LLM

Large Language Model — katta hajmdagi matnlar asosida o‘qitilgan, matn generatsiya qiluvchi model.

Asosiy darslar

AI agentning ichki tuzilishi: qanday qismlar qanday bog‘lanadi va birgalikda ishlaydi.

AI agent tushunchasi, uning asosiy komponentlari va oddiy misol orqali qanday ishlashini tushunamiz.

Chatbot va AI agent o‘rtasidagi asosiy farqlar: reaktiv javob va avtonom harakat.

DeepSeek Harness nima, u modeldan qanday farq qiladi va uning uch qatlami qanday qurilgan — shuni o‘rganamiz.

Harness model kabi muhim qismga aylanmoqda — dasturchilar, ochiq modellar, infratuzilma va sanoat uchun beshta asosiy xulosa.

DeepSeek Harness’ga model ulashning uchta yo‘li — DeepSeek, katalog provayderlari va o‘z endpointingiz.

Maqolaning hisobi (calculus) va beshta teoremasi — saqlash, aniq qaytarish, tartiblash, progress va konfluensiya — oddiy tilda.

Asosiy prompt texnikalaridan tashqari: chain-of-thought, few-shot, tuzilgan javob (JSON) va agentlar uchun system prompt dizayni.

LLM bilan aniq muloqot qilish san‘ati: system prompt, kontekst oynasi, few-shot va chain-of-thought.

RAG sifatini o'lchash: retrieval hit-rate, faithfulness va groundedness — amaliy eval skripti.

Kontekst bilan boyitilgan promptlarni yaratish, gallyutsinatsiyalarning oldini olish va oqimli javob.

Retrieval-Augmented Generation — modelga tashqi ma‘lumot bilan javob berish usuli.

LLM‘ning tashqi vositalarni chaqirish qobiliyati: qanday ishlaydi va nima uchun muhim.