flan-UL2
টাস্ক প্ল্যানিং বা টুল নির্বাচন সঞ্চালনের জন্য ফাইন-টিউনিং ছাড়াই মডেল। অনুশীলনে, সরাসরি আউটপুট টুল বা API অনুরোধের জন্য সূক্ষ্ম সুরযুক্ত একটি LLM ব্যবহার করা নির্ভরযোগ্যতা এবং কার্যকারিতা বাড়াতে পারে, পাশাপাশি বিকাশকে সহজ করতে পারে। আমরা টুল নির্বাচনের কাজগুলিতে একটি এলএলএমকে সূক্ষ্ম-টিউন করতে পারি বা এমন একটি মডেল ব্যবহার করতে পারি যা টুলফর্মারের মতো টুল টোকেনগুলিকে সরাসরি ডিকোড করে।- সূক্ষ্ম টিউন করা মডেলগুলি ব্যবহার করে এজেন্টের কাছে উপলব্ধ সরঞ্জামগুলি যোগ করা, অপসারণ এবং আপডেট করা সহজ করা যায়। শুধুমাত্র প্রম্পট-ভিত্তিক পদ্ধতির সাহায্যে, টুল আপডেট করার জন্য এজেন্ট অর্কেস্ট্রেটরের ভিতরে প্রতিটি প্রম্পট পরিবর্তন করা প্রয়োজন, যেমন টাস্ক প্ল্যানিং, টুল পার্সিং এবং টুল ডিসপ্যাচ। এটি কষ্টকর হতে পারে, এবং যদি LLM-এর প্রেক্ষাপটে অনেকগুলি সরঞ্জাম সরবরাহ করা হয় তবে কর্মক্ষমতা হ্রাস পেতে পারে।
- নির্ভরযোগ্যতা এবং কর্মক্ষমতা: এলএলএম এজেন্টগুলি অবিশ্বস্ত হতে পারে, বিশেষ করে জটিল কাজগুলির জন্য যা কয়েকটি লুপের মধ্যে সম্পন্ন করা যায় না। আউটপুট বৈধতা যোগ করা, পুনরায় চেষ্টা করা, LLMs থেকে JSON বা yaml-এ আউটপুট গঠন করা এবং লুপে আটকে থাকা LLM-এর জন্য এস্কেপ হ্যাচ প্রদানের জন্য টাইমআউট প্রয়োগ করা নির্ভরযোগ্যতা বাড়াতে পারে।
উপসংহার
এই পোস্টে, আমরা কীভাবে একটি LLM এজেন্ট তৈরি করতে পারি যা নিম্ন-স্তরের প্রম্পট ইঞ্জিনিয়ারিং, AWS Lambda ফাংশন এবং সেজমেকার জাম্পস্টার্টকে বিল্ডিং ব্লক হিসাবে ব্যবহার করে একাধিক টুল ব্যবহার করতে পারে। আমরা এলএলএম এজেন্টদের আর্কিটেকচার এবং এজেন্ট লুপ নিয়ে বিস্তারিত আলোচনা করেছি। এই ব্লগ পোস্টে প্রবর্তিত ধারণা এবং সমাধান আর্কিটেকচার এমন এজেন্টদের জন্য উপযুক্ত হতে পারে যারা পূর্বনির্ধারিত সরঞ্জামগুলির একটি ছোট সংখ্যক সেট ব্যবহার করে। আমরা উৎপাদনে এজেন্ট ব্যবহার করার জন্য বিভিন্ন কৌশল নিয়েও আলোচনা করেছি। বেডরকের জন্য এজেন্ট, যা প্রিভিউতে রয়েছে, এজেন্টিক টুল আহ্বানের জন্য স্থানীয় সমর্থন সহ এজেন্ট তৈরির জন্য একটি পরিচালিত অভিজ্ঞতা প্রদান করে।
লেখক সম্পর্কে
জন হোয়াং Large Language Model (LLM) অ্যাপ্লিকেশন, ভেক্টর ডাটাবেস এবং জেনারেটিভ AI পণ্য কৌশলের উপর বিশেষ ফোকাস সহ AWS-এর একজন জেনারেটিভ এআই আর্কিটেক্ট। তিনি AI/ML প্রোডাক্ট ডেভেলপমেন্ট এবং LLM এজেন্ট ও কো-পাইলটদের ভবিষ্যৎ নিয়ে কোম্পানিগুলিকে সাহায্য করার ব্যাপারে উৎসাহী। AWS-এ যোগদানের আগে, তিনি আলেক্সায় একজন প্রোডাক্ট ম্যানেজার ছিলেন, যেখানে তিনি মোবাইল ডিভাইসে কথোপকথনমূলক AI আনতে সাহায্য করেছিলেন, সেইসাথে মরগান স্ট্যানলিতে একজন ডেরিভেটিভস ব্যবসায়ী। তিনি স্ট্যানফোর্ড ইউনিভার্সিটি থেকে কম্পিউটার সায়েন্সে বি.এস.
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
- ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/learn-how-to-build-and-deploy-tool-using-llm-agents-using-aws-sagemaker-jumpstart-foundation-models/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 1
- 100
- 15%
- 19
- 20
- 200
- 24
- 27
- 500
- 7
- 9
- a
- ক্ষমতার
- ক্ষমতা
- সম্পর্কে
- প্রবেশ
- সম্পাদন
- অনুযায়ী
- তদনুসারে
- দিয়ে
- কর্ম
- স্টক
- সক্রিয়
- যোগ
- যোগ
- অতিরিক্ত
- প্রশাসনিক
- উন্নয়নের
- পর
- আবার
- প্রতিনিধি
- এজেন্ট
- AI
- এআই / এমএল
- আলেক্সা
- সব
- ইতিমধ্যে
- এছাড়াও
- মর্দানী স্ত্রীলোক
- অ্যামাজন লেক্স
- অ্যামাজন ওয়েব সার্ভিসেস
- মধ্যে
- পরিমাণ
- an
- এবং
- উত্তর
- কোন
- API
- API গুলি
- অ্যাপ্লিকেশন
- আবেদন
- অ্যাপ্লিকেশন
- অভিগমন
- পন্থা
- যথাযথ
- স্থাপত্য
- রয়েছি
- AS
- জিজ্ঞাসা করা
- অনুমান
- At
- উদ্দীপিত
- সহজলভ্য
- এড়াতে
- ডেস্কটপ AWS
- এডাব্লুএস ল্যাম্বদা
- পিছনে
- ভিত্তি
- BE
- পরিণত
- হয়েছে
- আগে
- হচ্ছে
- নিচে
- বার্কলে
- তার পরেও
- বিট
- ব্লক
- ব্লগ
- শরীর
- বট
- উভয়
- বট
- আনা
- নির্মাণ করা
- ভবন
- নির্মিত
- ব্যবসায়
- কিন্তু
- বোতাম
- by
- গণনার
- ক্যালেন্ডার
- কল
- কল
- CAN
- না পারেন
- ক্ষমতা
- কেস
- মামলা
- চার্জ
- chatbot
- চেক
- বেছে নিন
- মনোনীত
- মক্কেল
- সম্মিলন
- কোম্পানি
- সম্পূর্ণ
- সম্পন্ন হয়েছে
- জটিল
- জটিলতা
- উপাদান
- ব্যাপক
- কম্পিউটার
- কম্পিউটার বিজ্ঞান
- ধারণা
- শেষ করা
- কনফিগার
- বিবেচনা
- বিবেচ্য বিষয়
- কনসোল
- ধ্রুব
- প্রসঙ্গ
- অবিরত
- কথ্য
- কথোপকথন এআই
- মূল
- মূল্য
- পারা
- সৃষ্টি
- নির্মিত
- কষ্টকর
- প্রথা
- উপাত্ত
- ডেটাবেস
- ডাটাবেস
- ডেটাসেট
- দিন
- সিদ্ধান্ত নেন
- নিবেদিত
- গভীর
- ডিফল্ট
- সংজ্ঞা
- ডেমো
- প্রদর্শন
- নির্ভর করে
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- স্থাপন
- ডেরিভেটিভস
- পরিকল্পিত
- বিস্তারিত
- বিস্তারিত
- নির্ধারণ
- উন্নয়ন
- ডিভাইস
- সরাসরি
- আলোচনা
- ডুব
- do
- না
- সম্পন্ন
- ড্রাইভ
- e
- ই-কমার্স
- প্রতি
- সহজে
- সহজ
- কার্যকরীভাবে
- পারেন
- আর
- ইমেইল
- নিয়োগ
- সর্বশেষ সীমা
- শেষপ্রান্ত
- প্রয়োগ
- প্রকৌশল
- উন্নত করা
- নিশ্চিত করা
- নিশ্চিত
- নিশ্চিত
- নিশ্চিত
- প্রবেশন
- অধিকারী
- ভুল
- ত্রুটি
- অব্যাহতি
- বিশেষত
- ইত্যাদি
- ঘটনা
- প্রতি
- উদাহরণ
- উদাহরণ
- ছাড়া
- ব্যতিক্রম
- এক্সিকিউট
- থাকা
- আশা করা
- অভিজ্ঞতা
- অন্বেষণ করা
- প্রসারিত করা
- প্রসারিত
- বহিরাগত
- অতিরিক্ত
- চায়ের
- ব্যর্থ
- মিথ্যা
- ফ্যাশন
- বৈশিষ্ট্য
- কয়েক
- ক্ষেত্রসমূহ
- ছাঁকনি
- চূড়ান্ত
- প্রবাহ
- কেন্দ্রবিন্দু
- অনুসরণ
- অনুসরণ
- জন্য
- বিন্যাস
- ফর্ম
- পাওয়া
- ভিত
- অবকাঠামো
- বন্ধুত্বপূর্ণ
- থেকে
- মেটান
- সম্পূর্ণরূপে
- ক্রিয়া
- বৈশিষ্ট্য
- ক্রিয়াকলাপ
- ভবিষ্যৎ
- সাধারণত
- উত্পাদন করা
- উত্পন্ন
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- পাওয়া
- প্রদত্ত
- Go
- স্থল
- কৌশল
- ঘটনা
- হ্যাচ
- আছে
- জমিদারি
- he
- সাহায্য
- সাহায্য
- সাহায্য
- অত: পর
- এখানে
- hi
- উচ্চ
- অত্যন্ত
- ঝুলিতে
- ঘন্টার
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- নাভি
- মানবীয়
- মানব পাঠযোগ্য
- i
- ID
- if
- প্রভাব
- বাস্তবায়ন
- বাস্তবায়ন
- আমদানি
- উন্নত করা
- in
- অন্তর্ভুক্ত করা
- একত্রিত
- বৃদ্ধি
- ক্রমবর্ধমান
- তথ্য
- ইনপুট
- অনুসন্ধান
- ভিতরে
- নির্দেশাবলী
- সংহত
- সংহত
- ইন্টিগ্রেশন
- অভিপ্রায়
- গর্ভনাটিকা
- আলাপচারিতার
- পারস্পরিক ক্রিয়ার
- স্বার্থ
- মধ্যে
- প্রবর্তন করা
- উপস্থাপিত
- প্রার্থনা
- পূজা
- জড়িত করা
- IT
- আইটেম
- পুনরাবৃত্তি
- যোগদান
- JPG
- JSON
- চাবি
- জ্ঞান
- ভাষা
- বড়
- শুরু করা
- শিখতে
- উচ্চতা
- মত
- সীমাবদ্ধতা
- সীমা
- তালিকা
- LLM
- যুক্তিবিদ্যা
- দীর্ঘ
- সৌন্দর্য
- করা
- তৈরি করে
- পরিচালিত
- ব্যবস্থাপনা
- পরিচালক
- অনেক
- মে..
- me
- গড়
- পদ্ধতি
- মেকানিজম
- সভা
- বার্তা
- মেটাডাটা
- মিনিট
- মোবাইল
- মোবাইল ডিভাইস
- মডেল
- মডেল
- অধিক
- মরগান
- মরগ্যান স্ট্যানলি
- সেতু
- বহু
- my
- নাম
- নামে
- নাম
- স্থানীয়
- নেভিগেট করুন
- নেভিগেট
- ন্যাভিগেশন
- প্রয়োজনীয়
- প্রয়োজন
- প্রয়োজন
- নতুন
- পরবর্তী
- না।
- না
- লক্ষণীয়ভাবে
- এখন
- সংখ্যা
- অনেক
- লক্ষ্য
- of
- প্রায়ই
- on
- একদা
- ONE
- কেবল
- বিরোধী
- or
- ক্রম
- আদেশ
- অন্যান্য
- অন্যভাবে
- আমাদের
- বাইরে
- আউটপুট
- বাহিরে
- শেষ
- পরাস্ত
- ওভারভিউ
- পৃষ্ঠা
- শার্সি
- পরামিতি
- পাস
- কামুক
- প্যাটার্ন
- শান্তি
- মুলতুবী
- সম্পাদন করা
- কর্মক্ষমতা
- বাছাই
- অবচিত
- পরিকল্পনা
- পরিকল্পনা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- দয়া করে
- প্লাগ-ইন
- নীতি
- পোস্ট
- ক্ষমতা
- চালিত
- অনুশীলন
- ভবিষ্যদ্বাণী করা
- ভবিষ্যদ্বাণী
- পূর্বশর্ত
- প্রতিরোধ
- প্রি
- আগে
- পূর্বে
- প্রক্রিয়া
- প্রক্রিয়াকৃত
- প্রক্রিয়াজাতকরণ
- পণ্য
- পণ্য উন্নয়ন
- পণ্য ব্যবস্থাপক
- উত্পাদনের
- কার্যক্রম
- প্রোগ্রাম
- সঠিকভাবে
- প্রদান
- প্রদত্ত
- উপলব্ধ
- প্রদানের
- উদ্দেশ্য
- পাইথন
- প্রশ্ন
- প্রশ্ন
- দ্রুত
- বৃদ্ধি
- দ্রুত
- কাঁচা
- বাস্তব জগতে
- ন্যায্য
- চেনা
- প্রত্যর্পণ
- এলাকা
- প্রাসঙ্গিক
- বিশ্বাসযোগ্যতা
- দেহাবশেষ
- অপসারিত
- সরানোর
- প্রতিনিধিত্ব
- অনুরোধ
- অনুরোধ
- প্রয়োজন
- প্রয়োজনীয়
- প্রয়োজন
- সংস্থান
- Resources
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- দায়িত্ব
- দায়ী
- ফল
- প্রত্যাবর্তন
- ফিরতি
- আয়
- অধিকার
- রাউটার
- প্রমাথী
- চালান
- দৌড়
- s
- ঋষি নির্মাতা
- সন্তুষ্ট
- মাপযোগ্য
- দৃশ্যকল্প
- বিজ্ঞান
- সুযোগ
- সার্চ
- মনে হয়
- নির্বাচিত
- নির্বাচন
- স্ব-পরিচালিত
- অনুভূতি
- আলাদা
- ক্রম
- সেবা
- সেবা
- সেট
- বিভিন্ন
- জাহাজে
- পরিবহন
- সংক্ষিপ্ত
- শট
- উচিত
- প্রদর্শনী
- প্রদর্শিত
- সহজ
- সহজতর করা
- কেবল
- একক
- ছোট
- So
- সফটওয়্যার
- সমাধান
- কিছু
- বাস্তববুদ্ধিসম্পন্ন
- উৎস
- সোর্স
- প্রশিক্ষণ
- বিশেষজ্ঞ
- নির্দিষ্ট
- সবিস্তার বিবরণী
- গাদা
- স্বতন্ত্র
- স্ট্যানফোর্ড
- স্ট্যানফোর্ড বিশ্ববিদ্যালয়
- স্ট্যানলি
- শুরু
- শুরু
- বিবৃতি
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- থামুন
- দোকান
- কৌশল
- কৌশল
- স্ট্রিং
- কাঠামো
- পরবর্তীকালে
- সাফল্য
- সফলভাবে
- এমন
- সুপারিশ
- উপযুক্ত
- সমর্থন
- নিশ্চিত
- সিস্টেম
- টেবিল
- গ্রহণ করা
- ধরা
- লাগে
- গ্রহণ
- কার্য
- কাজ
- বলা
- পরীক্ষা
- প্রমাণিত
- পরীক্ষামূলক
- পরীক্ষা
- যে
- সার্জারির
- ভবিষ্যৎ
- তাদের
- তারপর
- সেখানে।
- এইগুলো
- এই
- সেগুলো
- তিন
- এইভাবে
- বার
- থেকে
- টোকেন
- অত্যধিক
- টুল
- সরঞ্জাম
- শীর্ষ
- মোট
- পথ
- ব্যবসায়ী
- ঐতিহ্যগত
- প্রশিক্ষিত
- আলোড়ন সৃষ্টি
- চেষ্টা
- দুই
- টিপিক্যাল
- সাধারণত
- ui
- বিশ্ববিদ্যালয়
- অকারণে
- পর্যন্ত
- আপডেট
- আপডেট
- ব্যবহার
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারসমূহ
- ব্যবহার
- সদ্ব্যবহার করা
- যাচাই করুন
- বৈধতা
- বৈচিত্র্য
- সংস্করণ
- মাধ্যমে
- অপেক্ষা করুন
- ছিল
- উপায়..
- we
- আবহাওয়া
- ওয়েব
- ওয়েব সার্ভিস
- ওয়েবসাইট
- আমরা একটি
- কি
- কখন
- যখনই
- কিনা
- যে
- যখন
- হু
- ইচ্ছা
- সঙ্গে
- মধ্যে
- ছাড়া
- কাজ
- বিশ্ব
- would
- ইয়ামল
- আপনি
- আপনার
- নিজেকে
- zephyrnet