ლექცია 3: შეჯამება (Custom Assistants & Agents)

Gemini Gems & Claude Projects

მთავარი არსი: უბრალო Chat ინტერფეისიდან გადავდივართ მორგებულ ასისტენტებზე. Claude Projects გვაძლევს საშუალებას ერთ სივრცეში მოვაქციოთ კონკრეტული პროექტის კონტექსტი, სისტემური ინსტრუქციები (Style & Tone) და დოკუმენტები (200K ტოკენამდე, რაც დაახლოებით 500 გვერდია).

RAG და ვექტორული ბაზები

• RAG (Retrieval-Augmented Generation): AI-ის მიერ მოძიებული ინფორმაციის საფუძველზე პასუხის გენერაცია. (როგორც ბიბლიოთეკარი, რომელიც ჯერ წიგნს პოულობს და მერე გპასუხობთ).
• Semantic Search (სემანტიკური ძიება): ინფორმაციის მოძიება შინაარსის და არა მხოლოდ ზუსტი სიტყვების მიხედვით. "ძაღლი" და "dog" აღიქმება ერთნაირად.
• ვექტორული ბაზები (Vector DB): ტექსტი გარდაიქმნება რიცხვებად (Embeddings) და ინახება ისე, რომ AI-მ სწრაფად იპოვოს მსგავსი კონტექსტი.

Assistant VS Agent

ასისტენტი ელოდება თქვენს კითხვას, აგენტი კი - დამოუკიდებლად იღებს გადაწყვეტილებებს და იყენებს ინსტრუმენტებს (Tools) მიზნის მისაღწევად.

ReAct (Reasoning + Action)

აგენტის აზროვნების ციკლი შედგება 3 ნაბიჯისგან:

1. Reasoning: აგენტი ფიქრობს რა უნდა გააკეთოს ("მჭირდება ინფორმაცია ამინდზე").
2. Action: იყენებს კონკრეტულ Tool-ს ("ვრთავ API-ს").
3. Observation: იღებს და აანალიზებს შედეგს ("წვიმს"). ამის მერე წყვეტს, დაასრულოს თუ ხელახლა იფიქროს.

ახალი სტანდარტი სისტემების დასაკავშირებლად

ადრე, API-ების დასაკავშირებლად გვიწევდა რთული კოდის წერა ყოველი ახალი სერვისისთვის. MCP არის ახალი ღია სტანდარტი (შექმნილი Anthropic-ის მიერ), რომელიც საშუალებას აძლევს AI-ს პირდაპირ, უსაფრთხოდ დაუკავშირდეს თქვენს ლოკალურ ფაილებს, მონაცემთა ბაზებს და სერვისებს (Google Drive, Github, Slack).

მთავარი უპირატესობა: მონაცემები არსად არ იტვირთება (Zero-leakage). AI თავად მოდის მონაცემებთან.

Capstone პროექტზე მუშაობის დაწყება (30 ქულა)

მე-3 შეხვედრის შემდეგ სტუდენტებს უკვე აქვთ RAG-ისა და MCP-ის ბაზა. დროა შეარჩიოთ თქვენი ფინალური პროექტის თემა, რათა მომდევნო შეხვედრებზე (n8n, Lovable UI, Agent SDK) შესწავლილი მასალა პირდაპირ მოარგოთ თქვენს პროექტს.