ဒီနေ့ရဲ့ကော်လံမှာ စမ်းသပ်ဖို့အတွက် မူလစကားဝိုင်းသစ်တစ်ခုကို တင်ပြထားပါတယ်။ Multi-agentic AI ထိန်းသိမ်းမှုကို ကောင်းမွန်စေဖို့ ရည်ရွယ်ထားတာပါ။ Agentic AI, Generative AI နှင့် specific tasks များကို ကိုင်တွယ်ထားသော Large Language Models (LLMs) များက ဘယ်လိုပေါ်ပေါက်လာနေသည့်အခါ အမျိုးမျိုးသော AIs အသစ်များ တိုးလာမှာဖြစ်ပါတယ်။ ထို့ကြောင့် အမှန်အသင့် Agentic AI များကို လက်ထောက်ရှာဖွေရန် အပြင် ဆောင်ရွက်ရန် စကားဝိုင်းများကို ကောင်းစွာရေးသားခြင်း သာမန်အရေးကြီးလာပါသည်။ မပြည့်စုံသော စကားဝိုင်းများက မလိုအပ်သောဆက်သွယ်မှုများကို ဖြစ်စေလိုက်ပါက၊ အရေးနှင့်လိုအပ်သော AIs များကို ဖျက်သိမ်းလုပ်ဆောင်မှုမှလွဲတွင် သက်ရောက်မှုရှိနိုင်ပါသည်။ ဒီကော်လံသည် AI ရှင်သန်မှုနှင့် ကွဲပြားသော အကြောင်းအရာများကို ရှာဖွေနေသည့် Forbes series ၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ **Agentic AI ၏အခေတ်အချိန်၌ Prompt Engineering** ယခင်က ကျွန်ုပ်သည် Generative AI နှင့် ရလဒ်များကို မြှင့်တင်ရန် အထောက်အကူဖြစ်စေသော Prompt engineering နည်းလမ်းများအကြောင်း ကျူးလွန်ခဲ့ပါသည်။ Agentic AI ၏အမြင်အသစ်များက Prompt engineering ဖက်မှာ ဒေါင်လိုက်စေပါသည်။ Generative AI နှင့် ခရီးသွားရေးကို စီစဉ်ပါက - စီစဉ်ခြင်းအဆင့်က ရိုးရှင်းနိုင်သော်လည်း၊ စက်ရုံချိတ်ဆက်ခြင်းသည် သုံးစွဲသူများကို စီးပွားရေးကို လုပ်ဆောင်ရန် လိုအပ်သည့် ဝက်ဘ်ဆိုက်များသို့ မပြောင်းရွှေ့ပါ။ Agentic AI သည် ကြေးနန်းဂါးတစ်ခုချင်းစီအား အပြောင်းအလဲကနေသည့် virtual travel agent အဖြစ် လုပ်ဆောင်နိုင်ပြီး စီစဉ်မှုနှင့်_BOOKING_ ရှုထောင့်ချင်းကို ပုံမှန်ဘာသာစကားဆက်သွယ်မှုများဖြင့် လုပ်ဆောင်သည်။ **Multi-Agentic AIs ၏အဓိပ္ပာယ်** Single Agentic AI ကို မချည့်ပ်ရင်၊ များစွာသော Agent များကို အသုံးပြုခြင်းက ထုတ်လုပ်မှုကို အရှိန်မြှင့်တင်နိုင်သည်။ သို့သော် ယင်းသည် Agent များကို ဖွင့်ဆိုရန် အခက်အခဲမြှင့်တင်ရန် လည်း ဖြစ်နိုင်သည်။ မှားယွင်းသော ရွေးချယ်မှုများက သက်သာမှု hoʻol ပြေဆိုးချိန်များကို ဖြစ်စေနိုင်သည်။ Multi-agent AI နှင့်ပတ်သက်၍ Prompt composition အတွက် ကျွန်ုပ်သည် အဓိပ္ပာယ် ၂ မျိုးကို သွားကာ ကျွန်ုပ်၏လုပ်ရည်များကို ဆွဲယူမည်: 1. **Driver’s Seat:** အသုံးပြုသူက ရွေးချယ်လွှာချက်ကို သေချာပြင်ဆင်သည့်အတွက် မှားယွင်းခြင်းသက်ဝင်မှုကို လျော့ချပေးသည်။ 2. **Passenger’s Seat:** အသုံးပြုသူက စခြင်ဆောင်ရည်ကို ဖေါ်ပြပြီး Generative AI ကို သဘောချထားစွာ Agent များကို ရွေးချယ်ခွင့်ရသည်။ အပေါ်ယံသို့တွင် လည်း အပြုံးသည်ကို မေ့လွှတ်ခြင်းပါသည်။ Driver's seat က အကြောက်ခံမှုများကို ပေးစွမ်းစေသည်; Passenger's seat က ရိုးရှင်းမှုကို ပေးသည် သို့သော် မှားယွင်းမှုကို ကူးတစ်လုံး လက်ခံမှာ ကိစ္စတခုဖြစ်ပါသည်။ **Coding Assistance အတွက် နမူနာများ** နမူနာအဖြစ် ဆော့ဗ်ဝဲကနေ အသုံးပြုခွင့် လုပ်ဆောင်ကြပါစို့၊ AI Agent ၅ မျိုး ရရှိသည်။ 1. **CodeFixer:** ကုဒ်ကို နားလည်ခြင်းနှင့် အကောင်းဆုံးပုံစံထူထောင်ရန်။ 2.

**CodeReviewer:** ကုဒ်အား အကောင်းဆုံးပုံစံများ ရှာဖွေရန်။ 3. **BugHunter:** အားနည်းချက်များနှင့် Logic errors များကို ရှာဖွေရန်။ 4. **PerfAnalyzer:** စွမ်းဆောင်ရည်ကို တိုင်းတာ၍ အဆင်ပြေမှုကို လိုက်ပါ။ 5. **DocWriter:** စာရွက်စာတမ်းများ ဖန်တီးရန်။ *Driver's Seat Example:* Python script တစ်ခုကို ရှင်းလင်းရန် စကားဝိုင်းပေးရင် “CodeFixer ကို ဖွင့်ပါ၊ ထို့နောက် BugHunter ကို ဖွင့်ခြင်း PerfAnalyzer ၏ခုချင်းစီကို လုပ်ဆောင်ပါမည်” ဟု ဆိုမည်။ Generative AI သည် ထိုအစီအစဉ်ကို အတည်ပြုလိမ့်မည်။ *Passenger’s Seat Example:* သော်လည်း “ကျွန်ုပ်၏ Python script အတွက် ကူညီရန်လိုအပ်သည်; ကူညီနိုင်သော agent များကို ဖွင့်ပါ” ဟုဆိုပါက AI သည် ငါ့ရဲ့ သုတေသနအောက်ပါ လူအများအပြားကို ရွေးချယ်ပါမည်။ သို့သော် မင်းကိုယ်တိုင် မေးခွန်းများကို အရာဝတ္ထုအား ဖြေရှင်းရင် အခြေအနေမှာ သက်ရောက်မှုရှိနိုင်ပါသည်။ ငါ့ Python script အတွက် ကူညီခိုင်းတာက လွယ်လွယ်ကူကူ Agent များ ရူ ▁၍ မဖြစ်နိပ်ပါ။ **Multi-Agent AI တွင် လက်ရှိစုံစမ်းမှု** AI ပညာရှင်များ၏ ဂရုစိုက်မှုကိုျဖည့်မည်။ "AgentRec" ဟုအမည်ရှိသော လက်ရှိသုတေသနက အသုံးပြုသူ၏ စကားဝိုင်းများကို အခြေအနေပြောင်းနိုင်မှုအောက် ပုံထူထောင်ရန် အခူအထည်ထားသည်။ ထိုသုတေသနမှ သဘောထားများသည် Generative AI ကို အသုံးပြုမှုများပြားစွာ ရွေးချယ်မှုတွင် တိုးတက်မည်ဟု ဖျော်ဖြေရန် ခြေတွက်ဖြစ်သည်။ အကြောင်းအရာများကို ပြင်ဆင်ပြီး လုပ်ဆောင်မှုများကို ချင်းချင်းမှ ရေကြောင်းနည်းဖြင့် လုပ်ဆောင်မှုများကျယ်ကျယ်အောင် လေ့လာရန် လိုအပ်ပါသည်။ Generative AI အတွက် ခုနှစ်နှစ်အခါတို့ကို ရွေးချယ်မှုအသစ်များ ရွေးချယ်မှုကို ဆောက်လော့တွင် ချီးမြှင့်ရမည်။ Lincoln ၏ ဝိဇ္ဇာကို မှတ်ရပါစေ “အနာဂတ်အကြောင်းအရာ အကောင်းဆုံးမှာ တစ်နေ့ကို တစ်နေ့ဆီလှကြှိုက်လာတယ်” ဟု ဆိုလိုသည်မှာ multi-agentic AI ရှိလာရေးအခြေအနေသည် ပြောင်းလဲမှုတစ်ခုခု ဖြစ်ပါသည်။