# مفہومی پیسوڈو کوڈ کی مثال
agents = .
- **مقامی آپشنز** جیسے OWL نجی معلومات کے تحفظ اور بجٹ کے لیے پرکشش ہیں۔
Sider.AI
## محدودیات
- **تنظیم کی پیچیدگی زیادہ**: جتنے زیادہ ایجنٹس اتنے زیادہ ٹوکنز، لیٹنسی، اور اسٹیٹ کی مشکل۔
- **تشخیص آسان نہیں**: آپ کو مخصوص ہارنیسز اور ٹاسک میٹرکس کی ضرورت پڑے گی۔
- **ٹولنگ کا معیار**: دستاویزات، ڈی بگنگ، اور نگرانی تجارتی سٹیکس سے پیچھے رہ سکتی ہیں۔
- **ماڈل پر انحصار**: نتائج LLM انتخاب پر منحصر؛ چھوٹے مقامی ماڈلز محتاط پرامپٹ انجینئرنگ کے بغیر کمزور ہو سکتے ہیں۔
## قیمت اور لائسنسنگ کے اشارے
Camel-AI بنیادی طور پر اوپن سورس ہے، اور کمیونٹی وسائل OWL جیسے مفت مقامی اختیارات کو نمایاں کرتے ہیں۔ آپ کی اصل لاگت منتخب کردہ LLMs، ویکٹر اسٹورز، اور انفراسٹرکچر پر منحصر ہے۔ اگر آپ مقامی طور پر چلائیں تو متغیر لاگت کم رکھ سکتے ہیں، خام صلاحیت کے مقابلے میں پرائیویسی اور لیٹنسی کو ترجیح دیتے ہیں۔
## Camel-AI میں کامیابی کے بہترین طریقے
- **2-3 کرداروں سے شروع کریں**۔ صرف جب قابل پیمائش فرق ہو تو ایجنٹ شامل کریں۔
- **پرامپٹس کو کنٹریکٹ سمجھیں**۔ ہر کردار کو واضح مقصد، ٹولز، پابندیاں، اور روکنے کے معیارات دیں۔
- **بجٹ کنٹرول کریں**۔ ہر موڑ کے لیے ٹوکن کی حد لگائیں؛ جلدی ختم ہونے کی شرط نافذ کریں۔
- **سب کچھ لاگ کریں**۔ ٹرنز، ٹول کالز، اور فیصلے آڈیٹ اور سیکھنے کے لیے محفوظ رکھیں۔
- **گراؤنڈ ٹروتھ کے ساتھ تشخیص کریں**۔ ٹاسک سطح کے میٹرکس استعمال کریں: درستگی، لیٹنسی، قیمت، اور ناکامی کے طریقے۔
- **ماڈلز کا ملاپ کریں**۔ منصوبہ بندی کے لیے طاقتور ماڈلز اور عمل درآمد کے لیے چھوٹے ماڈلز، تاکہ لاگت اور معیار میں توازن ہو۔
## Camel-AI آپ کی ضروریات کے مطابق: فوری جائزہ
- کھلا، کردار-مرکوز ملٹی ایجنٹ مکالمے چاہییں؟ مضبوط موزوں۔
- مقامی پرائیویسی اور لاگت کنٹرول کو ترجیح دیتے ہیں؟ OWL کے ساتھ مضبوط مطابقت۔
- اینٹرپرائز گورننس، SLA، اور مضبوط نگرانی درکار ہے؟ AutoGen یا CrewAI کا ساتھ ساتھ جائزہ لیں۔
- سب سے بڑا ٹولز اور ٹیمپلیٹس ایکوسسٹم چاہیے؟ LangChain Agents کو اضافی طور پر دیکھیں۔
## مدیر کا فیصلہ
Camel-AI ان ٹیموں کے لیے بہت اچھی پسند ہے جو اوپن سورس رویہ کے ساتھ ملٹی ایجنٹ پیٹرنز تلاش کر رہی ہیں۔ اس فریم ورک کا مکالمہ-پہلا ڈیزائن، کردار کی وضاحت، اور کمیونٹی تجربہ کاری اسے ایک مضبوط بنیاد فراہم کرتے ہیں۔ یہ کوئی مکمل اینٹرپرائز سوٹ نہیں لیکن ایجنٹ تعاون کے لیے لچکدار پلیٹ فارم کے طور پر، خاص طور پر مقامی عمل درآمد کے آپشنز کے ساتھ، فائدہ مند ہے۔
نوٹ کریں: اگر آپ پرامپٹس آزماتے ہیں، نتائج کی دستاویز بندی کرتے ہیں، یا ساتھیوں کے ساتھ تعاون کر رہے ہیں تو براؤزر بیسڈ معاون جیسے 
Sider.AI
 آپ کے ورک فلو کو چیٹ سائیڈ بارز، کوڈ رنرز، اور دستاویز گراونڈنگ کے ساتھ تیز کر سکتے ہیں تاکہ آپ تیز رفتاری سے تجربہ کر سکیں (https://sider.ai/). 
## عملی اگلے اقدامات
1. ایک الگ ٹاسک پر 2-ایجنٹ لوپ (Planner/Executor) کا پروٹوٹائپ تیار کریں؛ معیار، لیٹنسی، اور لاگت ماپیں۔
2. حفاظت اور قابل اعتمادگی کے لیے Critic شامل کریں؛ بہتریوں کو ریکارڈ کریں۔
3. ٹولز (RAG، کوڈ اجرا) شامل کریں اور فوائد دیکھیں۔
4. OWL کے ذریعے مقامی ماڈلز کا تجربہ کریں؛ نجی معلومات اور لیٹنسی فوائد کا جائزہ لیں۔
5. تشخیص اور لاگنگ کو معیاری بنائیں؛ پرامپٹس کو کوڈ کی طرح دوہراتے رہیں۔
## کلیدی نکات
- Camel-AI ایک مکالمہ-مرکوز، اوپن سورس ملٹی ایجنٹ فریم ورک ہے جس کی کمیونٹی اسکیلنگ لاءز پر توجہ بڑھ رہی ہے۔
- یہ کردار پر مبنی تعاون اور مقامی تجربہ کاری میں مہارت رکھتا ہے، بشمول OWL۔
- تنظیم اور تشخیص میں زیادہ محنت درکار ہے؛ چھوٹے سے شروع کریں اور جلد لاگنگ کریں۔
- AutoGen، CrewAI، اور LangChain Agents کو تکمیلی یا متبادل اسٹیکس کے طور پر مدنظر رکھیں۔
---
## ضمیمہ: مثال پرامپٹ کنٹریکٹس
- Planner: “ہدف کو مراحل میں تقسیم کریں، مطلوبہ ٹولز تفویض کریں، اور کامیابی کے میٹرکس بتائیں۔ کوڈ نہ لکھیں۔”
- Executor: “صرف اگلا مرحلہ نافذ کریں۔ اگر سیاق و سباق کم ہو تو پوچھیں۔ ٹول بجٹ کا خیال رکھیں۔”
- Critic: “نتائج کی درستگی، سیکیورٹی، اور پالیسی چیک کریں؛ اگر ضرورت ہو تو اصلاحات مانگیں۔ 3 دور میں روکیں۔”
### سوالات و جوابات
سوال 1: Camel-AI کیا ہے اور یہ کیسے کام کرتا ہے؟
Camel-AI ایک اوپن سورس ملٹی ایجنٹ فریم ورک ہے جہاں LLM ایجنٹس منظم مکالمہ اور کردار پر مبنی پرامپٹس کے ذریعے تعاون کرتے ہیں تاکہ کام حل ہوں۔ Planner، Executor، اور Critic جیسے ایجنٹس منصوبہ بندی، عمل، اور نتائج کی تصدیق کے لیے لوپس میں کام کرتے ہیں۔
سوال 2: کیا Camel-AI مفت ہے؟
کور فریم ورک اوپن سورس ہے، اور کمیونٹی ڈیموز میں OWL جیسے مفت مقامی آپشنز کو نمایاں کیا جاتا ہے جو ڈیوائس پر ٹیسٹنگ کی سہولت دیتے ہیں۔ آپ کی اصل لاگت عموماً آپ کے منتخب کردہ LLMs، ویکٹر اسٹورز، اور انفراسٹرکچر پر منحصر ہوگی۔
سوال 3: Camel-AI، AutoGen یا CrewAI میں کیا انتخاب کروں؟
اگر آپ مکالمہ پر مبنی ملٹی ایجنٹ لوپس اور مقامی تجربہ کاری کو ترجیح دیتے ہیں تو Camel-AI منتخب کریں۔ AutoGen اور CrewAI زیادہ تیار کردہ اینٹرپرائز استعمال اورطریقہ کار فراہم کرتے ہیں؛ Camel-AI کھلے، کردار-مرکوز تعاون پر زور دیتا ہے۔
سوال 4: کیا Camel-AI مقامی طور پر چل سکتا ہے؟
ہاں۔ کمیونٹی وسائل مقامی تجربات کو نمایاں کرتے ہیں—جس میں OWL ایک مفت، مقامی جنرل AI ایجنٹ ہے—جو نجی معلومات کی حفاظت اور لاگت کنٹرول میں مدد دیتا ہے جب آپ پروٹوٹائپ بنا رہے ہوں۔
سوال 5: Camel-AI کی بنیادی خامیاں کیا ہیں؟
مالی ایجنٹ تنظیم ٹوکن لاگت، لیٹنسی، اور حالت کی پیچیدگی بڑھاتی ہے۔ آپ کو مضبوط لاگنگ اور تشخیص کی ضرورت ہوگی؛ نتائج LLM معیار اور پرامپٹ ڈیزائن کے حساب سے مختلف ہو سکتے ہیں۔