Skip to content

README.md

Latest commit

 

History

History
279 lines (198 loc) · 22.6 KB

README.md

File metadata and controls

279 lines (198 loc) · 22.6 KB

🚀 ម៉ូឌុល ១៖ មូលដ្ឋានឧបករណ៍ AI Toolkit

រយៈពេល កម្រិតភាពពិបាក លក្ខខណ្ឌមុន

📋 គោលបំណងរៀន

នៅបញ្ចប់ម៉ូឌុលនេះ អ្នកនឹងអាច:

  • ✅ តំឡើង និងកំណត់រចនាសម្ព័ន្ធ AI Toolkit សម្រាប់ Visual Studio Code
  • ✅ រុករកកាតាឡុកម៉ូដែល និងយល់ពីប្រភពម៉ូដែលខុសៗគ្នា
  • ✅ ប្រើ Playground ដើម្បីសាកល្បងម៉ូដែល និងធ្វើការសាកល្បង
  • ✅ បង្កើតភ្នាក់ងារផ្ទាល់ខ្លួនដោយសម្ភារៈ Agent Builder
  • ✅ ប្រៀបធៀបលទ្ធផលរបស់ម៉ូដែលនៅក្នុងអ្នកផ្គត់ផ្គង់ផ្សេងៗគ្នា
  • ✅ អនុវត្តការអភិវឌ្ឍល្អបំផុតសម្រាប់ដាក់បញ្ចូល(predictive) prompt

🧠 សេចក្ដីមុខមាត់នៃ AI Toolkit (AITK)

AI Toolkit សម្រាប់ Visual Studio Code គឺជាការពង្រីកធំរបស់ Microsoft ដែលបម្លែង VS Code ជាសេវាកម្មអភិវឌ្ឍ AI ពេញលេញ។ វាដំណោះស្រាយកន្លែងចម្សារវិទ្យាស្រាវជ្រាវ AI និងអភិវឌ្ឍកម្មវិធីជាក់ស្តែង មកជាមួយការចូលដំណើរការជាមូលដ្ឋានសម្រាប់អ្នកអភិវឌ្ឍទាំងអស់។

🌟 សមត្ថភាពសំខាន់ៗ

លក្ខណៈពិសេស សេចក្ដីពិពណ៌នា ករណីប្រើប្រាស់
🗂️ កាតាឡុកម៉ូដែល ចូលដំណើរការ ១០០+ ម៉ូដែលពី GitHub, ONNX, OpenAI, Anthropic, Google រកហើយជ្រើសរើសម៉ូដែល
🔌 គាំទ្រ BYOM បញ្ចូលម៉ូដែលផ្ទាល់ខ្លួន (ក្នុងស្រុក/ចំរូង) ប្រើប្រាស់ម៉ូដែលផ្ទាល់ខ្លួន
🎮 ភ្លេយ៍ក្រោនបន្ទប់សាកល្បងអន្តរកម្ម ការសាកល្បងម៉ូដែលពេលវេលាតួសន្ទនា បង្កើតម៉ូដែលយ៉ាងលឿន និងសាកល្បង
📎 គាំទ្រជាប្រភេទផ្សំនានា គ្រប់គ្រងអត្ថបទ រូបភាព និងឯកសារផ្សាក់ កម្មវិធី AI មានភាពស្មុគស្មាញ
⚡ ដំណើរការប្រមូលផ្ដុំច្រើន ប្រតិបត្តិការ prompt ច្រើនជាបន្ទាន់ សម្រួលដំណើរការសាកល្បង
📊 វាយតម្លៃម៉ូដែល វិមាត្រដែលបង្កើតឡើង (F1, សមស្រប, ស្រដៀង, សមរម្យ) វាយតម្លៃសមត្ថភាព

🎯 មូលហេតុដែល AI Toolkit មានសារៈសំខាន់

  • 🚀 អភិវឌ្ឍលឿន: ពីគំនិតមករកពុម្ពក្នុងរយៈពេលខ្លី
  • 🔄 ការប្រតិបត្តិការតែមួយគត់: មុខងារច្រើនសម្រាប់អ្នកផ្គត់ផ្គង់ AI ផ្សេងៗ
  • 🧪 សាកល្បងបានងាយស្រួល: ប្រៀបធៀបម៉ូដែលដោយគ្មានការកំណត់ពិបាក
  • 📈 រៀបចំសម្រាប់ផលិតកម្ម: ផ្លាស់ប្តូរយ៉ាងរលូនពីពុម្ពទៅផលិតកម្ម

🛠️ លក្ខខណ្ឌមុននិងការតំឡើង

📦 តំឡើងការពង្រីក AI Toolkit

ជំហ៊ាន ១៖ ចូលផ្ទាំង Extensions Marketplace

  1. បើក Visual Studio Code
  2. ទៅកាន់ផ្ទាំង Extensions (Ctrl+Shift+X ឬ Cmd+Shift+X)
  3. ស្វែងរក "AI Toolkit"

ជំហ៊ាន ២៖ ជ្រើសរើសកំណែរបស់អ្នក

  • 🟢 ចេញផ្សាយ: ផ្តល់អនុសាសន៍សម្រាប់ប្រើប្រាស់ក្នុងផលិតកម្ម
  • 🔶 មុនចេញផ្សាយ: ចូលដំណើរការលឿនសម្រាប់មុខងារថ្មីៗ

ជំហ៊ាន ៣៖ តំឡើង និងដំណើរការ

AI Toolkit Extension

✅ បញ្ជីស្វែងរកត្រឹមត្រូវ

  • រូបសញ្ញា AI Toolkit បង្ហាញនៅជាប់ផ្ទាំង VS Code
  • ការពង្រីកបានបើកនិងដំណើរការ
  • គ្មានកំហុសតំឡើងនៅក្នុងផ្ទាំងលទ្ធផល

🧪 ការអនុវត្តដៃ ១៖ រុករកម៉ូដែល GitHub

🎯 គោលបំណង: យល់ដឹងពីកាតាឡុកម៉ូដែល និងសាកល្បងម៉ូដែល AI ដំបូងរបស់អ្នក

📊 ជំហ៊ាន ១៖ រុករកកាតាឡុកម៉ូដែល

កាតាឡុកម៉ូដែលគឺជាទ្វារដប់ដល់ប្រព័ន្ធអេកូស៊ីស្តែម AI។ វាក្នុងការប្រមូលម៉ូដែលពីអ្នកផ្គត់ផ្គង់ច្រើនហើយជា ងាយស្រួលស្វែងរក និងប្រៀបធៀបជម្រើស។

🔍 សៀវភៅនាវា៖

ចុចលើ MODELS - Catalog នៅផ្នែកខាងជាប់ AI Toolkit

Model Catalog

💡 យុទ្ធសាស្ត្រល្អ: ស្វែងរកម៉ូដែលដែលមានលក្ខណៈពិសេសដែលផ្គូផ្គងទៅនឹងករណីប្រើប្រាស់របស់អ្នក (ឧ. បង្កើតកូដ សរសេរច្នៃប្រឌិត វិភាគ)។

⚠️ សម្គាល់: ម៉ូដែលដែលផ្ទុកនៅលើ GitHub (ម៉ូដែល GitHub) អាចប្រើបានដោយឥតគិតថ្លៃ ប៉ុន្តែមានការកំណត់លើកម្រិតសំណើ និង token។ ប្រសិនបើអ្នកចង់បំពេញទៅម៉ូដែលដែលមិនមកពី GitHub (ម៉ូដែលក្រៅដែលផ្ទុកតាម Azure AI ឬចំណុចផ្សេងៗ) អ្នកត្រូវការផ្តល់កូនសោ API ឬការផ្ទៀងផ្ទាត់ត្រឹមត្រូវ។

🚀 ជំហ៊ាន ២៖ បន្ថែម និងកំណត់រចនាសម្ព័ន្ធម៉ូដែលដំបូងរបស់អ្នក

យុទ្ធសាស្ត្រជ្រើសរើសម៉ូដែល:

  • GPT-4.1: ល្អបំផុតសម្រាប់ការត្រឹមត្រូវ និងវិភាគស្មុគស្មាញ
  • Phi-4-mini: ទំងន់ស្រាល សំរួលលឿនសម្រាប់ភារកិច្ចធម្មតា

ដំណើរការកំណត់រចនាសម្ព័ន្ធ:

  1. ជ្រើសរើស OpenAI GPT-4.1 ពីកាតាឡុក
  2. ចុច Add to My Models - កំណត់ម៉ូដែលសម្រាប់ប្រើប្រាស់
  3. ជ្រើស Try in Playground ដើម្បីចាប់ផ្តើមបរិយាកាសសាកល្បង
  4. រង់ចាំការចាប់ផ្តើមម៉ូដែល (ការតំឡើងលើកដំបូងអាចយូរ)

Playground Setup

⚙️ យល់ច្បាស់ពីប៉ារ៉ាម៉ែត្រម៉ូដែល:

  • Temperature: គ្រប់គ្រងការច្នៃប្រឌិត (0 = កំណត់តម្លៃមិនប្រែប្រួល, 1 = ច្នៃប្រឌិត)
  • Max Tokens: ប្រវែងបំផុតនៃចម្លើយ
  • Top-p: ការជ្រើសរើសអគ្គិសនីសម្រាប់ភាពចម្រុះនៃចម្លើយ

🎯 ជំហ៊ាន ៣៖ យល់ដឹងផ្ទាល់លើផ្ទាំង Playground

Playground គឺជាកន្លែងសាកល្បង AI របស់អ្នក។ នេះជាវិធីបង្កើតសមត្ថភាពរបស់វា:

🎨 ការអភិវឌ្ឍ prompt ដែលមានប្រសិទ្ធភាព:

  1. ជាក់លាក់: សេចក្ដីណែនាំច្បាស់លាស់នាំឲ្យមានលទ្ធផលល្អ
  2. ផ្ដល់បរិបទ: បញ្ចូលព័ត៌មានផ្ទៃខាងលើដែលពាក់ព័ន្ធ
  3. ប្រើឧទាហរណ៍: បង្ហាញម៉ូដែលអ្វីដែលអ្នកចង់បានជាឧទាហរណ៍
  4. ធ្វើភ្លេចទៅ: កែប្រែ prompt ដូចគ្នាលើលទ្ធផលដំបូង

🧪 សេណារីយសាកល្បង:

# Example 1: Code Generation
"Write a Python function that calculates the factorial of a number using recursion. Include error handling and docstrings."

# Example 2: Creative Writing
"Write a professional email to a client explaining a project delay, maintaining a positive tone while being transparent about challenges."

# Example 3: Data Analysis
"Analyze this sales data and provide insights: [paste your data]. Focus on trends, anomalies, and actionable recommendations."

លទ្ធផលសាកល្បង

🏆 ចំណេះដឹងបំផុត៖ ប្រៀបធៀបលទ្ធផលម៉ូដែល

🎯 គោលដៅ: ប្រៀបធៀបម៉ូដែលផ្សេងៗដោយប្រើ prompt ដូចគ្នាដើម្បីយល់ពីកំលាំងរបស់ពួកវា

📋 សេចក្ដីណែនាំ: ១. បន្ថែម Phi-4-mini ទៅកន្លែងធ្វើការរបស់អ្នក
២. ប្រើ prompt ដូចគ្នាសម្រាប់ GPT-4.1 និង Phi-4-mini

set

៣. ប្រៀបធៀបគុណភាពចម្លើយ ល្បឿន និងភាពត្រឹមត្រូវ
៤. យកចំណាំលទ្ធផលរបស់អ្នកនៅផ្នែកលទ្ធផល

Model Comparison

💡 ចំណុចយល់ដឹងសំខាន់ៗ:

  • ពេលណាអ្នកត្រូវប្រើ LLM ឬ SLM
  • ការជួញដូរពីប្រាក់ដុល្លា ទៅលទ្ធភាព
  • សមត្ថភាពពិសេសរបស់ម៉ូដែលផ្សេងៗ

🤖 ការអនុវត្តដៃ ២៖ បង្កើតភ្នាក់ងារផ្ទាល់ខ្លួនជាមួយ Agent Builder

🎯 គោលបំណង: បង្កើតភ្នាក់ងារ AI ឯកទេសបំផុតសម្រាប់ភារកិច្ចនិងលំហាត់ការពិសេសៗ

🏗️ ជំហ៊ាន ១៖ យល់ពី Agent Builder

Agent Builder គឺជាកន្លែងដែល AI Toolkit ចេញពន្លឺពិតប្រាកដ។ វាអនុញ្ញាតឲ្យអ្នកបង្កើតជំនួយករណ៍ AI ដែលបំពេញគោលបំណងដោយផ្គុំមូលដ្ឋានម៉ូដែលភាសាធំជាមួយជំនាញបញ្ជាក់ទំនង ស្ទង់ពិន្ទុជាក់លាក់ និងចំណេះដឹងពិសេសផ្សេងៗ។

🧠 ផ្នែករចនាសម្ព័ន្ធ Agent:

  • ម៉ូដែលមូលដ្ឋាន: បទដ្ឋាន LLM (GPT-4, Groks, Phi, ល។)
  • System Prompt: កំណត់បុគ្គលលក្ខណៈនិងអាកប្បកិរិយា agent
  • ប៉ារ៉ាម៉ែត្រ: ការកំណត់ភាពល្អឥតខ្ចោះសម្រាប់កម្រិតសមត្ថភាពខ្ពស់
  • ការភ្ជាប់ឧបករណ៍: ភ្ជាប់ទៅ API និងសេវា MCP ខាងក្រៅ
  • Memory: បរិបទការពិភាក្សានិងការរក្សាទុកសម័យ

Agent Builder Interface

⚙️ ជំហ៊ាន ២៖ ចូលចិត្តទីកន្លែងកំណត់រចនាសម្ព័ន្ធ Agent

🎨 បង្កើត System Prompt មានប្រសិទ្ធភាព:

# Template Structure:
## Role Definition
You are a [specific role] with expertise in [domain].

## Capabilities
- List specific abilities
- Define scope of knowledge
- Clarify limitations

## Behavior Guidelines
- Response style (formal, casual, technical)
- Output format preferences
- Error handling approach

## Examples
Provide 2-3 examples of ideal interactions

អ្នកអាចប្រើ Generate System Prompt ដើម្បីឲ្យ AI ជួយបង្កើតនិងបង្កើនល្បឿន prompt របស់អ្នកផងដែរ

🔧 ប៉ារ៉ាម៉ែត្របង្កើតល្អបំផុត:

ប៉ារ៉ាម៉ែត្រ តម្លៃណែនាំ ករណីប្រើប្រាស់
Temperature 0.1-0.3 ចម្លើយបច្ចេកទេស/ពិតប្រាកដ
Temperature 0.7-0.9 ការច្នៃប្រឌិត / ដំណើរការចំរូងគំនិត
Max Tokens ៥០០-១០០០ ចម្លើយកាត់សង្ខេប
Max Tokens ២០០០-៤០០០ ពិពណ៌នាលម្អិត

🐍 ជំហ៊ាន ៣៖ ការអនុវត្តពិតប្រាកដ - ភ្នាក់ងារកម្មវិធី Python

🎯 បេសកកម្ម: បង្កើតជំនួយករជំនាន់ Python ឯកទេស

📋 ជំហ៊ានកំណត់រចនាសម្ព័ន្ធ:

  1. ជ្រើសម៉ូដែល: ជ្រើស Claude 3.5 Sonnet (ល្អសម្រាប់កូដ)

  2. រចនាបញ្ចូល System Prompt:

# Python Programming Expert Agent

## Role
You are a senior Python developer with 10+ years of experience. You excel at writing clean, efficient, and well-documented Python code.

## Capabilities
- Write production-ready Python code
- Debug complex issues
- Explain code concepts clearly
- Suggest best practices and optimizations
- Provide complete working examples

## Response Format
- Always include docstrings
- Add inline comments for complex logic
- Suggest testing approaches
- Mention relevant libraries when applicable

## Code Quality Standards
- Follow PEP 8 style guidelines
- Use type hints where appropriate
- Handle exceptions gracefully
- Write readable, maintainable code
  1. កំណត់ប៉ារ៉ាម៉ែត្រ:
    • Temperature: 0.2 (សម្រាប់កូដមានស្ថិរភាព និងគ្មានកំហុស)
    • Max Tokens: 2000 (ពិពណ៌នាលម្អិត)
    • Top-p: 0.9 (ច្នៃប្រឌិតត្រឹមត្រូវ)

Python Agent Configuration

🧪 ជំហ៊ាន ៤៖ សាកល្បងភ្នាក់ងារពython របស់អ្នក

សេណារីយសាកល្បង:

  1. មុខងារ​មូលដ្ឋាន: "បង្កើតមុខងារស្វែងរកលេខគូសំខាន់"
  2. អាល់ហ្គរីធម៌ស្មុគស្មាញ: "អនុវត្តដើមឈើស្វែងរក binary ដោយមានព្រឹត្តិប័ត្រចូល, លុប និងស្វែងរក"
  3. បញ្ហាពិភពលោកពិត: "បង្កើតកម្មវិធី web scraper ដែលគ្រប់គ្រងកំណត់ល្បឿន និងព្យាយាមម្ដងទៀត"
  4. កែកូដ: "ជួសជុលកូដនេះ [បិទបញ្ចូលកូដមានបញ្ហា]"

🏆 ចំណុចជោគជ័យ:

  • ✅ កូដដំណើរការដោយគ្មានកំហុស
  • ✅ មានឯកសារកំណត់ច្បាស់លាស់
  • ✅ តាមដានព្រឹត្តិការណ៍ល្អ បន្ទាប់បន្សំ Python
  • ✅ ផ្តល់ពិពណ៌នាច្បាស់លាស់
  • ✅ ផ្តល់យោបល់កែលម្អ

🎓 បិទម៉ូឌុល ១ និងជំហ៊ានបន្ទាប់

📊 ការត្រួតពិនិត្យចំណេះដឹង

សាកល្បងការយល់ដឹងរបស់អ្នក៖

  • តើអ្នកអាចពិពណ៌នាភាពខុសគ្នារវាងម៉ូដែលនៅក្នុងកាតាឡុកទេ?
  • តើអ្នកបានបង្កើត និងសាកល្បងភ្នាក់ងារផ្ទាល់ខ្លួនដោយជោគជ័យហើយឬនៅ?
  • តើអ្នកយល់ពីរបៀបបង្កើនប្រសិទ្ធភាពប៉ារ៉ាម៉ែត្រសម្រាប់ករណីប្រើប្រាស់ផ្សេងៗទេ?
  • តើអ្នកអាចរចនាបញ្ចូលប្រព័ន្ធប្រសិទ្ធភាពបានទេ?

📚 ទំនាក់ទំនងបន្ថែម

🎉 អបអរសាទរ! អ្នកបានឆ្លងកាត់មូលដ្ឋាន AI Toolkit ហើយរួចរាល់ក្នុងការបង្កើតកម្មវិធី AI កម្រិតខ្ពស់ជាងនេះ!

🔜 បន្តទៅម៉ូឌុលបន្ទាប់

តើអ្នករៀបចំសម្រាប់សមត្ថភាពកម្រិតខ្ពស់ជាងនេះទេ? បន្តទៅ ម៉ូឌុល ២៖ MCP ជាមួយ AI Toolkit Fundamentals ដែលអ្នកនឹងរៀនពី៖

  • ការភ្ជាប់ភ្នាក់ងាររបស់អ្នកទៅឧបករណ៍ខាងក្រៅតាមរយៈ Model Context Protocol (MCP)
  • បង្កើតភ្នាក់ងារតំរូវកម្មប្រោស័រសម្រាប់ Playwright
  • ភ្ជាប់ម៉ាស៊ីនបម្រើ MCP ជាមួយភ្នាក់ងារ AI Toolkit របស់អ្នក
  • លុបបំបែកភ្នាក់ងាររបស់អ្នកជាមួយទិន្នន័យនិងសមត្ថភាពខាងក្រៅ

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ទោះបីយើងខិតខំប្រឹងប្រែងសំរាប់ភាពត្រឹមត្រូវក្តីក៏ដោយ សូមយកចិត្តទុកដាក់ថាការបកប្រែដោយយន្តហោះអាចមានកំហុស ឬ ការខុសឆ្គង។ ឯកសារដើមនៅក្នុងភាសាមាតុភាសាគួរត្រូវបានគេចាត់ទុកជាធនាគារសំខាន់។ សម្រាប់ព័ត៌មានដ៏សំខាន់ មនុស្សជំនាញបកប្រែភាសាមានជំនាញគួរត្រូវបានផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬ ការបកប្រែខុសចំហៀងណាមួយដែលកើតមានពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។