# கற்றல் பரிந்துரைகள்

← [முக்கிய README க்குத் திரும்பு](README.md)

### மையக் கருத்து: ஏஜென்ட் = மாதிரி + சூழல் + கருவிகள்

இந்தப் புத்தகத்தின் மையக் கட்டமைப்பு **ஏஜென்ட் = மாதிரி + சூழல் + கருவிகள்**; இந்த மூன்று கூறுகள் ஒன்றுடன் ஒன்று இணைந்து செயல்பட்டு, ஏஜென்டின் அறிவார்ந்த நடத்தையை இணைந்து செயல்படுத்துகின்றன:

- **மாதிரி (Model)**: ஏஜென்டின் மூளை; புரிதல், பகுத்தறிவு மற்றும் முடிவெடுக்கும் திறன்களை வழங்குகிறது
- **சூழல் (Context)**: ஏஜென்டின் இயக்க முறைமை; கணினி வழிமுறைகள், உரையாடல் வரலாறு, பகுத்தறிவு செயல்முறைகள், கருவி தொடர்புப் பதிவுகள் போன்றவற்றைக் கொண்டுள்ளது
- **கருவிகள் (Tools)**: ஏஜென்டின் கைகள்; சூழலை உணரவும், செயல்பாடுகளைச் செய்யவும், வெளி உலகத்துடன் தொடர்பு கொள்ளவும் ஏஜென்டை முடுக்குகிறது

### கற்றல் பாதை

கற்றல் பாதை புத்தகத்தின் அத்தியாயங்களுடன் ஒன்றுக்கொன்று ஒத்துப்போகிறது, மூன்று தூண்களைச் சுற்றி அடுக்கடுக்காக விரிவடைகிறது:

- **அத்தியாயம் 1 · அடித்தளம்**: ஏஜென்ட் அமைப்புகள் பற்றிய முழுமையான அறிவாற்றல் கட்டமைப்பை உருவாக்குதல்—RL இல் ஏஜென்டின் வரையறையைப் புரிந்துகொள்ளுதல், பாரம்பரிய RL மற்றும் LLM+RL முன்னுதாரணங்களுக்கிடையேயான மாதிரி திறன் (sample efficiency) வேறுபாடுகளை ஒப்பிடுதல், "மாதிரியே ஏஜென்டாக" என்ற புதிய முன்னுதாரணத்தைப் புரிந்துகொள்ளுதல், மற்றும் **ஏஜென்ட் = மாதிரி + சூழல் + கருவிகள்** என்ற மையக் கட்டமைப்பை மாஸ்டர் செய்தல். **முக்கிய நுண்ணறிவு**: முன்னறிவின் (prior knowledge) முக்கியத்துவம் வழிமுறைகளையும் சூழல்களையும் விட மேலானது.

- **அத்தியாயங்கள் 2–3 · சூழல்**: சூழல் என்பது ஏஜென்டின் இயக்க முறைமை. அத்தியாயம் 2 கணினி வழிகாட்டிகள், KV Cache-நட்பு வடிவமைப்பு, சூழல் சுருக்கம் மற்றும் வழிகாட்டி பொறியியல் அப்லேஷன் ஆகியவற்றை உள்ளடக்குகிறது; அத்தியாயம் 3 பயனர் நினைவகம், அடர்த்தியான/அரிதான/கலப்பு மீட்டெடுப்பு, Agentic RAG, சூழல்-உணர்ந்த மீட்டெடுப்பு (contextual retrieval) மற்றும் கட்டமைக்கப்பட்ட அறிவுப் பிரித்தெடுப்பு ஆகியவற்றை உள்ளடக்குகிறது. **முக்கிய நுண்ணறிவு**: முழுமையான சூழலில் கணினி வழிமுறைகள், உரையாடல் வரலாறு, பகுத்தறிவு செயல்முறைகள், கருவி தொடர்புப் பதிவுகள், பயனர் நினைவகம் மற்றும் வெளிப்புற அறிவு ஆகியவை அடங்கும்.

- **அத்தியாயங்கள் 4–5 · கருவிகள்**: கருவிகள் ஏஜென்ட் உலகத்துடன் தொடர்பு கொள்ளும் பாலமாகும். அத்தியாயம் 4 உணர்தல்/செயலாக்கம்/ஒத்துழைப்பு என்ற மூன்று வகை MCP கருவிகள், நிகழ்வுத் தூண்டுதல் மற்றும் ஒத்திசைவற்ற கட்டமைப்பு ஆகியவற்றை உள்ளடக்குகிறது; அத்தியாயம் 5 உற்பத்தி-தர Coding Agent இன் முழுமையான செயலாக்கத்தை ஆழமாக ஆராய்கிறது. **முக்கிய நுண்ணறிவு**: கருவி வடிவமைப்பு பொதுமைப்படுத்தப்பட வேண்டும் (குறியீடு மொழிபெயர்ப்பாளர் கால்குலேட்டரை விடச் சிறந்தது); குறியீடு என்பது புதிய கருவிகளை உருவாக்கக்கூடிய மெட்டா-திறன் ஆகும்.

- **அத்தியாயங்கள் 6–7 · மாதிரி**: நுண்ணறிவை எவ்வாறு அளவிடுவது மற்றும் பெரிதாக்குவது. அத்தியாயம் 6 Terminal-Bench, SWE-bench, GAIA, OSWorld, Tau2-Bench போன்ற மதிப்பீட்டுத் தரநிர்ணயங்களை உள்ளடக்குகிறது; அத்தியாயம் 7 SFT, RL, RLHF, மாதிரி திறன் போன்ற பிந்தைய-பயிற்சி நுட்பங்களை உள்ளடக்குகிறது. **முக்கிய நுண்ணறிவு**: "மாதிரியை மீண்டும் யோசிக்கச் செய்வதை" விட ஒரு சுயாதீன சரிபார்ப்புச் சமிக்ஞை மிகவும் நம்பகமானது; "மாதிரியே ஏஜென்டாக" RL மூலம் கருவி அழைப்புகளை உள்ளார்ந்த திறன்களாக உள்வாங்குகிறது.

- **அத்தியாயம் 8 · சுய-பரிணாமம்**: எடைகளை மாற்றாமல் அனுபவத்திலிருந்து ஏஜென்ட் வளரச் செய்தல்—அனுபவக் கற்றல், பணிப்பாய்வுகளைக் கருவிகளாக வெளிப்புறமயமாக்குதல், வழிகாட்டிகள் மற்றும் கவனிப்புகளை அளவுருக்களில் வடிகட்டுதல். **முக்கிய நுண்ணறிவு**: அனுபவத்திலிருந்து கற்றல் என்பது ஒரு ஏஜென்ட் "புத்திசாலி" என்பதிலிருந்து "திறமையான" நிலைக்குச் செல்வதற்கான திறவுகோலாகும்.

- **அத்தியாயங்கள் 9–10 · விரிவாக்கம் மற்றும் ஒத்துழைப்பு**: அத்தியாயம் 9 உணர்தல் மற்றும் செயலை உரையிலிருந்து குரல், GUI மற்றும் இயற்பியல் உலகத்திற்கு விரிவுபடுத்துகிறது; அத்தியாயம் 10 பல-ஏஜென்ட் பணிப் பிரிவு ஒத்துழைப்பின் மூலம் சிக்கலான பணிகளைக் கையாள்கிறது. **முக்கிய நுண்ணறிவு**: பல-ஏஜென்ட் அமைப்பின் ஒவ்வொரு வடிவமைப்பு முடிவுக்கும் ஒற்றை ஏஜென்டின் மூன்று கூறுகளில் ஒரு ஒத்துப்போவதைக் காணலாம்.

## முதன்மை உரையும் சோதனைகளும்

இந்தப் புத்தகம் ஒரு குறிப்பிட்ட SDK-க்கான படிப்படியான பயிற்சி அல்ல. குறுகிய pseudocode/skeleton-கள் state flow, நிறுத்தும் இடங்கள், verification எல்லைகளை விளக்குகின்றன; அத்தியாயச் சோதனைகள் முழு implementation, adapters, tests, logs, evidence ஆகியவற்றை வழங்குகின்றன.

| அடுக்கு | முதலில் படிக்கவும் | இப்போது தவிர்க்கவும் | இது பதிலளிக்கும் கேள்வி |
| :--: | --- | --- | --- |
| **Starter** | திட்ட README: நோக்கம், குறைந்தபட்ச கட்டளை, ஏற்றுக்கொள்ளும் நிபந்தனைகள்; அதற்கான உரை skeleton | சான்றுகள், UI, provider adapters, நீண்ட raw logs | இந்தச் சோதனை நிரூபிக்க வேண்டிய mechanism எது? |
| **Builder** | entry point, core loop, state/message schema, tools, verifier | mechanism-க்கு தொடர்பில்லாத compatibility/deployment layers | எந்த variable நடத்தை மாற்றியது? |
| **Maintainer** | tests, failure handling, evidence format, manifest/hash, rollback path | சோதனையை மாற்றும்போது மட்டும் தேவைப்படும் third-party விவரங்கள் | முடிவு மீண்டும் உருவாக்கக்கூடியதா, தோல்விகள் நேர்மையாகப் பதிவானதா? |

### சிரம நிலை வகைப்பாடு

- **தொடக்க நிலை** (அத்தியாயங்கள் 1–2): ஆரம்பநிலையாளர்களுக்கு ஏற்றது, அடிப்படைக் கருத்துக்களைப் புரிந்துகொள்ளுதல்
- **இடைநிலை** (அத்தியாயங்கள் 3–4): ஓரளவு நிரலாக்க அடித்தளம் தேவை, அமைப்பு ஒருங்கிணைப்பு உள்ளடக்கியது
- **மேம்பட்ட நிலை** (அத்தியாயங்கள் 5–6): வலுவான நிரலாக்கத் திறன் தேவை, சிக்கலான அமைப்பு வடிவமைப்பு உள்ளடக்கியது
- **நிபுணர் நிலை** (அத்தியாயங்கள் 7–8): ஆழ்ந்த கற்றல் (deep learning) மற்றும் பயிற்சி/சுய-பரிணாம அனுபவம் தேவை
- **பயன்பாட்டு நிலை** (அத்தியாயங்கள் 9–10): முன்னர் கற்றவற்றை ஒருங்கிணைத்துப் பயன்படுத்தி, நடைமுறைப் பயன்பாடுகளை உருவாக்குதல்

### நடைமுறைப் பரிந்துரைகள்

1. **நடைமுறைப் பயிற்சி**: ஒவ்வொரு திட்டமும் சுயாதீனமாக இயக்கக்கூடியதாக வடிவமைக்கப்பட்டுள்ளது; நீங்களே குறியீட்டை இயக்கி மாற்றிப் பார்க்க பரிந்துரைக்கப்படுகிறது
2. **புத்தகத்துடன் இணைத்துப் படிக்கவும்**: இந்தக் களஞ்சியத்தின் [`book/`](../../book/) அடைவில் உள்ள கையேட்டின் தொடர்புடைய அத்தியாயங்களுடன் சேர்த்துப் படித்து, கோட்பாடு மற்றும் நடைமுறையின் இணைப்பைப் புரிந்துகொள்ளவும்
3. **சோதனை ஒப்பீடு**: பல திட்டங்கள் அப்லேஷன் ஆய்வுகள் மற்றும் ஒப்பீட்டுச் சோதனைகளைக் கொண்டுள்ளன; ஒப்பீட்டின் மூலம் புரிதலை ஆழப்படுத்தவும்
4. **படிப்படியான கற்றல்**: எளிய திட்டங்களிலிருந்து தொடங்கி, படிப்படியாகச் சிக்கலான அமைப்புகளுக்குச் செல்லவும்
5. **நெறிமுறைகளில் கவனம் செலுத்தவும்**: அத்தியாயம் 4 இல் உள்ள MCP சேவையகத் திட்டங்கள் தரநிலையான கருவி நெறிமுறைகளை நிரூபிக்கின்றன, இவை அளவிடக்கூடிய ஏஜெண்டுகளை உருவாக்குவதற்கான திறவுகோலாகும்