জেনারেটিভ এআই - জাভা সংস্করণ পরিচিতি

July 2, 2026 · View on GitHub

আপনি যা শিখবেন

  • জেনারেটিভ এআই এর মূলতত্ত্ব যার মধ্যে রয়েছে এলএলএম, প্রম্পট ইঞ্জিনিয়ারিং, টোকেন, এমবেডিং এবং ভেক্টর ডাটাবেস
  • জাভা এআই ডেভেলপমেন্ট টুলস তুলনা যেমন Azure OpenAI SDK, Spring AI, এবং OpenAI Java SDK
  • মডেল কন্টেক্সট প্রোটোকল আবিষ্কার ও এআই এজেন্ট যোগাযোগে এর ভূমিকা

সূচীপত্র

পরিচিতি

জেনারেটিভ এআই ফর বিগিনারস - জাভা সংস্করণের প্রথম অধ্যায়ে আপনাকে স্বাগত! এই প্রাথমিক পাঠে আপনি জেনারেটিভ এআই এর মূল ধারণাগুলো এবং কীভাবে জাভা ব্যবহার করে এগুলো নিয়ে কাজ করবেন তা শিখবেন। আপনি এআই অ্যাপ্লিকেশনের প্রয়োজনীয় উপাদান যেমন বড় ভাষার মডেল (LLMs), টোকেন, এমবেডিং, এবং এআই এজেন্ট সম্পর্কে জানবেন। এছাড়াও এই কোর্সে ব্যবহার হওয়া প্রধান জাভা টুলিং সম্পর্কে জানানো হবে।

একটি দ্রুত রিফ্রেশ জেনারেটিভ এআই ধারণাগুলির উপর

জেনারেটিভ এআই হল এমন একটি কৃত্রিম বুদ্ধিমত্তার ধরন যা তথ্য থেকে শেখা প্যাটার্ন ও সম্পর্কের ওপর ভিত্তি করে নতুন কন্টেন্ট তৈরি করে, যেমন লেখা, ছবি, বা কোড। জেনারেটিভ মডেলগুলো মানুষের মত উত্তর দিতে পারে, প্রসঙ্গ বুঝতে পারে, এবং মাঝে মাঝে এমন কন্টেন্ট তৈরি করতে পারে যা মানুষসক্ষম মনে হয়।

আপনি যখন আপনার জাভা এআই অ্যাপ্লিকেশন বিকাশ করবেন, তখন আপনি জেনারেটিভ এআই মডেল ব্যবহার করবেন কন্টেন্ট তৈরি করতে। কিছু ক্ষমতা হলো:

  • টেক্সট জেনারেশন: চ্যাটবট, কন্টেন্ট, এবং টেক্সট পূরণের জন্য মানুষের মত লেখা তৈরি করা।
  • ছবি উৎপাদন ও বিশ্লেষণ: বাস্তবসম্মত ছবি তৈরি, ছবি উন্নত করা, এবং বস্তুর শনাক্তকরণ।
  • কোড জেনারেশন: কোড স্নিপেট বা স্ক্রিপ্ট লেখা।

নির্দিষ্ট কাজের জন্য বিভিন্ন ধরণের মডেল উন্নত করা হয়। যেমন, স্মল ল্যাঙ্গুয়েজ মডেলস (SLMs) এবং ল্যার্জ ল্যাঙ্গুয়েজ মডেলস (LLMs) উভয়ই টেক্সট তৈরি করতে পারে, তবে জটিল কাজের জন্য LLM সাধারণত ভাল পারফরম্যান্স দেয়। ছবির জন্য স্পেশালাইজড ভিশন বা মাল্টি-মোডাল মডেল ব্যবহার করা হয়।

Figure: Generative AI model types and use cases.

অবশ্যই, মডেলগুলোর প্রতিক্রিয়া সবসময় নিখুঁত হয় না। আপনি হয়ত শুনেছেন মডেল "হ্যালুসিনেশন" করে বা ভুল তথ্য বিশ্বাসযোগ্যভাবে তৈরি করে। তবে আপনি স্পষ্ট নির্দেশনা ও প্রসঙ্গ দিয়ে মডেলকে ভালো উত্তর দিতে সাহায্য করতে পারেন। এই কাজেই আসে প্রম্পট ইঞ্জিনিয়ারিং।

প্রম্পট ইঞ্জিনিয়ারিং রিভিউ

প্রম্পট ইঞ্জিনিয়ারিং হল এমন একটি চর্চা যেখানে কার্যকর ইনপুট ডিজাইন করে এআই মডেলকে কাঙ্ক্ষিত ফলাফল দিতে পরিচালিত করা হয়। এর মধ্যে হয়:

  • স্বচ্ছতা: স্পষ্ট ও অস্পষ্টতা মুক্ত নির্দেশনা।
  • প্রসঙ্গ: প্রয়োজনীয় পটভূমি তথ্য প্রদান।
  • সীমাবদ্ধতা: যেকোনো সীমাবদ্ধতা বা ফরম্যাট নির্দিষ্টকরণ।

প্রম্পট ইঞ্জিনিয়ারিংয়ের সেরা অভ্যাসের মধ্যে রয়েছে প্রম্পট ডিজাইন, পরিষ্কার নির্দেশনা, কাজের বিভাজন, ওয়ান-শট ও ফিউ-শট লার্নিং, এবং প্রম্পট টিউনিং। বিভিন্ন প্রম্পট পরীক্ষা করা গুরুত্বপূর্ণ আপনার নির্দিষ্ট ব্যবহারের জন্য যা সেরা কাজ করে তা খুঁজে পেতে।

অ্যাপ্লিকেশন ডেভেলপ করার সময় আপনি বিভিন্ন ধরনের প্রম্পটের সাথে কাজ করবেন:

  • সিস্টেম প্রম্পট: মডেলের আচরণের জন্য মূল নিয়ম ও প্রসঙ্গ নির্ধারণ করে
  • ইউজার প্রম্পট: আপনার অ্যাপ্লিকেশন ব্যবহারকারীদের ইনপুট ডেটা
  • অ্যাসিস্ট্যান্ট প্রম্পট: সিস্টেম ও ইউজার প্রম্পটের ভিত্তিতে মডেলের প্রতিক্রিয়া

আরো জানুন: GenAI for Beginners কোর্সের Prompt Engineering অধ্যায়ে প্রম্পট ইঞ্জিনিয়ারিং সম্পর্কে আরো জানুন

টোকেন, এমবেডিংস, এবং এজেন্ট

জেনারেটিভ এআই মডেলের সাথে কাজ করার সময় আপনি টোকেন, এমবেডিংস, এজেন্ট, এবং মডেল কন্টেক্সট প্রোটোকল (MCP) এর মতো শব্দ শুনবেন। এখানে এগুলোর বিস্তারিত বিবরণ:

  • টোকেন: একটি মডেলের মধ্যে লেখার ক্ষুদ্রতম ইউনিট। এগুলো হতে পারে শব্দ, অক্ষর, বা সাবওয়ার্ড। টোকেন লিখিত তথ্যকে এমন ফরম্যাটে উপস্থাপন করে যা মডেল বুঝতে পারে। যেমন, বাক্য "The quick brown fox jumped over the lazy dog" হতে পারে টোকেনভাবে ["The", " quick", " brown", " fox", " jumped", " over", " the", " lazy", " dog"] অথবা ["The", " qu", "ick", " br", "own", " fox", " jump", "ed", " over", " the", " la", "zy", " dog"] টোকেনাইজেশন কৌশলের ওপর নির্ভর করে।

Figure: Generative AI tokens example of breaking words into tokens

টোকেনাইজেশন হল লেখা ভাঙার প্রক্রিয়া এই ছোট ছোট ইউনিটে। এটি অত্যন্ত গুরুত্বপূর্ণ কারণ মডেলগুলো টোকেনের উপরে কাজ করে কাঁচা লেখার উপর নয়। একটি প্রম্পটের টোকেন সংখ্যা মডেলের উত্তর দৈর্ঘ্য ও মান প্রভাবিত করে, কারণ মডেলের প্রসঙ্গ উইন্ডোর জন্য টোকেন সীমা থাকে (যেমন GPT-4o’র মোট প্রসঙ্গের জন্য 128K টোকেন, ইনপুট ও আউটপুট উভয়ের মিলিত)।

জাভায়, আপনি OpenAI SDK এর মত লাইব্রেরি ব্যবহার করে অটোমেটিক টোকেনাইজেশন করতে পারবেন যখন AI মডেলের কাছে রিকোয়েস্ট পাঠাবেন।

  • এমবেডিংস: টোকেনগুলোর ভেক্টর রূপ যা সেমান্টিক অর্থ ধারণ করে। এগুলো সংখ্যাগত প্রতিনিধিত্ব (সাধারণত ফ্লোটিং-পয়েন্ট অ্যারের মত) যা মডেলকে শব্দের মধ্যে সম্পর্ক বোঝাতে এবং প্রসঙ্গগতভাবে প্রাসঙ্গিক উত্তর তৈরি করতে সহায়তা করে। সাদৃশ্য শব্দ একই ধরনের এমবেডিংস থাকে, যা মডেলকে সমার্থক শব্দ ও সেমান্টিক সম্পর্ক বুঝতে সক্ষম করে।

Figure: Embeddings

জাভায়, আপনি OpenAI SDK বা এমবেডিং সৃষ্টিতে সহায়ক অন্য লাইব্রেরি ব্যবহার করে এমবেডিংস তৈরি করতে পারবেন। এই এমবেডিংস গুরুত্বপূর্ণ যেমন সেমান্টিক সার্চের জন্য যেখানে আপনি সঠিক লেখা নয়, মানে অনুসারে সাদৃশ্য বিষয় খুঁজবেন।

  • ভেক্টর ডাটাবেস: এমবেডিং সংরক্ষণের জন্য বিশেষায়িত স্টোরেজ সিস্টেম যা দক্ষ সাদৃশ্য অনুসন্ধান সাপোর্ট করে। এগুলো রিট্রিভাল-অগমেন্টেড জেনারেশন (RAG) প্যাটার্নে গুরুত্বপূর্ণ যেখানে বড় ডেটাসেট থেকে অর্থানুসারে প্রাসঙ্গিক তথ্য খোঁজা হয়।

Figure: Vector database architecture showing how embeddings are stored and retrieved for similarity search.

** মনে রাখবেন**: এই কোর্সে আমরা ভেক্টর ডাটাবেস বিস্তারিত আলোচনা করব না, তবে উল্লেখ করছি কারণ এগুলো বাস্তবিক অ্যাপ্লিকেশনে বহুল ব্যবহৃত।

  • এজেন্ট ও MCP: এআই উপাদানগুলো যা স্বায়ত্তশাসিতভাবে মডেল, টুল এবং বাহ্যিক সিস্টেমের সাথে যোগাযোগ করে। মডেল কন্টেক্সট প্রোটোকল (MCP) হল একটি স্ট্যান্ডার্ড পদ্ধতি যাতে এজেন্ট নিরাপদে বাহ্যিক ডেটা উৎস এবং টুল ব্যবহার করতে পারে। আমাদের MCP for Beginners কোর্সে আরো জানতে পারেন।

জাভা এআই অ্যাপ্লিকেশনে, আপনি টোকেন ব্যবহার করবেন টেক্সট প্রক্রিয়াকরণে, এমবেডিংস semantic search এবং RAG এর জন্য, ভেক্টর ডাটাবেস ডেটা রিট্রিভালের জন্য, এবং MCP সহ এজেন্ট ব্যবহার করে বুদ্ধিমান টুল-ব্যবহারকারী সিস্টেম তৈরি করবেন।

Figure: how a prompt becomes a reply—tokens, vectors, optional RAG lookup, LLM thinking, and an MCP agent all in one quick flow..

এআই ডেভেলপমেন্ট টুলস এবং লাইব্রেরি সফর - জাভা

জাভা এআই ডেভেলপমেন্টের জন্য অসাধারণ টুলিং অফার করে। এই কোর্সে আমরা তিনটি প্রধান লাইব্রেরি অন্বেষণ করব - OpenAI Java SDK, Azure OpenAI SDK, এবং Spring AI।

নীচে একটি দ্রুত রেফারেন্স টেবিল যেখানে প্রতিটি অধ্যায়ের উদাহরণে কোন SDK ব্যবহার হয়েছে তা দেখানো হয়েছে:

অধ্যায়উদাহরণSDK
02-SetupDevEnvironmentbasic-chat-azureSpring AI Azure OpenAI
03-CoreGenerativeAITechniquesexamplesAzure OpenAI SDK
04-PracticalSamplespetstoryOpenAI Java SDK
04-PracticalSamplesfoundrylocalOpenAI Java SDK
04-PracticalSamplescalculatorSpring AI MCP SDK + LangChain4j

SDK ডকুমেন্টেশন লিঙ্ক:

OpenAI Java SDK

OpenAI SDK হল OpenAI API এর জন্য অফিসিয়াল জাভা লাইব্রেরি। এটি OpenAI এর মডেলগুলোর সাথে কাজ করার জন্য সরল ও সঙ্গতিপূর্ণ ইন্টারফেস দেয়, যা জাভা অ্যাপ্লিকেশনে এআই সক্ষমতা সংযোজন সহজ করে তোলে। অধ্যায় ৪ এর Pet Story অ্যাপ এবং Foundry Local উদাহরণ OpenAI SDK পদ্ধতি Azure AI Foundry এর সাথে দেখায়।

Spring AI

Spring AI হল একটি বিস্তৃত ফ্রেমওয়ার্ক যা Spring অ্যাপ্লিকেশনে AI ক্ষমতা নিয়ে আসে, বিভিন্ন AI প্রদানকারীর জন্য একটি সঙ্গতিপূর্ণ অ্যাবস্ট্রাকশন লেয়ার প্রদান করে। এটি Spring ইকোসিস্টেমের সঙ্গে নিখুঁত সংহতি সাধন করে যা এন্টারপ্রাইজ জাভা অ্যাপ্লিকেশনে AI ব্যবহার সহজ করে তোলে।

Spring AI এর শক্তি হলো Spring ইকোসিস্টেমের সাথে তার নির্বিঘ্ন সংযোগ, যা পরিচিত Spring প্যাটার্ন যেমন ডিপেন্ডেন্সি ইনজেকশন, কনফিগারেশন ম্যানেজমেন্ট, ও টেস্টিং ফ্রেমওয়ার্ক নিয়ে প্রোডাকশন-রেডি AI অ্যাপ্লিকেশন তৈরি সহজ করে। আপনি অধ্যায় ২ ও ৪ এ Spring AI ব্যবহার করবেন যা OpenAI এবং মডেল কন্টেক্সট প্রোটোকল (MCP) Spring AI লাইব্রেরি উভয় ব্যবহার করে অ্যাপ তৈরি করতে।

মডেল কন্টেক্সট প্রোটোকল (MCP)

মডেল কন্টেক্সট প্রোটোকল (MCP) একটি উদীয়মান স্ট্যান্ডার্ড যা এআই অ্যাপ্লিকেশনকে নিরাপদে বাহ্যিক ডেটা উৎস ও টুল সঙ্গে যোগাযোগের ব্যবস্থা করে। MCP একটি মানক পদ্ধতি প্রদান করে যা AI মডেলগুলোকে প্রসঙ্গগত তথ্য অ্যাক্সেস এবং আপনার অ্যাপ্লিকেশনে ক্রিয়া সম্পাদনের সুযোগ দেয়।

অধ্যায় ৪ এ আপনি একটি সহজ MCP ক্যালকুলেটর সার্ভিস তৈরি করবেন যা Spring AI এর মাধ্যমে মডেল কন্টেক্সট প্রোটোকল এর মূলনীতি প্রদর্শন করে, কিভাবে বেসিক টুল ইন্টিগ্রেশন ও সার্ভিস আর্কিটেকচার তৈরি করা যায় তা শিখবেন।

Azure OpenAI Java SDK

Azure OpenAI ক্লায়েন্ট লাইব্রেরি জাভার জন্য OpenAI এর REST API গুলোর অনুকরণ যা একটি আদর্শ ইন্টারফেস এবং Azure SDK ইকোসিস্টেমের সাথে সংহতি প্রদান করে। অধ্যায় ৩ এ আপনি Azure OpenAI SDK ব্যবহার করে অ্যাপ্লিকেশন তৈরি করবেন, যার মধ্যে রয়েছে চ্যাট অ্যাপ্লিকেশন, ফাংশন কলিং, এবং RAG (রিট্রিভাল-অগমেন্টেড জেনারেশন) প্যাটার্ন।

টিপ্পনি: Azure OpenAI SDK বৈশিষ্ট্যের ক্ষেত্রে OpenAI Java SDK থেকে পেছনে আছে তাই ভবিষ্যতের প্রকল্পের জন্য OpenAI Java SDK ব্যবহার বিবেচনা করুন।

সারাংশ

এটাই বেসিকগুলো! এখন আপনি বুঝতে পারছেন:

  • জেনারেটিভ এআই এর মূল ধারণা - এলএলএম, প্রম্পট ইঞ্জিনিয়ারিং থেকে টোকেন, এমবেডিং এবং ভেক্টর ডাটাবেস পর্যন্ত
  • জাভা এআই ডেভেলপমেন্টের জন্য আপনার টুলকিট অপশন: Azure OpenAI SDK, Spring AI, এবং OpenAI Java SDK
  • মডেল কন্টেক্সট প্রোটোকল কি এবং এটি এআই এজেন্টকে কিভাবে বাহ্যিক টুলের সাথে কাজ করতে সক্ষম করে

পরবর্তী ধাপ

অধ্যায় ২: ডেভেলপমেন্ট পরিবেশ সেটআপ করা

অস্বীকৃতি: এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।