ਜਨਰੇਟਿਵ ਏਆਈ ਦਾ ਪਰਿਚਯ - ਜਾਵਾ ਐਡਿਸ਼ਨ

July 2, 2026 · View on GitHub

ਤੁਸੀਂ ਕੀ ਸਿੱਖੋਗੇ

  • ਜਨਰੇਟਿਵ ਏਆਈ ਦੀਆਂ ਮੁੱਢਲੀ ਜਾਣਕਾਰੀਆਂ ਜਿਸ ਵਿੱਚ LLMs, ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ, ਟੋਕਨ, ਐੰਬੈੱਡਿੰਗਸ, ਅਤੇ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਸ਼ਾਮਲ ਹਨ
  • ਜਾਵਾ ਏਆਈ ਵਿਕਾਸ ਟੂਲਜ਼ ਨਾਲ ਤੁਲਨਾ ਜਿਸ ਵਿੱਚ Azure OpenAI SDK, Spring AI, ਅਤੇ OpenAI ਜਾਵਾ SDK ਸ਼ਾਮਲ ਹਨ
  • ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕਾਲ ਦਾ ਪਤਾ ਲਗਾਓ ਅਤੇ ਇਸ ਦਾ ਏਆਈ ਏਜੰਟ ਸੰਚਾਰ ਵਿੱਚ ਭੂਮਿਕਾ

ਸਮੱਗਰੀ ਦੀ ਸੂਚੀ

ਪਰਿਚਯ

ਜਨਰੇਟਿਵ ਏਆਈ ਫਾਰ ਬਿਗਿਨਰਜ਼ - ਜਾਵਾ ਐਡਿਸ਼ਨ ਦੇ ਪਹਿਲੇ ਚੈਪਟਰ ਵਿੱਚ ਤੁਹਾਡਾ ਸਵਾਗਤ ਹੈ! ਇਹ ਮੁੱਢਲੀ ਪਾਠ ਤੁਹਾਨੂੰ ਜਨਰੇਟਿਵ ਏਆਈ ਦੇ ਮੂਲ ਧਾਰਣਾਵਾਂ ਨਾਲ ਜਾਣੂ ਕਰਵਾਉਂਦੀ ਹੈ ਅਤੇ ਜਾਵਾ ਦੀ ਵਰਤੋਂ ਨਾਲ ਕੋਈ ਕੰਮ ਕਿਵੇਂ ਕਰਨਾ ਹੈ। ਤੁਸੀਂ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਆਵਸ਼ਯਕ ਨਿਰਮਾਣ ਬਲਾਕਾਂ, ਜਿਵੇਂ ਕਿ ਲਾਰਜ਼ ਲੈਂਗਵੇਜ ਮਾਡਲ (LLMs), ਟੋਕਨ, ਐੰਬੈੱਡਿੰਗਸ, ਅਤੇ ਏਆਈ ਏਜੰਟ ਬਾਰੇ ਜਾਣੋਗੇ। ਅਸੀਂ ਇਨ੍ਹਾਂ ਕੋਰਸ ਦੌਰਾਨ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਮੁੱਖ ਜਾਵਾ ਟੂਲਿੰਗ ਦਾ ਵੀ ਅਧਿਐਨ ਕਰਾਂਗੇ।

ਜਨਰੇਟਿਵ ਏਆਈ ਧਾਰਣਾਵਾਂ ਦਾ ਇੱਕ ਤੇਜ਼ ਤਾਜਾ ਜਾਇਜ਼ਾ

ਜਨਰੇਟਿਵ ਏਆਈ ਇੱਕ ਪ੍ਰਕਾਰ ਦੀ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ ਹੈ ਜੋ ਡੇਟਾ ਤੋਂ ਸਿੱਖੇ ਗਏ ਪੈਟਰਨ ਅਤੇ ਸੰਬੰਧਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਨਵਾਂ ਸਮੱਗਰੀ ਬਣਾਉਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਲਿਖਤ, ਚਿੱਤਰ ਜਾਂ ਕੋਡ। ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲ ਮਨੁੱਖੀ ਵਰਗੇ ਜਵਾਬ ਜਨਰੇਟ ਕਰ ਸਕਦੇ ਹਨ, ਸੰਦਰਭ ਨੂੰ ਸਮਝ ਸਕਦੇ ਹਨ, ਅਤੇ ਕਈ ਵਾਰੀ ਇੱਦਾਂ ਦੀ ਸਮੱਗਰੀ ਵੀ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਮਨੁੱਖੀ ਲੱਗਦੀ ਹੈ।

ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੀਆਂ ਜਾਵਾ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਜ਼ ਵਿਕਸਤ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਮੱਗਰੀ ਬਣਾਵੋਗੇ। ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲਾਂ ਦੀਆਂ ਕੁਝ ਯੋਗਤਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

  • ਲਿਖਤ ਪੈਦਾ ਕਰਨਾ: ਚੈਟਬੋਟ, ਸਮੱਗਰੀ ਅਤੇ ਲਿਖਤ ਪੂਰਤੀ ਲਈ ਮਨੁੱਖੀ ਵਰਗੇ ਲਿਖਤ ਤਿਆਰ ਕਰਨਾ।
  • ਚਿੱਤਰ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ: ਹਕੀਕਤੀ ਚਿੱਤਰ ਬਣਾਉਣਾ, ਫੋਟੋਆਂ ਨੂੰ ਸੁਧਾਰਨਾ, ਅਤੇ ਵਸਤੂਆਂ ਦੀ ਪਹਿਚਾਣ ਕਰਨਾ।
  • ਕੋਡ ਪੈਦਾ ਕਰਨਾ: ਕੋਡ ਸਨਿਪੇਟ ਜਾਂ ਸਕ੍ਰਿਪਟ ਲਿਖਣਾ।

ਕੰਮਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਤਰੀਕੇ ਵਾਲੇ ਮਾਡਲ ਮੌਜੂਦ ਹਨ। ਉਦਾਹਰਨ ਵਜੋਂ, ਦੋਹਾਂ ਛੋਟੇ ਭਾਸ਼ਾ ਮਾਡਲ (SLMs) ਅਤੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLMs) ਲਿਖਤ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦੇ ਹਨ, ਜਿੱਥੇ LLMs ਆਮ ਤੌਰ 'ਤੇ ਜਟਿਲ ਕੰਮਾਂ ਲਈ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਦਿੰਦੇ ਹਨ। ਚਿੱਤਰ ਸੰਬੰਧੀ ਕੰਮਾਂ ਲਈ, ਤੁਸੀਂ ਵਿਸ਼ੇਸ਼ ਦ੍ਰਿਸ਼ਟੀ ਮਾਡਲ ਜਾਂ ਬਹੁ-ਮੋਡਲ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰੋਗੇ।

Figure: Generative AI model types and use cases.

ਬਿਹਤਰ ਜਵਾਬ ਨਾ ਮਿਲਣ ਤੇ ਮਾਡਲਾਂ ਦੇ "ਹੈਲੂਸੀਨੇਟ" ਕਰਨ ਜਾਂ ਗਲਤ ਜਾਣਕਾਰੀ ਸਖਤ ਅੰਦਾਜ਼ 'ਚ ਜਨਰੇਟ ਕਰਨ ਬਾਰੇ ਤੁਸੀਂ ਸਬ ਸੁਣਿਆ ਹੋਵੇਗਾ। ਪਰ ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਵਧੀਆ ਜਵਾਬ ਦੇਣ ਲਈ ਸਾਫ ਹਦਾਇਤਾਂ ਅਤੇ ਸੰਦਰਭ ਮੁਹੱਈਆ ਕਰਵਾਕੇ ਮਾਡਲ ਨੂੰ ਰਾਹ ਦਿਖਾ ਸਕਦੇ ਹੋ। ਇਹੀ ਜਗ੍ਹਾ ਹੁੰਦੀ ਹੈ ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ।

ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਦਾ ਸਮੀਖਿਆ

ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਉਹ ਅਭਿਆਸ ਹੈ ਜਿਸ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ালী ਇਨਪੁਟ ਤਿਆਰ ਕਰਕੇ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਮਨਚਾਹੇ ਨਤੀਜੇ ਵੱਲ ਰਾਹ ਦਿਖਾਈ ਜਾਂਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

  • ਸਪੱਸ਼ਟਤਾ: ਹਦਾਇਤਾਂ ਨੂੰ ਸਾਫ ਅਤੇ ਸਪੱਸ਼ਟ ਬਣਾਉਣਾ।
  • ਸੰਦਰਭ: ਜ਼ਰੂਰੀ ਪਿਛੋਕੜ ਦੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ।
  • ਸੀਮਾਵਾਂ: ਕਿਸੇ ਵੀ ਹੱਦਬੰਦੀ ਜਾਂ ਫਾਰਮੈਟ ਦਾ ਨਿਰਧਾਰਨ ਕਰਨਾ।

ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਲਈ ਕੁਝ ਵਧੀਆ ਅਭਿਆਸ ਸ਼ਾਮਲ ਹਨ: ਪ੍ਰੋਂਪਟ ਡਿਜ਼ਾਈਨ, ਸਪੱਸ਼ਟ ਹਦਾਇਤਾਂ, ਕੰਮ ਵਿਭਾਜਨ, ਇੱਕ-ਸ਼ਾਟ ਅਤੇ ਕੁਝ-ਸ਼ਾਟ ਲਰਨਿੰਗ, ਅਤੇ ਪ੍ਰੋਂਪਟ ਟਿਊਨਿੰਗ। ਵੱਖ-ਵੱਖ ਪ੍ਰੋਂਪਟ ਟੈਸਟ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ ਤਾਂ ਜੋ ਤੁਹਾਡੇ ਵਿਸ਼ੇਸ਼ ਮਾਮਲੇ ਲਈ ਸਭ ਤੋਂ ਬਿਹਤਰ ਹੱਲ ਮਿਲੇ।

ਐਪਲੀਕੇਸ਼ਨ ਵਿਕਸਤ ਕਰਦੇ ਸਮੇਂ, ਤੁਸੀਂ ਵੱਖਰੇ ਪ੍ਰੋਂਪਟ ਕਿਸਮਾਂ ਨਾਲ ਕੰਮ ਕਰੋਗੇ:

  • ਸਿਸਟਮ ਪ੍ਰੋਂਪਟ: ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਲਈ ਮੁੱਖ ਨਿਯਮ ਅਤੇ ਸੰਦਰਭ ਸੈੱਟ ਕਰਨਾ
  • ਯੂਜ਼ਰ ਪ੍ਰੋਂਪਟ: ਤੁਹਾਡੇ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਵੱਲੋਂ ਆਉਣ ਵਾਲਾ ਇਨਪੁਟ ਡੇਟਾ
  • ਅਸਿਸਟੈਂਟ ਪ੍ਰੋਂਪਟ: ਸਿਸਟਮ ਅਤੇ ਯੂਜ਼ਰ ਪ੍ਰੋਂਪਟ ਉੱਤੇ ਆਧਾਰਿਤ ਮਾਡਲ ਦੇ ਜਵਾਬ

ਹੋਰ ਜਾਣੋ: Prompt Engineering chapter of GenAI for Beginners course ਵਿੱਚ ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਓ

ਟੋਕਨ, ਐੰਬੈਡਿੰਗਸ, ਅਤੇ ਏਜੰਟ

ਜਦੋਂ ਤੁਸੀਂ ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਟੋਕਨ, ਐੰਬੈਡਿੰਗਸ, ਏਜੰਟ, ਅਤੇ Model Context Protocol (MCP) ਵਰਗੇ ਸ਼ਬਦਾਂ ਨਾਲ ਵਾਕਿਫ ਹੋਵੋਗੇ। ਇੱਥੇ ਇਹ ਧਾਰਣਾਵਾਂ ਦਾ ਵਿਸਥਾਰ ਹੈ:

  • ਟੋਕਨ: ਟੋਕਨ ਮਾਡਲ ਵਿੱਚ ਸਭ ਤੋਂ ਛੋਟੀ ਲਿਖਤੀ ਇਕਾਈ ਹੈ। ਇਹ ਸ਼ਬਦ, ਅੱਖਰ, ਜਾਂ ਸਬਵਰਡ ਹੋ ਸਕਦੇ ਹਨ। ਟੋਕਨ ਲਿਖਤ ਡੇਟਾ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਪੇਸ਼ ਕਰਦੇ ਹਨ ਜੋ ਮਾਡਲ ਸਮਝ ਸਕੇ। ਉਦਾਹਰਨ ਵਜੋਂ, ਵਾਕ "The quick brown fox jumped over the lazy dog" ਨੂੰ ਟੋਕਨਾਈਜ਼ ਕਰਕੇ ["The", " quick", " brown", " fox", " jumped", " over", " the", " lazy", " dog"] ਜਾਂ ["The", " qu", "ick", " br", "own", " fox", " jump", "ed", " over", " the", " la", "zy", " dog"] ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਇਹ ਟੋਕਨਾਈਜ਼ੇਸ਼ਨ ਰਣਨੀਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

Figure: Generative AI tokens example of breaking words into tokens

ਟੋਕਨਾਈਜ਼ੇਸ਼ਨ ਲਿਖਤ ਨੂੰ ਇਨ੍ਹਾਂ ਛੋਟੀਆਂ ਇਕਾਈਆਂ ਵਿੱਚ ਵੰਡਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਇਹ ਜਰੂਰੀ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਰੌ ਟੈਕਸਟ ਦੀ ਬਜਾਏ ਟੋਕਨਾਂ 'ਤੇ ਕਾਰਵਾਈ ਕਰਦੇ ਹਨ। ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਟੋਕਨਾਂ ਦੀ ਗਿਣਤੀ ਮਾਡਲ ਦੇ ਜਵਾਬ ਦੀ ਲੰਬਾਈ ਅਤੇ ਗੁਣਵੱਤਾ ‘ਤੇ ਅਸਰ ਕਰਦੀ ਹੈ, ਕਿਉਂਕਿ ਮਾਡਲਾਂ ਦੇ ਕੋਨਟੈਕਸਟ ਵਿੰਡੋ ਲਈ ਟੋਕਨ ਸੀਮਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ (ਜਿਵੇਂ GPT-4o ਦਾ ਕੁੱਲ 128K ਟੋਕਨ, ਜੋ ਇਨਪੁਟ ਅਤੇ ਆਉਟਪੁਟ ਦੋਹਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ)।

ਜਾਵਾ ਵਿੱਚ, ਤੁਸੀਂ OpenAI SDK ਵਰਗੀ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੋਕਨਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਆਪਣੇ ਆਪ ਕਰ ਸਕਦੇ ਹੋ ਜਦੋਂ ਤੁਸੀਂ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਬੇਨਤੀਆਂ ਭੇਜਦੇ ਹੋ।

  • ਐੰਬੈਡਿੰਗਸ: ਐੰਬੈਡਿੰਗ ਟੋਕਨਾਂ ਦੇ ਵੇਕਟਰ ਪ੍ਰਤੀਨਿਧਿਤਵ ਹਨ ਜੋ ਅਰਥਪੂਰਨ ਮਤਲਬ ਨੂੰ ਕੈਪਚਰ ਕਰਦੇ ਹਨ। ਇਹ ਗਿਣਤੀਆਂ (ਆਮ ਤੌਰ ਤੇ ਫਲੋਟਿੰਗ-ਪੌਇੰਟ ਨੰਬਰਾਂ ਦੀਆਂ ਐਰੇ) ਦੀ ਰੂਪ ਵਿੱਚ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਮਾਡਲ ਨੂੰ ਸ਼ਬਦਾਂ ਦੇ ਸੰਬੰਧ ਅਤੇ ਸੰਦਰਭ ਅਨੁਸਾਰ ਜਵਾਬ ਬਣਾਉਣ ਸਮਝਣ ਯੋਗ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਇਸਤੋਂ ਮਿਲਦੇ ਜੁਲਦੇ ਸ਼ਬਦਾਂ ਦੀਆਂ ਐੰਬੈਡਿੰਗਸ ਵੀ ਮਿਲਦੀਆਂ ਜੁਲਦੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਮਾਡਲ ਸਿਨੋਨਿਮ ਅਤੇ ਅਰਥਗਤ ਸੰਬੰਧਾਂ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ।

Figure: Embeddings

ਜਾਵਾ ਵਿੱਚ, ਤੁਸੀਂ OpenAI SDK ਜਾਂ ਹੋਰ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐੰਬੈਡਿੰਗਸ ਜਨਰੇਟ ਕਰ ਸਕਦੇ ਹੋ ਜੋ ਐੰਬੈਡਿੰਗ ਜਨਰੇਸ਼ਨ ਲਈ ਸਹਾਇਕ ਹਨ। ਇਹ ਐੰਬੈਡਿੰਗਸ ਜਿਵੇਂ ਕਿ ਅਰਥਗਤ ਖੋਜ ਲਈ ਜ਼ਰੂਰੀ ਹਨ, ਜਿੱਥੇ ਤੁਸੀਂ ਨਕਲ ਟੈਕਸਟ ਦੇ ਬਜਾਏ ਮਤਲਬ ਅਧਾਰਿਤ ਸਮਾਨ ਸਮੱਗਰੀ ਲੱਭਣੀ ਹੈ।

  • ਵੈਕਟਰ ਡੇਟਾਬੇਸ: ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਐੰਬੈਡਿੰਗ ਲਈ ਸੰਰਚਿਤ ਸਟੋਰੇਜ ਸਿਸਟਮ ਹਨ ਜੋ ਸਮਾਨਤਾ ਖੋਜ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਉਂਦੇ ਹਨ। ਇਹ Retrieval-Augmented Generation (RAG) ਪੈਟਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਵੱਡੇ ਡੇਟਾਸੈੱਟਜ਼ ਵਿੱਚੋਂ ਅਰਥਗਤ ਸਮਾਨਤਾ ਦੇ ਅਧਾਰ 'ਤੇ ਜਾਣਕਾਰੀ ਲੱਭਣੀ ਹੁੰਦੀ ਹੈ ਨਾ ਕਿ ਸਹੀ ਸਟ੍ਰਿੰਗ ਮਿਲਾਪ ਦੇ ਅਧਾਰ 'ਤੇ।

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

ਨੋਟ: ਇਸ ਕੋਰਸ ਵਿੱਚ ਅਸੀਂ ਵੈਕਟਰ ਡੇਟਾਬੇਸਾਂ ਨੂੰ ਕਵਰ ਨਹੀਂ ਕਰਾਂਗੇ ਪਰ ਇਹ ਜ਼ਰੂਰ ਦੱਸਦੇ ਹਾਂ ਕਿਉਂਕਿ ਇਹ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।

  • ਏਜੰਟ ਅਤੇ MCP: ਏਆਈ ਭਾਗ ਜੋ ਖੁਦਮੁਖਤਿਆਰ ਤਰੀਕੇ ਨਾਲ ਮਾਡਲਾਂ, ਟੂਲਜ਼ ਅਤੇ ਬਾਹਰੀ ਸਿਸਟਮਾਂ ਨਾਲ ਇੰਟਰਐਕਟ ਕਰਦੇ ਹਨ। Model Context Protocol (MCP) ਏਜੰਟਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਬਾਹਰੀ ਡਾਟਾ ਸੋਰਸ ਅਤੇ ਟੂਲਜ਼ ਤੱਕ ਪਹੁੰਚ ਦੇਣ ਦਾ ਇੱਕ ਮਿਆਰੀ ਵੀਧਾਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਾਡੇ MCP for Beginners ਕੋਰਸ ਵਿੱਚ ਹੋਰ ਜਾਣੂ ਕਰੋ।

ਜਾਵਾ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ, ਤੁਸੀਂ ਲਿਖਤ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਟੋਕਨ, ਅਰਥਗਤ ਖੋਜ ਅਤੇ RAG ਲਈ ਐੰਬੈਡਿੰਗਸ, ਡੇਟਾ ਪ੍ਰਾਪਤੀ ਲਈ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਅਤੇ ਬੁੱਧੀਮਾਨ, ਟੂਲ ਵਰਤੋਂ ਵਾਲੇ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ MCP ਨਾਲ ਏਜੰਟ ਵਰਤੋਂਗੇ।

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

ਜਾਵਾ ਲਈ ਏਆਈ ਵਿਕਾਸ ਟੂਲਸ ਅਤੇ ਲਾਇਬਰੇਰੀਜ਼

ਜਾਵਾ ਏਆਈ ਵਿਕਾਸ ਲਈ ਬਹੁਤ ਚੰਗੇ ਟੂਲ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਕੋਰਸ ਦੌਰਾਨ ਤਿੰਨਾਂ ਮੁੱਖ ਲਾਇਬਰੇਰੀਜ਼ ਦਾ ਅਧਿਐਨ ਕਰਾਂਗੇ - OpenAI ਜਾਵਾ SDK, Azure OpenAI SDK, ਅਤੇ Spring AI।

ਹੇਠਾਂ ਇੱਕ ਸਨੱਪਟ ਟੇਬਲ ਦਿੱਤਾ ਗਿਆ ਹੈ ਜੋ ਹਰ ਚੈਪਟਰ ਦੇ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਵਰਤੇ ਗਏ SDK ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ:

ਚੈਪਟਰਉਦਾਹਰਨSDK
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 ਡੌਕੂਮੈਂਟੇਸ਼ਨ ਲਿੰਕ:

OpenAI ਜਾਵਾ SDK

OpenAI SDK OpenAI API ਲਈ ਅਧਿਕਾਰਿਕ ਜਾਵਾ ਲਾਇਬਰੇਰੀ ਹੈ। ਇਹ OpenAI ਦੇ ਮਾਡਲਾਂ ਨਾਲ ਸੰਚਾਰ ਲਈ ਸਧਾਰਣ ਅਤੇ ਇੱਕਸਾਰ ਇੰਟਰਫੇਸ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਜਾਵਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਆਈ ਸਮਰੱਥਾਵਾਂ ਜੋੜਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ। ਚੈਪਟਰ 4 ਦਾ ਪੈਟ ਸਟੋਰੀ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ Foundry Local ਉਦਾਹਰਨ OpenAI SDK ਦੀ ਯੂਜ਼ਿਕੇਸ ਨੂੰ Azure AI Foundry ਨਾਲ ਦਰਸਾਉਂਦੇ ਹਨ।

Spring AI

Spring AI ਇੱਕ ਪੂਰਾ ਫਰੇਮਵਰਕ ਹੈ ਜੋ Spring ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਆਈ ਸਮਰੱਥਾਵਾਂ ਲਿਆਉਂਦਾ ਹੈ, ਹਰੇਕ ਵੱਖਰੇ ਏਆਈ ਸਪਲਾਇਰਾਂ ਲਈ ਇੱਕਸਾਰ ਅਬਸਟਰੈਕਸ਼ਨ ਲੇਅਰ ਮੁਹੱਈਆ ਕਰਦਾ। ਇਹ Spring ਪਰਿਵਾਰ ਨਾਲ ਸੁਚੱਜੇ ਤਰੀਕੇ ਨਾਲ ਜੁੜਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਜਾਵਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਜੋ ਏਆਈ ਸਮਰੱਥਾ ਚਾਹੀਦੀ ਹੈ ਉਹ ਬੜੀ ਆਸਾਨੀ ਨਾਲ ਬਣਾਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ।

Spring AI ਦੀ ਖੂਬੀ ਇਸਦੀ Spring ਇਕੋਸਿਸਟਮ ਨਾਲ ਬੇਹਤਰੀਨ ਇੰਟਿਗ੍ਰੇਸ਼ਨ ਹੈ, ਜਿਸ ਨਾਲ dependency injection, configuration management, ਅਤੇ testing frameworks ਵਰਗੇ ਪਰਿਚਿਤ Spring ਪੈਟਰਨਾਂ ਨਾਲ ਪ੍ਰੋਡਕਸ਼ਨ-ਰੇਡੀ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣਾ ਸੁਗਮ ਹੋ ਜਾਂਦਾ ਹੈ। ਤੁਸੀਂ Spring AI ਨੂੰ ਚੈਪਟਰ 2 ਅਤੇ 4 ਵਿੱਚ ਵਰਤੋਂਗੇ ਤਾਂ ਜੋ OpenAI ਅਤੇ Model Context Protocol (MCP) Spring AI ਲਾਇਬਰੇਰੀਆਂ ਦੋਹਾਂ ਨੂੰ ਏਕੱਠੇ ਲੈ ਕੇ ਐਪਲੀਕੇਸ਼ਨਜ਼ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾ ਸਕਣ।

ਮਾਡਲ ਕੰਟੈਕਸਟ ਪ੍ਰੋਟੋਕਾਲ (MCP)

Model Context Protocol (MCP) ਇੱਕ ਨਵਾਂ ਮਿਆਰੀ ਡਾਂਚਾ ਹੈ ਜੋ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਾਹਰੀ ਡਾਟਾ ਸਰੋਤਾਂ ਅਤੇ ਟੂਲਜ਼ ਨਾਲ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਇੰਟਰਐਕਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। MCP ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਸੰਦਰਭ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਤੁਹਾਡੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕਾਰਵਾਈਆਂ ਕਰਨ ਲਈ ਇੱਕ ਮਿਆਰੀ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਚੈਪਟਰ 4 ਵਿੱਚ, ਤੁਸੀਂ ਇਕ ਸਧਾਰਨ MCP ਕੈਲਕੂਲੇਟਰ ਸੇਵਾ ਬਣਾਵੋਗੇ ਜੋ Model Context Protocol ਦੇ ਮੁੱਢਲੇ ਧਾਰਣਾਵਾਂ ਨੂੰ Spring AI ਨਾਲ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ ਮੁੱਢਲੀ ਟੂਲ ਇੰਟਿਗ੍ਰੇਸ਼ਨ ਅਤੇ ਸੇਵਾ ਸੰਰਚਨਾ ਬਣਾਉਣਾ ਸਿਖਾਉਂਦਾ ਹੈ।

Azure OpenAI ਜਾਵਾ SDK

Azure OpenAI ਜਾਵਾ ਲਈ ਕਲਾਇੰਟ ਲਾਇਬਰੇਰੀ OpenAI ਦੇ REST API ਦੀ ਇਕ ਅਨੁਕੂਲਤ ਹੈ ਜੋ ਆਇਡੀਓਮੈਟਿਕ ਇੰਟਰਫੇਸ ਮੁਹੱਈਆ ਕਰਦੀ ਹੈ ਅਤੇ Azure SDK ਇਕੋਸਿਸਟਮ ਨਾਲ ਆਪਸੀ ਇਕਾਈ ਕਰਦੀ ਹੈ। ਚੈਪਟਰ 3 ਵਿੱਚ, ਤੁਸੀਂ Azure OpenAI SDK ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਐਪ ਬਣਾਉਗੇ, ਜਿਸ ਵਿੱਚ ਚੈਟ ਐਪਲੀਕੇਸ਼ਨ, ਫੰਕਸ਼ਨ ਕਾਲਿੰਗ, ਅਤੇ RAG (Retrieval-Augmented Generation) ਪੈਟਰਨ ਸ਼ਾਮਲ ਹਨ।

ਨੋਟ: ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ Azure OpenAI SDK OpenAI ਜਾਵਾ SDK ਤੋਂ ਪਿੱਛੇ ਹੈ, ਇਸ ਲਈ ਭਵਿੱਖ ਦੇ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ OpenAI ਜਾਵਾ SDK ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਸੋਚੋ।

ਸਾਰ

ਮੁੱਢਲੇ ਅਧਾਰ ਮੁਕੰਮਲ! ਹੁਣ ਤੁਹਾਨੂੰ ਸਮਝ ਆ ਗਿਆ ਹੈ:

  • ਜਨਰੇਟਿਵ ਏਆਈ ਦੇ ਮੁੱਖ ਧਾਰਣਾ - LLMs ਅਤੇ ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਤੋਂ ਲੈ ਕੇ ਟੋਕਨ, ਐੰਬੈਡਿੰਗਸ ਅਤੇ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਤੱਕ
  • ਜਾਵਾ ਏਆਈ ਵਿਕਾਸ ਲਈ ਤੁਹਾਡੇ ਕੋਲ ਕਿਹੜੀਆਂ ਟੂਲਸ ਉਪਲਬਧ ਹਨ: Azure OpenAI SDK, Spring AI, ਅਤੇ OpenAI ਜਾਵਾ SDK
  • ਕੀ ਹੈ Model Context Protocol ਅਤੇ ਇਹ ਕਿਵੇਂ ਏਆਈ ਏਜੰਟਾਂ ਨੂੰ ਬਾਹਰੀ ਟੂਲਜ਼ ਨਾਲ ਕੰਮ ਕਰਨ ਯੋਗ ਬਨਾਉਂਦਾ ਹੈ

ਅਗਲੇ ਕਦਮ

ਚੈਪਟਰ 2: ਵਿਕਾਸ ਵਾਤਾਵਰਣ ਸੈਟਅਪ ਕਰਨਾ

ਅਸਵੀਕਾਰੋਪਣ: ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾਵਾਂ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮੱਤਿਆਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।