RAG, AI agentləri və alətlər: 7 sual, 7 cavab

Ramin Səfərov10 noyabr 20265 dəqiqəlik oxu

41. RAG nədir və niyə öyrənməliyəm?

RAG (Retrieval-Augmented Generation) modelin cavabını sizin öz sənədlərinizdəki məlumata əsaslandırma üsuludur. Sistem əvvəlcə suala uyğun sənəd parçalarını tapır, sonra model həmin parçalara istinad edərək cavab yazır.

Bunu öyrənməyin səbəbi praktikdir: bizneslərin süni intellektdən gözlədiyi işlərin böyük hissəsi öz məlumatları ilə bağlıdır. Model şirkətin daxili qaydalarını, qiymət siyahısını və ya müqavilələrini bilmir. RAG bu boşluğu modeli yenidən təlim etmədən doldurur. Məsələn, işçi "məzuniyyət necə rəsmiləşdirilir?" soruşur, sistem müvafiq bölməni tapır və cavabı həmin bölməyə istinadla verir.

Bir xəbərdarlıq: RAG mənbə ilə dəstəklənməyən cavabları azaldır, amma səhvləri aradan qaldırmır. Həm tapılan parçaların düzgünlüyünü, həm də cavabın onlara uyğunluğunu yoxlamaq lazımdır. Etibarlı sistem cavabın hansı sənədin hansı hissəsindən götürüldüyünü göstərir.

42. AI agent nədir və necə qurulur?

Agent məqsədə çatmaq üçün addımları planlayan və xarici alətləri çağıra bilən sistemdir. Adi çatbot yalnız mətn yazır; agent isə əməl edir: bazaya sorğu göndərir, hesablama aparır, sənəd yaradır.

Sadə nümunə: müştəri "bu məhsuldan anbarda 10 ədəd varmı və qiymət təklifi nə qədərdir?" soruşur. Agent stok yoxlama alətini çağırır, miqdarı və qiyməti alır, sonra təklifin qaralamasını hazırlayır. Bu dövrə dörd addımdan ibarətdir: planlaşdırma, alət çağırışı, nəticənin müşahidəsi və cavab.

Qurmaq üçün üç şey lazımdır: tool calling dəstəkləyən model, aydın təsvir olunmuş alətlər (funksiyalar) və axını idarə edən çərçivə, məsələn LangGraph. Ən vacib dizayn qərarı isə icazələrdir. Hansı əməliyyatın avtomatik, hansının insan təsdiqi ilə icra olunacağını riskə görə əvvəlcədən müəyyən edin. Məlumat oxumaq avtomatik ola bilər; pul köçürmək, müştəriyə mesaj göndərmək və ya məlumat silmək isə təsdiq tələb etməlidir.

43. LangChain, LangGraph və n8n arasında fərq nədir, hansından başlamalı?

LangChain LLM tətbiqləri üçün hazır komponentlər kitabxanasıdır, LangGraph vəziyyəti və budaqlanması olan agent axınlarını qurmaq üçündür, n8n isə kodsuza yaxın vizual avtomatlaşdırma platformasıdır. Birincilər Python kodu ilə, üçüncüsü qutuları birləşdirməklə işləyir.

Alət	Nə üçündür	Kimə uyğundur
LangChain	Model, prompt, axtarış və alətləri birləşdirən komponentlər	Python bilən, RAG və sadə zəncirlər quran
LangGraph	Çoxaddımlı, dövrlü, insan təsdiqi olan agent axınları	Mürəkkəb agent quran mühəndis
n8n	Xidmətlər arası iş axınlarının vizual avtomatlaşdırılması	Tez nəticə istəyən, proqramlaşdırmaya yeni başlayan

Proqramlaşdırmaya yeni başlayırsınızsa, n8n ilə ilk avtomatlaşdırmanı bir günə qura bilərsiniz və bu, həvəsi saxlayır. Mühəndis olmaq istəyirsinizsə, əvvəlcə heç bir çərçivə olmadan birbaşa model API-si ilə işləyin. Altda nə baş verdiyini anlayandan sonra LangChain və LangGraph-a keçmək asan olur. Çərçivələr dəyişir, əsas məntiq isə qalır.

44. Prompt mühəndisliyi ayrıca peşədirmi?

Mənim fikrimcə, prompt mühəndisliyi ayrıca peşədən daha çox hər süni intellekt mühəndisinin bilməli olduğu bacarıqdır. Yalnız prompt yazmaqla uzunmüddətli karyera qurmaq çətindir.

Səbəb odur ki, modellər gücləndikcə "sehrli söz" tapmağın dəyəri azalır, tapşırığı aydın qoymağın dəyəri isə qalır. Yaxşı prompt aydın texniki tapşırıq kimidir: məqsəd, kontekst, gözlənilən format və nümunələr. Bunu yazmaq üçün problemi dərindən başa düşmək lazımdır.

Real layihədə prompt təkbaşına işləmir. Onun ətrafında axtarış, alətlər, çıxışın yoxlanması və qiymətləndirmə dəsti dayanır. Promptu dəyişəndə nəticənin yaxşılaşıb-yaxşılaşmadığını rəqəmlə ölçə bilməlisiniz. Buna görə prompt mühəndisliyini öyrənin, amma onu Python, RAG və qiymətləndirmə ilə birlikdə öyrənin.

45. Öz modelimi öyrətməliyəm, yoxsa hazır API-lərdən istifadə edim?

Bir çox tətbiqdə hazır modellə başlamaq düzgün seçimdir. Öz modelini təlim etmək və ya incə tənzimləmək yalnız xüsusi ehtiyac olduqda məna kəsb edir.

Seçim dörd amildən asılıdır: məlumat, məxfilik, keyfiyyət və xərc. Hazır API sürətli başlanğıc verir və infrastruktur tələb etmir. Mənfi cəhəti hər sorğu üçün ödəniş və məlumatın kənar xidmətə getməsidir.

Öz modeliniz o halda lazım olur ki, məlumat şirkətdən kənara çıxa bilməz, sorğu həcmi çox böyükdür və ya tapşırıq hazır modellərin yaxşı bacarmadığı dar sahədir. Bu halda da adətən sıfırdan təlim yox, açıq modelin LoRA/QLoRA ilə incə tənzimlənməsi kifayət edir.

Tövsiyə etdiyim sıra belədir: əvvəlcə yaxşı prompt, sonra RAG, yalnız bunlar yetmədikdə incə tənzimləmə. Hər addımda nəticəni ölçün; çox vaxt üçüncü addıma ehtiyac qalmır.

46. Azərbaycan dili ilə işləyən süni intellekt həlləri qurmaq olurmu?

Bəli, olur. Müasir böyük dil modelləri Azərbaycan dilində yazılı mətni başa düşür və cavab yazır; bu, real məhsul qurmaq üçün kifayət edir.

Amma keyfiyyət ingilis dilindəki qədər sabit deyil və bunu layihədə nəzərə almaq lazımdır. Diqqət tələb edən yerlər: şivə və danışıq dili, latın qrafikasında "ə" əvəzinə "e" ilə yazılmış mətnlər, rus və Azərbaycan dilinin qarışıq işlənməsi, hüquqi və tibbi terminologiya. Səs tanıma və səsləndirmədə keyfiyyət mətnə nisbətən daha çox dəyişir. Embeddings modellərini də Azərbaycan dilində ayrıca sınamaq lazımdır, çünki axtarışın keyfiyyəti birbaşa onlardan asılıdır.

Praktik nəticə: "bu model Azərbaycan dilini bilir" təəssüratına güvənməyin. Öz məlumatınızdan real suallarla kiçik test dəsti qurun və bir neçə modeli müqayisə edin. Yerli dil üçün yaxşı həll qura bilən mütəxəssis az olduğundan bu, bazarda ayrıca üstünlükdür.

47. Hansı sertifikatlar dəyərlidir (NVIDIA, Google, AWS)?

Dəyərli sertifikat müstəqil imtahanla verilən və konkret bacarığı yoxlayan sertifikatdır. Hansının sizə uyğun olduğu işləmək istədiyiniz istiqamətdən asılıdır.

NVIDIA. Agent sistemləri və generativ süni intellekt üzrə sertifikatlar verir. Mənim özümdə NVIDIA Certified Professional: Agentic AI sertifikatı var.
AWS və Google Cloud. Maşın öyrənməsi mühəndisliyi üzrə sertifikatları şirkətiniz həmin buluddan istifadə edirsə faydalıdır, çünki modelin istifadəyə verilməsi biliklərini yoxlayır.
Python Institute (PCEP, PCAP, PCPP). Başlanğıc üçün Python biliyini təsdiqləyən beynəlxalq sertifikatlardır.

Sertifikat iki halda real fayda verir: imtahana hazırlaşarkən biliyinizdəki boşluqlar üzə çıxır və CV-ni ilkin seçimdən keçirməyə kömək edir. Amma sertifikat layihəni əvəz etmir. Əvvəlcə işlək layihələr qurun, sertifikatı isə bildiklərinizi təsdiqləmək üçün alın, bilmədiklərinizi gizlətmək üçün yox. İmtahanların adı və şərtləri tez-tez dəyişir, ona görə qeydiyyatdan əvvəl rəsmi səhifəni yoxlayın.