AI एजेंट क्या है

नोट: यह दस्तावेज़ मूल अंग्रेजी संस्करण का स्वचालित अनुवाद है।

AI एजेंट क्या है

AI एजेंट एक सॉफ़्टवेयर प्रणाली है जो अपने परिवेश को ग्रहण कर सकती है, निर्णय ले सकती है और लक्ष्यों को प्राप्त करने के लिए कार्रवाई कर सकती है — बिना इसके कि कोई मानव हर कदम पर निर्देश दे। इसे कैलकुलेटर और निजी सहायक के बीच के अंतर की तरह समझें: कैलकुलेटर ठीक उसी प्रश्न का उत्तर देता है जो आपने टाइप किया, जबकि सहायक आपके व्यापक उद्देश्य को समझता है, यह तय करता है कि कौन-से कदम उठाने हैं, उन्हें निष्पादित करता है, परिणाम जाँचता है और तब तक जारी रखता है जब तक काम पूरा न हो जाए।

AI की दुनिया में "एजेंट" शब्द का एक विशिष्ट अर्थ है: प्रणाली एक लूप में काम करती है। वह इनपुट प्राप्त करती है, इस बारे में तर्क करती है कि क्या करना है, कार्रवाई करती है, परिणाम का अवलोकन करती है और फिर तय करती है कि एक और कदम उठाना है या रुकना है। यही ग्रहण-तर्क-कार्रवाई-अवलोकन लूप एजेंट को साधारण चैटबॉट से अलग करता है। चैटबॉट एक प्रॉम्प्ट का उत्तर देकर अगले की प्रतीक्षा करता है; एजेंट कई चरणों में एक उद्देश्य का पीछा करता है, रास्ते में टूल्स, मेमोरी और योजना का उपयोग करते हुए।

क्रिप्टो AI में एजेंट विशेष रूप से आकर्षक हैं क्योंकि ब्लॉकचेन स्वायत्त कार्रवाई के लिए स्वाभाविक वातावरण प्रदान करते हैं: लेनदेन पर हस्ताक्षर करना, वॉलेट प्रबंधित करना, स्मार्ट कॉन्ट्रैक्ट से इंटरैक्ट करना और मूल्य स्थानांतरित करना — सब कुछ कोड के माध्यम से, बिना किसी मानव मध्यस्थ के।

संक्षेप में: AI एजेंट ग्रहण करता है, निर्णय लेता है और कार्रवाई करता है। चैटबॉट केवल प्रॉम्प्ट का उत्तर देता है।

यह क्या है

AI एजेंट ऐसा प्रोग्राम है जो एक प्रश्न का उत्तर देने से आगे जाता है। चार क्षमताएँ इसे सरल AI इंटरफ़ेस से अलग करती हैं:

धारणा (Perception) — एजेंट इनपुट प्राप्त करता है: टेक्स्ट, ऑन-चेन डेटा, बाज़ार फ़ीड, उपयोगकर्ता अनुरोध या सेंसर सिग्नल।
तर्क (Reasoning) — वह उस इनपुट को प्रोसेस करके योजना या निर्णय बनाता है। इसमें बड़ा भाषा मॉडल (LLM), कस्टम मॉडल या संरचित लॉजिक परत शामिल हो सकती है।
कार्रवाई (Action) — वह वास्तविक ऑपरेशन निष्पादित करता है: API कॉल करना, कॉन्ट्रैक्ट तैनात करना, वर्कफ़्लो ट्रिगर करना, संदेश भेजना या अन्य एजेंटों से इंटरैक्ट करना।
मेमोरी और टूल्स — कई एजेंट सत्रों में संदर्भ बनाए रखते हैं (मेमोरी) और बाहरी टूल्स (API, डेटाबेस, स्मार्ट कॉन्ट्रैक्ट, अन्य एजेंट) का उपयोग उन कार्यों के लिए करते हैं जो एक प्रॉम्प्ट में नहीं हो सकते।

"एजेंट" लेबल वाली हर प्रणाली में चारों नहीं होते। कुछ बिना वास्तविक निर्णय-निर्माण के पतले API रैपर हैं। DecAIHub में साक्ष्य तालिका और AI reality फ्लैग वास्तविक एजेंटों को नाम बदले हुए चैटबॉट से अलग करने में मदद करते हैं।

यह कैसे काम करता है

एजेंट लूप

अच्छी तरह डिज़ाइन किया गया AI एजेंट एक आवर्ती चक्र का पालन करता है। हर चरण को समझना यह आकलन करने में मदद करता है कि एजेंटों के उपयोग का दावा करने वाली परियोजना ऐसा सार्थक रूप से कर रही है या नहीं।

ग्रहण करना — एजेंट अपने परिवेश से इनपुट प्राप्त करता है। क्रिप्टो संदर्भ में इसका अर्थ हो सकता है ऑन-चेन डेटा पढ़ना (टोकन बैलेंस, लेनदेन इतिहास, लिक्विडिटी पूल की स्थिति), बाज़ार फ़ीड की निगरानी, प्राकृतिक भाषा में उपयोगकर्ता निर्देश प्राप्त करना या अन्य एजेंटों की घटनाओं को सुनना।
तर्क करना — एजेंट इनपुट को प्रोसेस करता है और अगला कदम तय करता है। यहीं AI मॉडल काम आता है। LLM उपयोगकर्ता के अनुरोध ("मेरे स्टेबलकॉइन को सबसे अधिक यील्ड वाले वॉल्ट में स्थानांतरित करो") की व्याख्या कर सकता है, उसे उप-कार्यों में बाँट सकता है, विकल्पों का मूल्यांकन कर सकता है और रणनीति चुन सकता है। कुछ एजेंट chain-of-thought prompting का उपयोग करते हैं, जिसमें मॉडल निर्णय लेने से पहले स्पष्ट रूप से अपना तर्क लिखता है।
कार्रवाई करना — एजेंट चुनी हुई कार्रवाई निष्पादित करता है। इसका अर्थ हो सकता है API कॉल करना, ब्लॉकचेन लेनदेन पर हस्ताक्षर करना, स्मार्ट कॉन्ट्रैक्ट तैनात करना, सूचना भेजना या उप-कार्य किसी अन्य एजेंट को सौंपना। कार्रवाई का चरण ही एजेंटों को वास्तविक दुनिया में प्रभाव — और वास्तविक जोखिम — देता है।
अवलोकन करना — एजेंट अपनी कार्रवाई का परिणाम जाँचता है। क्या लेनदेन सफल हुआ? क्या API ने अपेक्षित डेटा लौटाया? क्या लक्ष्य पूरा हुआ, या एजेंट को एक और पुनरावृत्ति चाहिए?
दोहराना या रुकना — अवलोकन के आधार पर एजेंट या तो चरण 1 पर लौटता है (नई स्थिति को ग्रहण करके अगली कार्रवाई की योजना बनाता है) या निष्कर्ष निकालता है कि कार्य पूरा हो गया।

यह लूप सरल कार्य के लिए एक बार चल सकता है या जटिल वर्कफ़्लो के लिए दर्जनों पुनरावृत्तियाँ कर सकता है। चैटबॉट के विपरीत — जो एक प्रतिक्रिया देकर प्रतीक्षा करता है — एजेंट तब तक स्वायत्त रूप से जारी रहता है जब तक उसका उद्देश्य पूरा न हो या समाप्ति की शर्त न आ जाए।

मेमोरी के प्रकार

बहु-चरणीय कार्य संभालने वाले एजेंटों को किसी न किसी रूप में मेमोरी चाहिए:

अल्पकालिक मेमोरी (जिसे वर्किंग मेमोरी या कॉन्टेक्स्ट विंडो भी कहा जाता है) — वह जानकारी जो एजेंट एक कार्य के दौरान रखता है। यह अक्सर LLM की कॉन्टेक्स्ट विंडो द्वारा सीमित होती है।
दीर्घकालिक मेमोरी — स्थायी भंडारण जो सत्रों के बाद भी बना रहता है। एजेंट उपयोगकर्ता प्राथमिकताएँ, पिछली कार्रवाइयाँ, सीखी हुई रणनीतियाँ या संचित ज्ञान वेक्टर डेटाबेस या संरचित स्टोर में संग्रहीत कर सकता है।
एपिसोडिक मेमोरी — विशिष्ट पिछले इंटरैक्शन या घटनाओं के रिकॉर्ड जिन्हें एजेंट भविष्य के निर्णय लेते समय पुनः प्राप्त और संदर्भित कर सकता है।

मेमोरी एक प्रमुख विभेदक है। स्थायी मेमोरी के बिना एजेंट पिछले इंटरैक्शन से नहीं सीख सकता या सत्रों में निरंतरता बनाए नहीं रख सकता — हर बार चलने पर वह प्रभावी रूप से रीसेट हो जाता है।

टूल उपयोग

शक्तिशाली एजेंट केवल अपने तर्क मॉडल पर निर्भर नहीं रहता। वह टूल्स — बाहरी फ़ंक्शन, API या सेवाएँ — का उपयोग करता है जो उसकी क्षमताओं का विस्तार करते हैं:

RPC कॉल के माध्यम से ब्लॉकचेन की स्थिति पढ़ना
वॉलेट एकीकरण के माध्यम से लेनदेन निष्पादित करना
डेटाबेस या नॉलेज बेस को क्वेरी करना
अन्य AI मॉडलों को कॉल करना (जैसे इमेज मॉडल या विशेष क्लासिफ़ायर)
मल्टी-एजेंट प्रणाली में अन्य एजेंटों से इंटरैक्ट करना

तर्क (क्या करना है) और टूल उपयोग (कैसे करना है) का संयोजन ही आधुनिक AI एजेंटों को चैटबॉट से काफी अधिक सक्षम बनाता है।

वास्तविक उद्योग उदाहरण

कई प्रसिद्ध फ्रेमवर्क और परियोजनाएँ दर्शाती हैं कि AI एजेंट व्यवहार में कैसे काम करते हैं:

AutoGPT — व्यापक रूप से चर्चित पहली स्वायत्त एजेंट परियोजनाओं में से एक। इसने LLM-संचालित एजेंट की अवधारणा प्रदर्शित की जो लक्ष्य निर्धारित कर सकता था, उन्हें उप-कार्यों में बाँट सकता था, वेब ब्राउज़ कर सकता था और कोड निष्पादित कर सकता था — सब कुछ बिना चरण-दर-चरण मानव मार्गदर्शन के।
LangChain — LLM-संचालित एप्लिकेशन, जिनमें एजेंट शामिल हैं, बनाने के लिए एक लोकप्रिय ओपन-सोर्स फ्रेमवर्क। LangChain टूल उपयोग, मेमोरी, प्रॉम्प्ट चेनिंग और एजेंट लूप के लिए एब्स्ट्रैक्शन प्रदान करता है, जिससे यह कई क्रिप्टो AI परियोजनाओं के लिए मूलभूत लाइब्रेरी बन गई है।
CrewAI — मल्टी-एजेंट प्रणालियों पर केंद्रित फ्रेमवर्क, जिसमें कई विशेषीकृत एजेंट किसी कार्य पर सहयोग करते हैं, हर एक निर्धारित भूमिका निभाता है। यह दर्शाता है कि कुछ क्रिप्टो परियोजनाएँ जटिल वर्कफ़्लो के लिए एजेंट स्वार्म कैसे आर्किटेक्ट करती हैं।

ये नाम कई क्रिप्टो AI परियोजना विवरणों में दिखाई देते हैं। जब कोई परियोजना कहती है कि वह "LangChain का उपयोग करती है", तो इसका अर्थ है कि उसने एजेंट ऑर्केस्ट्रेशन के लिए एक मौजूदा फ्रेमवर्क अपनाया है। जब वह कहती है कि उसने "अपना स्वामित्व वाला एजेंट फ्रेमवर्क बनाया", तो इस दावे को सत्यापित करने के लिए Tier-1 साक्ष्य की आवश्यकता है।

AI एजेंट बनाम चैटबॉट बनाम सहायक

ये शब्द ओवरलैप करते हैं लेकिन विनिमेय नहीं हैं:

क्षमता	चैटबॉट	सहायक	एजेंट
प्रॉम्प्ट का उत्तर देता है	हाँ	हाँ	हाँ
टूल्स और API का उपयोग करता है	शायद ही कभी	कभी-कभी	अक्सर
बहु-चरणीय निर्णय लेता है	नहीं	सीमित	हाँ
स्वायत्त रूप से कार्य करता है	नहीं	नहीं	हाँ
दीर्घकालिक लक्ष्य बनाए रखता है	नहीं	शायद ही कभी	अक्सर
पिछले इंटरैक्शन से सीखता है	नहीं	शायद ही कभी	कभी-कभी
निरंतर इनपुट के बिना काम करता है	नहीं	नहीं	हाँ

चैटबॉट एक बार में एक प्रश्न का उत्तर देता है। उसके कोई लक्ष्य नहीं, कोई टूल्स नहीं, और वर्तमान वार्तालाप से परे कोई मेमोरी नहीं। सहायक वेब खोज सकता है या दस्तावेज़ों का सारांश दे सकता है, लेकिन वह निर्देशों की प्रतीक्षा करता है और अपने उद्देश्य स्वयं निर्धारित नहीं करता। एजेंट योजनाएँ बनाता है, टूल्स चुनता है, कार्रवाइयाँ निष्पादित करता है और परिणामों का मूल्यांकन करता है — कभी-कभी कई सत्रों और सेवाओं में, कभी-कभी प्रारंभिक लक्ष्य निर्धारित होने के बाद बिना किसी मानव हस्तक्षेप के।

गहरी तुलना के लिए देखें सहायक बनाम copilot बनाम चैटबॉट बनाम एजेंट।

DecAIHub में AI एजेंट सबसे आम श्रेणी क्यों हैं

AI/Agents DecAIHub रजिस्ट्री की सबसे बड़ी श्रेणी है। AI और क्रिप्टो का संगम एक स्वाभाविक उपयोग परिदृश्य बनाता है: एजेंट वॉलेट रख सकते हैं, लेनदेन पर हस्ताक्षर कर सकते हैं, पोज़िशन प्रबंधित कर सकते हैं और स्मार्ट कॉन्ट्रैक्ट से इंटरैक्ट कर सकते हैं — सब बिना किसी मानव मध्यस्थ के।

सामान्य उपश्रेणियों में शामिल हैं:

AI/Agents | DeFi — ऐसे एजेंट जो ट्रेड, लिक्विडिटी या यील्ड रणनीतियों को स्वायत्त रूप से प्रबंधित करते हैं।
AI/Agents | Infra — एजेंट बनाने, तैनात करने या ऑर्केस्ट्रेट करने के प्लेटफ़ॉर्म।
AI/Agents | Consumer — अंतिम उपयोगकर्ताओं के लिए निजी सहायक, साथी या रचनात्मक उपकरण।
AI/Agents | Gaming — NPC, गेम कोच या AI-संचालित गेम अर्थव्यवस्थाएँ।
AI/Agents | Meme — मीम संस्कृति या नैरेटिव टोकनों के आसपास बने एजेंट, अक्सर व्यक्तित्व-प्रधान सोशल मीडिया बॉट।

हर उपश्रेणी एजेंट आर्किटेक्चर को एक विशिष्ट क्रिप्टो डोमेन से जोड़ती है। इन समग्र लेबलों को कैसे पढ़ें, इसके लिए देखें समग्र AI श्रेणियाँ कैसे पढ़ें।

चूँकि "एजेंट" शब्द क्रिप्टो मार्केटिंग में लोकप्रिय है, इस श्रेणी में AI-washing का जोखिम भी सबसे अधिक है। कई परियोजनाएँ खुद को "AI एजेंट प्लेटफ़ॉर्म" कहती हैं जबकि चैटबॉट या पतले API रैपर से अधिक कुछ नहीं देतीं।

DecAIHub परियोजना कार्ड में यह कहाँ दिखाई देता है

जब कोई परियोजना AI एजेंट रखने का दावा करती है, तो परियोजना कार्ड में ये संकेत जाँचें:

AI component फ़ील्ड — क्या वह वास्तविक एजेंट फ्रेमवर्क का वर्णन करता है (जैसे agentic framework (memory/actions/plugins), AI agent platform (workflows/tools/KB)) या विवरण अस्पष्ट और मार्केटिंग-उन्मुख है?
साक्ष्य तालिका — क्या Tier-1 स्रोत (स्रोत कोड, तकनीकी दस्तावेज़, लाइव डेमो) हैं जो पुष्टि करते हैं कि एजेंट ग्रहण, निर्णय और कार्रवाई कर सकता है? Tier-1 साक्ष्य में सार्वजनिक रिपॉज़िटरी, विस्तृत तकनीकी दस्तावेज़ और कार्यरत उत्पाद प्रदर्शन शामिल हैं।
DecAI Fit — उच्च DecAI Fit स्कोर का अर्थ है कि एजेंट का दावा तीन आयामों — AI reality, Onchain necessity और Token necessity — में सत्यापन योग्य साक्ष्य से समर्थित है। निम्न स्कोर या positioning only लेबल का अर्थ है कि समीक्षा की तिथि तक साक्ष्य अपर्याप्त है।
ai_score — DecAI Fit का AI reality घटक, जिसकी गणना पाँच बाइनरी फ्लैग से min(3, AI_0 + AI_1 + AI_2 + AI_3 + AI_4) के रूप में होती है (0-3 पैमाना)। एजेंट परियोजनाओं के लिए सार्थक ai_score को इस प्रमाण की आवश्यकता है कि एजेंट वास्तव में स्वायत्त निर्णय लेता है, न कि केवल प्रॉम्प्ट आगे भेजता है।

मुख्य प्रश्न हमेशा यही है: क्या एजेंट वास्तव में निर्णय लेता है, या वह बिना किसी स्वायत्तता के किसी और के मॉडल को कॉल करने वाला API रैपर है?

अकेला यह शब्द क्या सिद्ध नहीं करता

किसी उत्पाद को "AI एजेंट" कहना यह सिद्ध नहीं करता कि वह वास्तविक AI का उपयोग करता है। कुछ "एजेंट" AI लेबल वाले नियम-आधारित बॉट हैं — एक प्रथा जिसे AI-washing कहा जाता है।
एजेंट लेबल यह सिद्ध नहीं करता कि ऑन-चेन एकीकरण सार्थक है या टोकन आवश्यक है। परियोजना के पास कार्यरत एजेंट हो सकता है लेकिन ब्लॉकचेन या टोकन की कोई आवश्यकता नहीं।
अकेला एजेंट आर्किटेक्चर अंतर्निहित मॉडलों की गुणवत्ता, विश्वसनीयता या परिपक्वता के बारे में कुछ नहीं कहता। प्रोटोटाइप एजेंट और प्रोडक्शन-ग्रेड एजेंट दोनों को "AI एजेंट" कहा जा सकता है।
किसी एजेंट फ्रेमवर्क (जैसे LangChain) का उपयोग यह सिद्ध नहीं करता कि परियोजना के पास अपना AI है। फ्रेमवर्क उपकरण हैं; महत्वपूर्ण है उनके ऊपर बना डेटा, मॉडल और लॉजिक।

भ्रमित न हों

चैटबॉट — एक प्रणाली जो बिना लक्ष्यों, योजना या टूल उपयोग के अलग-अलग प्रॉम्प्ट का उत्तर देती है। "AI एजेंट" के रूप में विपणित कई उत्पाद कार्यात्मक रूप से चैटबॉट हैं।
स्वचालन — नियम-आधारित स्क्रिप्ट जो पूर्वनिर्धारित लॉजिक (यदि X, तो Y) का पालन करती हैं। स्वचालन में सीखना या तर्क शामिल नहीं है। निश्चित नियमों का पालन करने वाला ट्रेडिंग बॉट स्वचालन है, AI एजेंट नहीं।
AI component — परियोजना के भीतर विशिष्ट AI तकनीक का विवरण। एजेंट एक आर्किटेक्चर है; AI component वह मॉडल या प्रणाली है जो एजेंट के तर्क को शक्ति देती है।
API रैपर — ऐसा उत्पाद जो उपयोगकर्ता इनपुट को तृतीय-पक्ष AI मॉडल को भेजता है और आउटपुट लौटाता है। API रैपर अपने इंटरफ़ेस में एजेंट जैसा दिख सकता है लेकिन उसमें स्वायत्त निर्णय-निर्माण नहीं होता।
मल्टी-एजेंट सिस्टम — ऐसी प्रणाली जिसमें कई एजेंट इंटरैक्ट, समन्वय या प्रतिस्पर्धा करते हैं। हर व्यक्तिगत एजेंट फिर भी AI एजेंट है; मल्टी-एजेंट लेबल प्रणाली के आर्किटेक्चर का वर्णन करता है।

अक्सर पूछे जाने वाले प्रश्न

AI एजेंट और चैटबॉट में क्या अंतर है?

चैटबॉट एक प्रॉम्प्ट का उत्तर देकर अगले की प्रतीक्षा करता है। उसके कोई लक्ष्य नहीं, कोई टूल्स नहीं और आमतौर पर वर्तमान वार्तालाप से परे कोई मेमोरी नहीं। AI एजेंट उद्देश्य निर्धारित करता है, उन्हें प्राप्त करने के चरणों की योजना बनाता है, कार्रवाइयाँ निष्पादित करने के लिए टूल्स (API, डेटाबेस, स्मार्ट कॉन्ट्रैक्ट) का उपयोग करता है और परिणामों का मूल्यांकन करता है — अक्सर आगे मानव इनपुट के बिना। एजेंट लूप (ग्रहण, तर्क, कार्रवाई, अवलोकन) प्रमुख वास्तुशिल्पीय अंतर है।

क्या AI एजेंट क्रिप्टो वॉलेट रख सकते हैं?

हाँ। AI एजेंट क्रिप्टो वॉलेट को नियंत्रित कर सकता है यदि उसके पास वॉलेट की निजी कुंजियों तक पहुँच है या वह किसी वॉलेट-प्रबंधन सेवा से एकीकृत है। इससे एजेंट लेनदेन पर हस्ताक्षर कर सकता है, फंड स्थानांतरित कर सकता है, DeFi प्रोटोकॉल से इंटरैक्ट कर सकता है या कॉन्ट्रैक्ट स्वायत्त रूप से तैनात कर सकता है। हालाँकि, एजेंट को वॉलेट की अभिरक्षा देना महत्वपूर्ण सुरक्षा और विश्वास संबंधी विचार लाता है जिन्हें परियोजनाओं को पारदर्शी रूप से संबोधित करना चाहिए।

क्या सभी क्रिप्टो "एजेंट" परियोजनाएँ वास्तव में AI एजेंट का उपयोग करती हैं?

नहीं। क्रिप्टो मार्केटिंग में "एजेंट" शब्द का ढीला उपयोग होता है। एजेंट कहलाने वाली कुछ परियोजनाएँ साधारण चैटबॉट, नियम-आधारित बॉट या API रैपर हैं जिनमें स्वायत्त निर्णय-निर्माण नहीं है। DecAIHub का AI reality स्कोर और साक्ष्य स्तर वास्तविक एजेंट क्षमताओं वाली परियोजनाओं को उन परियोजनाओं से अलग करने में मदद करते हैं जो इस शब्द का उपयोग केवल पोज़िशनिंग के लिए करती हैं।

AI एजेंट को स्वायत्त क्या बनाता है?

स्वायत्तता का अर्थ है कि एजेंट हर कदम पर मानव निर्देश की आवश्यकता के बिना कई चरणों में किसी उद्देश्य का पीछा कर सकता है। वह अपने परिवेश को ग्रहण करता है, सर्वोत्तम कार्रवाई के बारे में तर्क करता है, उसे निष्पादित करता है, परिणाम का अवलोकन करता है और तय करता है कि आगे क्या करना है — सब कुछ अपने आप। स्वायत्तता की मात्रा अलग-अलग होती है: कुछ एजेंट उच्च-जोखिम कार्रवाइयों से पहले मानव पुष्टि माँगते हैं, जबकि अन्य पूरी तरह स्वतंत्र रूप से काम करते हैं।

DecAIHub कैसे सत्यापित करता है कि एजेंट परियोजना में वास्तविक AI है?

DecAIHub संरचित साक्ष्य पद्धति का उपयोग करके एजेंट परियोजनाओं का मूल्यांकन करता है। समीक्षक Tier-1 साक्ष्य (सार्वजनिक कोड, तकनीकी दस्तावेज़, कार्यरत डेमो), Tier-2 साक्ष्य (तृतीय-पक्ष ऑडिट, साक्षात्कार, विस्तृत ब्लॉग पोस्ट) और Tier-3 साक्ष्य (मार्केटिंग सामग्री, सोशल मीडिया दावे) देखते हैं। AI component फ़ील्ड बताता है कि एजेंट वास्तव में क्या करता है, और ai_score (0-3, पाँच बाइनरी फ्लैग AI_0 से AI_4 से व्युत्पन्न) AI दावों की गहराई और सत्यापनीयता को दर्शाता है। बिना सत्यापन योग्य AI साक्ष्य वाली परियोजनाओं को ai_score = 0 मिलता है।

यह भी देखें

बाहरी संदर्भ

LangChain Documentation — LLM-संचालित एजेंट बनाने के लिए सबसे व्यापक रूप से उपयोग किया जाने वाला ओपन-सोर्स फ्रेमवर्क।
AutoGPT (GitHub) — सबसे शुरुआती ओपन-सोर्स स्वायत्त एजेंट परियोजनाओं में से एक।
Lilian Weng — LLM Powered Autonomous Agents — एजेंट आर्किटेक्चर, मेमोरी, योजना और टूल उपयोग का व्यापक तकनीकी अवलोकन।
CrewAI Documentation — भूमिका-आधारित एजेंटों के साथ मल्टी-एजेंट ऑर्केस्ट्रेशन का फ्रेमवर्क।
Andrew Ng on AI Agentic Workflows — एजेंटिक वर्कफ़्लो एकल-प्रॉम्प्ट दृष्टिकोणों से बेहतर क्यों प्रदर्शन करते हैं, इसका सुलभ परिचय।