როგორ გამოვიყენოთ ეს გზამკვლევი? ეს დოკუმენტი დაგეხმარებათ ლექციაზე მიღებული ცოდნის სტრუქტურირებაში და წარმოადგენს მთავარ თეორიულ სახელმძღვანელოს ფინალური პროექტისთვის მოსამზადებლად.
ჩვენი კურსის მთავარი მიზანია Prompt Engineer-იდან გადავიქცეთ AI Automation Architect-ად. ამისთვის მნიშვნელოვანია გვესმოდეს შემდეგი ტერმინები:
| ტერმინი | განმარტება |
|---|---|
| Knowledge Base (ცოდნის ბაზა) | თქვენი ბიზნესის სპეციფიკური დოკუმენტები, რომელსაც AI იყენებს სწორი კონტექსტის შესაქმნელად. |
| JSON (JavaScript Object Notation) | მონაცემთა გაცვლის უნივერსალური ფორმატი. სისტემები (მაგ. n8n) ერთმანეთს ესაუბრებიან JSON ენით. |
| Embeddings | ტექსტის, სურათის ან აუდიოს მათემატიკური (რიცხვითი) წარმოდგენა, რომელსაც AI კითხულობს. |
| Model Context Protocol (MCP) | ახალი პროტოკოლი, რომელიც AI აგენტებს აძლევს ლოკალურ სერვერებზე წვდომის საშუალებას ფაილების Cloud-ში ატვირთვის გარეშე. |
1. თქვენ ატვირთავთ 100 გვერდიან PDF დოკუმენტს.
2. სისტემა ჭრის მას პატარა ნაწილებად (Chunks).
3. თითოეულ ნაწილს გარდაქმნის ვექტორად (Embeddings) და ინახავს ვექტორულ ბაზაში.
4. როცა სვამთ კითხვას, თქვენი კითხვაც გარდაიქმნება ვექტორად.
5. სისტემა ადარებს რიცხვებს და პოულობს ყველაზე რელევანტურ პასუხს (Semantic Search).
6. LLM კითხულობს ამ ამოღებულ ტექსტს და აგენერირებს ლამაზ, ადამიანურ პასუხს.
AI აგენტი არ არის უბრალოდ ჩატბოტი. ის არის სისტემა, რომელსაც შეუძლია შეასრულოს დავალება. ReAct (Reasoning + Acting) Framework-ის მიხედვით:
ეს ციკლი გრძელდება მანამ, სანამ აგენტი არ მიაღწევს საბოლოო მიზანს.
MCP არის რევოლუციური. თუ ადრე გვიწევდა რთული OAuth და API დაკავშირება ყოველი სერვისისთვის, დღეს Claude Desktop App-ს შეუძლია პირდაპირ დაუკავშირდეს თქვენს კომპიუტერს.