LLM ਕੀ ਹੈ? ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਸਰਲ ਭਾਸ਼ਾ ਵਿੱਚ

LLM, ਯਾਨੀ ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ, ਇੱਕ ਕਿਸਮ ਦਾ AI ਹੈ ਜਿਸਨੂੰ ਬਹੁਤ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਟੈਕਸਟ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਜੋ ਉਹ ਭਾਸ਼ਾ ਸਮਝ ਅਤੇ ਬਣਾ ਸਕੇ। ਕੁਝ ਟੈਕਸਟ ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਇਹ ਇੱਕ-ਇੱਕ ਛੋਟੇ ਹਿੱਸੇ ਵਿੱਚ ਅੰਦਾਜ਼ਾ ਲਾਉਂਦਾ ਹੈ ਕਿ ਅੱਗੇ ਕੀ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਹ ਸਾਦੀ ਯੋਗਤਾ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ, ਲਿਖਣ, ਸਾਰ ਕਰਨ, ਅਨੁਵਾਦ ਕਰਨ ਅਤੇ ਕੋਡ ਲਿਖਣ ਲਈ ਕਾਫ਼ੀ ਨਿਕਲਦੀ ਹੈ। ChatGPT, Claude ਅਤੇ Gemini ਪਿੱਛੇ ਦੇ ਸਾਰੇ ਮਾਡਲ LLM ਹਨ।

AI ਨਾਲ ਬਣਾਉਂਦੇ ਸਮੇਂ ਇਹ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ

ਜੇ ਤੁਸੀਂ AI ਐਪ ਬਿਲਡਰ ਨਾਲ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਦੋ ਤਰ੍ਹਾਂ ਨਾਲ LLM ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹੋ। ਪਹਿਲਾਂ, ਇੱਕ LLM ਬਣਾਉਣ ਦਾ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ: ਉਹ ਤੁਹਾਡੀ ਬੇਨਤੀ ਪੜ੍ਹਦਾ ਹੈ, ਬਦਲਾਅ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਕੋਡ ਲਿਖਦਾ ਹੈ। ਦੂਜਾ, ਤੁਸੀਂ ਆਪਣੀ ਐਪ ਦੇ ਅੰਦਰ ਵੀ ਇੱਕ LLM ਚਾਹ ਸਕਦੇ ਹੋ — ਇੱਕ ਚੈਟਬੋਟ, ਇੱਕ ਸਾਰ ਬਟਨ, ਇੱਕ ਲਿਖਣ ਸਹਾਇਕ।

ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਮਝਣ ਨਾਲ ਦੋਵਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ। ਇਹ ਸਮਝਾਉਂਦਾ ਹੈ ਕਿ AI ਕਦੇ-ਕਦੇ ਧੁੰਦਲੀ ਬੇਨਤੀ ਕਿਉਂ ਗ਼ਲਤ ਸਮਝਦਾ ਹੈ, ਕਿਉਂ ਭਰੋਸੇ ਨਾਲ ਗ਼ਲਤ ਚੀਜ਼ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਕਿਉਂ ਲੰਮੀਆਂ ਗੱਲਬਾਤਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਦੇ ਵੇਰਵੇ ਭੁੱਲ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਕਿਉਂ ਐਪ ਵਿੱਚ AI ਫ਼ੀਚਰ ਜੋੜਨ 'ਤੇ ਹਰ ਵਰਤੋਂ ਦਾ ਖ਼ਰਚ ਲੱਗਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਗਣਿਤ ਦੀ ਲੋੜ ਨਹੀਂ — ਬੱਸ ਇੱਕ ਠੀਕ ਮਾਨਸਿਕ ਤਸਵੀਰ ਚਾਹੀਦੀ ਹੈ।

ਰੋਜ਼ਾਨਾ ਦੀ ਮਿਸਾਲ

ਕਲਪਨਾ ਕਰੋ ਕੋਈ ਵਿਅਕਤੀ ਜਿਸਨੇ ਇੱਕ ਅਕਹਿ ਵੱਡੀ ਲਾਇਬ੍ਰੇਰੀ ਪੜ੍ਹੀ ਹੈ — ਕਿਤਾਬਾਂ, ਵੈੱਬਸਾਈਟਾਂ, ਮੈਨੂਅਲ, ਕੋਡ, ਫ਼ੋਰਮ — ਅਤੇ ਉਹ ਕਿਸੇ ਵੀ ਲਿਖਤ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਅੱਗੇ ਵਧਾਉਣ ਵਿੱਚ ਬਹੁਤ ਮਾਹਰ ਹੋ ਗਿਆ ਹੈ ਕਿ ਉਹ ਫਿੱਟ ਬੈਠੇ। ਉਸਨੂੰ ਈਮੇਲ ਦੀ ਸ਼ੁਰੂਆਤ ਦਿਓ, ਉਹ ਤੁਹਾਡੇ ਲਹਿਜੇ ਵਿੱਚ ਪੂਰੀ ਕਰ ਦੇਵੇਗਾ। ਕੋਈ ਸਵਾਲ ਪੁੱਛੋ, ਉਹ ਉਸ ਕਿਸਮ ਦਾ ਜਵਾਬ ਲਿਖੇਗਾ ਜੋ ਅਜਿਹੇ ਸਵਾਲ ਤੋਂ ਆਮ ਤੌਰ 'ਤੇ ਆਉਂਦਾ ਹੈ।

ਪਰ ਉਸ ਕੋਲ ਜਾਂਚਣ ਲਈ ਕੋਈ ਨੋਟਸ ਨਹੀਂ, ਅਤੇ ਲਾਇਬ੍ਰੇਰੀ ਇੱਕ ਖ਼ਾਸ ਤਾਰੀਖ਼ ਨੂੰ ਬੰਦ ਹੋ ਗਈ ਸੀ। ਉਹ ਪੈਟਰਨ ਯਾਦ ਕਰ ਰਿਹਾ ਹੈ, ਤੱਥ ਲੱਭ ਨਹੀਂ ਰਿਹਾ। ਜ਼ਿਆਦਾਤਰ ਵੇਲੇ ਪੈਟਰਨ ਸਹੀ ਹੁੰਦੇ ਹਨ। ਕਦੇ-ਕਦੇ ਉਹ ਕਿਸੇ ਪਾੜੇ ਨੂੰ ਅਜਿਹੀ ਚੀਜ਼ ਨਾਲ ਭਰ ਦਿੰਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਸਹੀ ਲੱਗਦੀ ਹੈ, ਉਸੇ ਭਰੋਸੇ ਨਾਲ।

ਇਹੀ ਇੱਕ LLM ਹੈ: ਬਹੁਤ ਪੜ੍ਹਿਆ-ਲਿਖਿਆ, ਬਹੁਤ ਰਵਾਨ ਲਿਖਾਰੀ, ਜਿਸਦੀ ਯਾਦਾਸ਼ਤ ਅਪੂਰਣ ਹੈ ਅਤੇ ਜਿਸ ਕੋਲ ਕੋਈ ਬਣਿਆ-ਬਣਾਇਆ ਤੱਥ-ਜਾਂਚਕ ਨਹੀਂ।

LLM ਸਾਦੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

1. ਸਿਖਲਾਈ। ਮਾਡਲ ਨੂੰ ਬਹੁਤ ਸਾਰਾ ਟੈਕਸਟ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਹ ਆਪਣੇ ਅੰਦਰੂਨੀ ਅੰਕਾਂ (ਇਸਦੇ ਪੈਰਾਮੀਟਰ) ਨੂੰ ਬਦਲ ਕੇ ਅਗਲਾ ਟੈਕਸਟ ਅੰਦਾਜ਼ਾ ਲਾਉਣਾ ਸਿੱਖਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ LLM ਜਿਸ ਡਿਜ਼ਾਈਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਉਸਨੂੰ ਟ੍ਰਾਂਸਫ਼ਾਰਮਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਜੋ 2017 ਵਿੱਚ Google ਦੇ ਖੋਜਕਾਰਾਂ ਨੇ ਪੇਸ਼ ਕੀਤਾ ਸੀ।
2. ਟਿਊਨਿੰਗ। ਕੱਚੇ ਮਾਡਲ ਨੂੰ ਫਿਰ ਹਿਦਾਇਤਾਂ ਮੰਨਣ, ਗੱਲਬਾਤ ਨਿਭਾਉਣ ਅਤੇ ਨੁਕਸਾਨਦੇਹ ਆਉਟਪੁੱਟ ਤੋਂ ਬਚਣ ਲਈ ਸੁਧਾਰਿਆ ਜਾਂਦਾ ਹੈ, ਅਕਸਰ ਮਨੁੱਖੀ ਫ਼ੀਡਬੈਕ ਨਾਲ।
3. ਵਰਤੋਂ (ਇਨਫ਼ਰੈਂਸ)। ਜਦੋਂ ਤੁਸੀਂ ਪ੍ਰੋਂਪਟ ਭੇਜਦੇ ਹੋ, ਮਾਡਲ ਉਸਨੂੰ ਪੜ੍ਹਦਾ ਹੈ ਅਤੇ ਇੱਕ ਵਾਰ ਵਿੱਚ ਇੱਕ ਟੋਕਨ ਦੇ ਹਿਸਾਬ ਨਾਲ ਜਵਾਬ ਬਣਾਉਂਦਾ ਹੈ, ਹਰ ਵਾਰ ਪਹਿਲਾਂ ਵਾਲੀ ਸਾਰੀ ਸਮੱਗਰੀ ਦੇ ਆਧਾਰ 'ਤੇ ਅਗਲਾ ਸੰਭਾਵਿਤ ਟੋਕਨ ਚੁਣਦਾ ਹੋਇਆ।

ਇਸ ਵਿੱਚ ਤੱਥਾਂ ਦਾ ਕੋਈ ਡੇਟਾਬੇਸ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਇਹ ਤੁਹਾਡੀ ਗੱਲਬਾਤ ਤੋਂ ਲਗਾਤਾਰ ਸਿੱਖਦਾ ਵੀ ਨਹੀਂ। ਗੱਲਬਾਤ ਵਿੱਚ ਜੋ ਵੀ ਇਹ “ਜਾਣਦਾ” ਹੈ, ਉਹ ਜਾਂ ਤਾਂ ਸਿਖਲਾਈ ਤੋਂ ਹੈ ਜਾਂ ਉਸ ਵੇਲੇ ਸਾਹਮਣੇ ਪਈ ਸਮੱਗਰੀ ਤੋਂ — ਉਸਦੀ ਕੰਟੈਕਸਟ ਵਿੰਡੋ।

ਇੱਕ ਕੰਮ ਕੀਤੀ ਮਿਸਾਲ: ਸਪੋਰਟ ਜਵਾਬ

ਮੰਨ ਲਓ ਤੁਸੀਂ ਇੱਕ ਔਨਲਾਈਨ ਪੌਦਿਆਂ ਦੀ ਦੁਕਾਨ ਚਲਾਉਂਦੇ ਹੋ ਅਤੇ ਇਹ ਕਿਸੇ LLM ਵਿੱਚ ਪੇਸਟ ਕਰਦੇ ਹੋ:

ਇੱਕ ਗਾਹਕ ਲਿਖਦਾ ਹੈ: “ਮੇਰਾ ਆਰਡਰ #4412 ਟੁੱਟੇ ਗਮਲੇ ਨਾਲ ਪਹੁੰਚਿਆ। ਤੁਸੀਂ ਕੀ ਕਰ ਸਕਦੇ ਹੋ?” ਸਾਡੀ ਨੀਤੀ: ਜੇ ਗਾਹਕ ਫ਼ੋਟੋ ਭੇਜੇ ਤਾਂ 14 ਦਿਨਾਂ ਦੇ ਅੰਦਰ ਖ਼ਰਾਬ ਚੀਜ਼ ਮੁਫ਼ਤ ਬਦਲਦੇ ਹਾਂ। ਇੱਕ ਦੋਸਤਾਨਾ ਜਵਾਬ ਲਿਖੋ।

ਇਸ ਤਰ੍ਹਾਂ ਹੁੰਦਾ ਹੈ:

• ਟੈਕਸਟ ਟੋਕਨਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਸ਼ਾਇਦ ਸੌ ਦੇ ਕਰੀਬ।
• ਮਾਡਲ ਸਭ ਕੁਝ ਪੜ੍ਹਦਾ ਹੈ: ਗਾਹਕ ਦਾ ਸੁਨੇਹਾ, ਤੁਹਾਡੀ ਨੀਤੀ ਅਤੇ ਤੁਹਾਡੀ ਹਿਦਾਇਤ।
• ਇਹ ਜਵਾਬ ਟੋਕਨ ਦਰ ਟੋਕਨ ਬਣਾਉਂਦਾ ਹੈ: “ਹੈਲੋ! ਮੈਨੂੰ ਬਹੁਤ ਅਫ਼ਸੋਸ ਹੈ ਕਿ ਤੁਹਾਡਾ ਗਮਲਾ ਟੁੱਟਿਆ ਪਹੁੰਚਿਆ…” ਅਤੇ ਫ਼ੋਟੋ ਮੰਗਦਾ ਹੈ, ਮੁਫ਼ਤ ਬਦਲੀ ਦਾ ਜ਼ਿਕਰ ਕਰਦਾ ਹੈ।

ਹੁਣ ਉਹੀ ਬੇਨਤੀ ਨੀਤੀ ਤੋਂ ਬਿਨਾਂ ਅਜ਼ਮਾਓ। ਮਾਡਲ ਫਿਰ ਵੀ ਭਰੋਸੇ ਵਾਲਾ, ਦੋਸਤਾਨਾ ਜਵਾਬ ਲਿਖੇਗਾ — ਪਰ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਉਹ ਰਿਫ਼ੰਡ ਜਾਂ 30 ਦਿਨਾਂ ਦਾ ਵਾਅਦਾ ਕਰ ਦੇਵੇ, ਕਿਉਂਕਿ ਇਹ ਸਪੋਰਟ ਈਮੇਲਾਂ ਵਿੱਚ ਉਸਨੇ ਆਮ ਪੈਟਰਨ ਵੇਖੇ ਹਨ। ਇਹ ਇੱਕ ਹੈਲੂਸੀਨੇਸ਼ਨ ਹੈ, ਅਤੇ ਇਹ LLM ਬਾਰੇ ਸਭ ਤੋਂ ਵਿਹਾਰਕ ਸਬਕ ਦਿਖਾਉਂਦਾ ਹੈ: ਉਹ ਓਨੇ ਹੀ ਸਹੀ ਹੁੰਦੇ ਹਨ ਜਿੰਨੀ ਜਾਣਕਾਰੀ ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਦਿੰਦੇ ਹੋ। ਜਿਹਨਾਂ ਐਪਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਜਵਾਬ ਚਾਹੀਦੇ ਹਨ, ਉਹ ਹਰ ਵਾਰ ਮਾਡਲ ਨੂੰ ਸਹੀ ਸਰੋਤ ਸਮੱਗਰੀ ਦਿੰਦੀਆਂ ਹਨ — ਇੱਕ ਤਕਨੀਕ ਜਿਸਨੂੰ RAG ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਮੁੱਖ ਸ਼ਬਦਾਂ ਦੀ ਵਿਆਖਿਆ

ਆਮ ਗ਼ਲਤੀਆਂ ਅਤੇ ਗ਼ਲਤਫ਼ਹਿਮੀਆਂ

• "ਇਹ ਚੀਜ਼ਾਂ ਲੱਭਦਾ ਹੈ।" ਸਾਦਾ LLM ਅਜਿਹਾ ਨਹੀਂ ਕਰਦਾ। ਕੁਝ ਐਪਾਂ ਵੈੱਬ ਖੋਜ ਜਾਂ ਦਸਤਾਵੇਜ਼ ਰਿਟਰੀਵਲ ਜੋੜਦੀਆਂ ਹਨ, ਪਰ ਮਾਡਲ ਆਪ ਪੈਟਰਨਾਂ ਤੋਂ ਬਣਾ ਰਿਹਾ ਹੁੰਦਾ ਹੈ।
• "ਜੇ ਇਹ ਯਕੀਨ ਨਾਲ ਬੋਲਦਾ ਹੈ, ਤਾਂ ਸਹੀ ਹੈ।" ਭਰੋਸਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਨਹੀਂ। ਨਾਮ, ਅੰਕ, ਤਾਰੀਖ਼ਾਂ, ਕੀਮਤਾਂ ਅਤੇ ਕਾਨੂੰਨੀ ਜਾਂ ਮੈਡੀਕਲ ਗੱਲਾਂ ਜਾਂਚੋ।
• "ਇਹ ਮੇਰੀ ਕਹੀ ਹਰ ਗੱਲ ਯਾਦ ਰੱਖਦਾ ਹੈ।" ਸਿਰਫ਼ ਉਹੀ ਜੋ ਕੰਟੈਕਸਟ ਵਿੰਡੋ ਵਿੱਚ ਫਿੱਟ ਹੋਵੇ। ਬਹੁਤ ਲੰਮੀਆਂ ਗੱਲਬਾਤਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਵਾਲੇ ਵੇਰਵੇ ਡਿੱਗ ਸਕਦੇ ਹਨ ਜਾਂ ਘੱਟ ਧਿਆਨ ਪਾਉਂਦੇ ਹਨ। ਜੋ ਜ਼ਰੂਰੀ ਹੈ ਉਹ ਦੁਹਰਾਓ।
• "ਇਹ ਇਨਸਾਨ ਵਾਂਗ ਸੋਚਦਾ ਹੈ।" ਇਹ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਤਰਕ ਨਾਲ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਇਸਦੇ ਕੋਈ ਟੀਚੇ, ਵਿਸ਼ਵਾਸ ਜਾਂ ਨਤੀਜਿਆਂ ਦੀ ਸਮਝ ਨਹੀਂ। ਇਸਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਸਮੀਖਿਆ ਲਈ ਖਰੜਾ ਸਮਝੋ।
• "ਵੱਡਾ ਜਾਂ ਨਵਾਂ ਹਮੇਸ਼ਾ ਬਿਹਤਰ ਹੈ।" ਸਾਦੇ, ਵੱਡੀ ਮਾਤਰਾ ਵਾਲੇ ਕੰਮ ਲਈ ਛੋਟਾ, ਸਸਤਾ, ਤੇਜ਼ ਮਾਡਲ ਅਕਸਰ ਸਹੀ ਚੋਣ ਹੁੰਦਾ ਹੈ।
• ਨਿੱਜੀ ਡੇਟਾ ਬਿਨਾਂ ਜਾਂਚੇ ਭੇਜਣਾ। ਗਾਹਕ ਦਾ ਡੇਟਾ ਕਿਸੇ AI ਸੇਵਾ ਵਿੱਚ ਪੇਸਟ ਕਰਨ ਜਾਂ ਐਪ ਵਿੱਚ ਜੋੜਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਦਾਤਾ ਦੀਆਂ ਡੇਟਾ-ਵਰਤੋਂ ਅਤੇ ਰੱਖਣ ਦੀਆਂ ਸ਼ਰਤਾਂ ਜਾਂਚੋ।

ਆਪਣੇ AI ਬਿਲਡਰ ਤੋਂ ਕੀ ਮੰਗਣਾ ਹੈ

ਜਦੋਂ LLM ਤੁਹਾਡੀ ਐਪ ਬਣਾ ਰਿਹਾ ਹੋਵੇ:

• "ਕੁਝ ਵੀ ਬਦਲਣ ਤੋਂ ਪਹਿਲਾਂ ਦੱਸੋ ਕਿ ਤੁਸੀਂ ਕੀ ਸਮਝਿਆ ਅਤੇ ਕੀ ਕਰੋਗੇ।"
• "ਇਹ ਨੀਤੀ ਦਾ ਸਹੀ ਟੈਕਸਟ ਹੈ; ਵੇਰਵੇ ਬਣਾਉਣ ਦੀ ਥਾਂ ਇਸਨੂੰ ਸ਼ਬਦ-ਬ-ਸ਼ਬਦ ਵਰਤੋ।"
• "ਕੀਮਤਾਂ ਜਾਂ ਤਾਰੀਖ਼ਾਂ ਵਰਗੇ ਤੱਥਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਨਾ ਲਾਓ। ਪਲੇਸਹੋਲਡਰ ਛੱਡੋ ਅਤੇ ਉਹਨਾਂ ਦੀ ਸੂਚੀ ਮੈਨੂੰ ਦਿਓ।"

ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੀ ਐਪ ਦੇ ਅੰਦਰ LLM ਚਾਹੁੰਦੇ ਹੋ:

• "[ਸਾਰ] ਬਟਨ ਜੋੜੋ ਜੋ ਸਰਵਰ ਤੋਂ [ਪ੍ਰਦਾਤਾ] ਦਾ API ਕਾਲ ਕਰੇ। API ਕੀ ਨੂੰ ਸੀਕ੍ਰੇਟ ਵਿੱਚ ਰੱਖੋ, ਕਦੇ ਬਰਾਊਜ਼ਰ ਵਿੱਚ ਨਹੀਂ।"
• "ਸਾਡੀਆਂ ਨੀਤੀਆਂ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਪਾਓ ਤਾਂ ਜੋ ਜਵਾਬ ਉਹਨਾਂ 'ਤੇ ਟਿਕੇ ਰਹਿਣ, ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਹੋਣ 'ਤੇ “ਮੈਨੂੰ ਨਹੀਂ ਪਤਾ” ਕਹੋ।"
• "ਜਵਾਬਾਂ ਦੀ ਲੰਬਾਈ ਸੀਮਤ ਕਰੋ, ਅਤੇ ਇੱਕ ਯੂਜ਼ਰ ਰੋਜ਼ ਕਿੰਨੀਆਂ ਬੇਨਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ ਉਸਦੀ ਹੱਦ ਲਾਓ।"
• "ਹਰ ਬੇਨਤੀ ਦਾ ਖ਼ਰਚ ਲੌਗ ਕਰੋ ਤਾਂ ਜੋ ਮੈਂ ਵਰਤੋਂ ਵੇਖ ਸਕਾਂ।"

ਕਦਮ-ਦਰ-ਕਦਮ ਗਾਈਡ ਲਈ ਵੇਖੋ ਆਪਣੀ ਐਪ ਵਿੱਚ AI ਫ਼ੀਚਰ ਕਿਵੇਂ ਜੋੜਨੇ ਹਨ।

LLM ਅਤੇ Mythex

Mythex ਦਾ ਬਣਾਉਣ ਵਾਲਾ ਏਜੰਟ ਇੱਕ LLM 'ਤੇ ਚੱਲਦਾ ਹੈ। ਹਰ ਕਿਸੇ ਨੂੰ ਇੱਕੋ Standard ਏਜੰਟ ਮਿਲਦਾ ਹੈ — ਮਾਡਲ ਚੁਣਨ ਦਾ ਕੋਈ ਵਿਕਲਪ ਨਹੀਂ — ਅਤੇ ਬਣਾਉਣ ਲਈ Mythex ਕ੍ਰੈਡਿਟ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਤੁਹਾਡੀ ਬਣਾਈ ਐਪ ਦੇ ਅੰਦਰ AI ਫ਼ੀਚਰ ਵੱਖਰੇ ਹਨ: ਤੁਸੀਂ OpenAI ਜਾਂ Anthropic ਵਰਗੇ ਪ੍ਰਦਾਤਾ ਤੋਂ ਆਪਣੀ API ਕੀ ਲਿਆਉਂਦੇ ਹੋ, ਉਸਨੂੰ ਪ੍ਰੋਜੈਕਟ ਸੀਕ੍ਰੇਟ ਵਜੋਂ ਸੰਭਾਲਦੇ ਹੋ, ਅਤੇ ਉਸ ਵਰਤੋਂ ਦਾ ਬਿੱਲ ਪ੍ਰਦਾਤਾ ਸਿੱਧਾ ਤੁਹਾਨੂੰ ਭੇਜਦਾ ਹੈ। ਡੌਕਸ ਦੀ ਰੈਸਿਪੀ ਆਪਣੀ ਐਪ ਵਿੱਚ AI ਜੋੜੋ ਵਰਤਣ ਵਾਲਾ ਪ੍ਰੋਂਪਟ ਦਿਖਾਉਂਦੀ ਹੈ।

ਸਵਾਲ