# Chapter 06 : ប្រព័ន្ធភ្នាក់ងារសំណង់តូច SLM: ពិភាក្សាទូលំទូលាយ

ទេសភាពនៃបញ្ញាសិប្បនិម្មិតកំពុងជួបការបម្លែងមូលដ្ឋានមួយព្រោះយើងផ្លាស់ពីបាតស្បែកធម្មតាទៅភ្នាក់ងារបញ្ញាសិប្បនិម្មិតខ្ពស់ ដែលគាំទ្រដោយសំណង់ភាសាតូច (SLMs)។ មេរៀនទូលំទូលាយនេះស្វែងយល់អំពីបីបាតុកម្មសំខាន់នៃប្រព័ន្ធភ្នាក់ងារសំណង់តូចសម័យទំនើប៖ គំនិតមូលដ្ឋាន និងយុទ្ធសាស្ត្រដាក់បញ្ចូល ប្រើប្រាស់មុខងារ function calling និងការរួមបញ្ចូល Model Context Protocol (MCP) ដ៏ប្លែកៗ។

## [ផ្នែកទី 1: ភ្នាក់ងារបញ្ញាសិប្បនិម្មិត និងមូលដ្ឋានសំណង់ភាសាតូច](./01.IntroduceAgent.md)

ផ្នែកដំបូងបង្កើតការយល់ដឹងមូលដ្ឋានអំពីភ្នាក់ងារបញ្ញាសិប្បនិម្មិត និងសំណង់ភាសាតូច ដាក់ឆ្នាំ ២០២៥ ជាឆ្នាំភ្នាក់ងារបញ្ញាសិប្បនិម្មិត បន្ទាប់ពីសម័យ chatbot ក្នុងឆ្នាំ ២០២៣ និងការកើនឡើងសម័យ copilot ក្នុងឆ្នាំ ២០២៤។ ផ្នែកនេះណែនាំប្រព័ន្ធ **អេហ្សិនស៊ី AI** ដែលគិត គូសប្លង់ ប្រើឧបករណ៍ និងអនុវត្តភារកិច្ចដោយការចូលរួមមនុស្សតិចតួចបំផុត។

### គំនិតសំខាន់ៗដែលរៀបរាប់៖
- **ស៊ុមចាត់ថ្នាក់ភ្នាក់ងារ**៖ ពីភ្នាក់ងារបត់បែនធម្មតាទៅភ្នាក់ងារសិក្សា ប្រើសំណុំចំណាត់ថ្នាក់ទូលំទូលាយសម្រាប់ស្ថានភាពមានផ្នែកគណនាតំណាងខុសគ្នា។
- **មូលដ្ឋាន SLM**៖ បង្ហាញសំណង់ភាសាតូចជាម៉ូដែលមានប៉ារ៉ាម៉ែត្រតិចជាង ១០ ពាន់លានដែលអាចធ្វើប៉ារ៉ាម៉ែត្រចម្រូងចម្រាស់បានលើឧបករណ៍ប្រើប្រាស់ប្រចាំថ្ងៃ។
- **យុទ្ធសាស្ត្រកែលម្អកម្រិតខ្ពស់**៖ គ្របដណ្តប់ការដាក់បញ្ចូលទ្រង់ទ្រាយ GGUF, បច្ចេកទេសបរិមាណគុណ (Q4_K_M, Q5_K_S, Q8_0) និងស៊ុមកម្រិតលើកមក Llama.cpp និង Apple MLX។
- **កំណត់តុល្យ SLM ជាមួយ LLM**៖ បង្ហាញពីការកាត់បន្ថយគិតថ្លៃ ១០-៣០ ដងជាមួយ SLM នៅពេលដែលរក្សាបានប្រសិទ្ធភាពចំពោះ ៧០-៨០% នៃភារកិច្ចសម្រាប់ភ្នាក់ងារ។

ផ្នែកនេះបញ្ចប់ដោយការយល់ដឹងយុទ្ធសាស្ត្រដាក់បញ្ចូលនៅថ្ងៃនេះដែលប្រើ Ollama, VLLM និងដំណោះស្រាយ edge របស់ Microsoft ដើម្បីបង្កើត SLMs ជាអនាគតនៃការដាក់បញ្ចូលភ្នាក់ងារបញ្ញាសិប្បនិម្មិតដែលគោរពសុវត្ថិភាព និងមានតម្លៃសមរម្យ។

## [ផ្នែកទី 2: ការហៅមុខងារនៅក្នុងសំណង់ភាសាតូច](./02.FunctionCalling.md)

ផ្នែកទីពីរជ្រាបជ្រោះលើ **សមត្ថភាពការហៅមុខងារ** ដែលជាគន្លងបំលែងម៉ូដែលភាសាភាពថេរថ្មីទៅជាភ្នាក់ងារបញ្ញាសិប្បនិម្មិតដែលអាចធ្វើអន្តរកម្មពិភពជាក់ស្តែង។ ការវិលត្រឡប់បច្ចេកទេសនេះគ្របដណ្តប់លំអរពីការរកមួយគោលបំណង ដល់ការរួមបញ្ចូលចម្លើយ។

### តំបន់អនុវត្តសំខាន់ៗ៖
- **សូម្បីវ Workflow យ៉ាងមានរបៀប**៖ ស្វែងយល់លម្អិតពីការរួមបញ្ចូលឧបករណ៍ ការបង្កើតមុខងារ ការរកគោលបំណង ការផលិតចម្រាញ់ JSON និងការអនុវត្តក្រៅប្រព័ន្ធ។
- **ការអនុវត្តសម្រាប់វេទិកាពិសេសៗ**៖ មគ្គុទេសក៍ទូលំទូលាយសម្រាប់ Phi-4-mini ជាមួយ Ollama, ការហៅមុខងារ Qwen3 និងការរួមបញ្ចូល Microsoft Foundry Local។
- **ឧទាហរណ៍ជាក់ស្តែងកម្រិតខ្ពស់**៖ ប្រព័ន្ធសហការភ្នាក់ងារច្រើន, ជម្រើសឧបករណ៍ឌាញ៉ាមិច និងក្បួនរួមបញ្ចូលសហគ្រាសជាមួយការដោះស្រាយកំហុសដូចជា។
- **ការយកចិត្តទុកដាក់លើផលិតកម្ម**៖ ការប្រយ័ត្នការពារអត្រា កំណត់ហេតុ audit, វិធានសុវត្ថិភាព និងយុទ្ធសាស្ត្រកែលម្អការប្រសិទ្ធភាព។

ផ្នែកនេះផ្តល់ចំណុចទស្សនៈទាំងទ្រឹស្តី និងអនុវត្តជាក់ស្តែង ដើម្បីឱ្យអ្នកអភិវឌ្ឍន៍អាចបង្កើតប្រព័ន្ធហៅមុខងារដែលរឹងមាំ អាចគ្រប់គ្រងបានទាំងការហៅ API សាមញ្ញ និងផ្នែកច្រើនជំហាន់ក្នុងការងារសហគ្រាស។

## [ផ្នែកទី 3: ការរួមបញ្ចូល Model Context Protocol (MCP)](./03.IntroduceMCP.md)

ផ្នែកចុងក្រោយណែនាំ **Model Context Protocol (MCP)** ដែលជាស៊ុមមានភាពប្លែកដែលកំណត់របៀបម៉ូដែលភាសាធ្វើអន្តរកម្មជាមួយឧបករណ៍ក្រៅ និងប្រព័ន្ធផ្សេងៗ។ ផ្នែកនេះបង្ហាញពីរបៀបដែល MCP បង្កើតស្ពានរវាងម៉ូដែល AI និងពិភពជាក់ស្តែងតាមរយៈពិធីសាស្ត្រដែលមានការកំណត់យ៉ាងច្បាស់។

### ចំណុចសំខាន់នៃការរួមបញ្ចូល៖
- **ស្ថាបត្យកម្មពិធីសាស្ត្រ**៖ រចនាសម្ព័ន្ធជាន់ជាន់នៅលើការអនុវត្តកម្មវិធី អតិថិជន LLM អតិថិជន MCP និងកម្រិតដំណើរការឧបករណ៍។
- **គាំទ្រBackend ច្រើន**៖ ការអនុវត្តបត់បែនគាំទ្រ Ollama (ការអភិវឌ្ឍក្នុងតំបន់) និង vLLM (ផលិតកម្ម)។
- **ពិធីសាស្ត្រតភ្ជាប់**៖ របៀប STDIO សម្រាប់ការទំនាក់ទំនងដំណើរការផ្ទាល់ និងរបៀប SSE សម្រាប់ចែកចាយតាម HTTP។
- **កម្មវិធីពិភពជាក់ស្តែង**៖ ស្វ័យកម្មគេហទំព័រ ការបំលែងទិន្នន័យ និងឧទាហរណ៍រួមបញ្ចូល API ជាមួយការគ្រប់គ្រងកំហុសសំរាប់ទូលំទូលាយ។

ការរួមបញ្ចូល MCP បង្ហាញពីរបៀបដែល SLMs អាចត្រូវបានបន្ថែមសមត្ថភាពក្រៅ ដើម្បីបំពេញការខ្វះខាតនៅក្នុងចំនួនប៉ារ៉ាម៉ែត្រតូចៗរបស់វា ជាមួយនឹងការបន្តរក្សាលក្ខណៈល្អបំផុតនៃការដាក់បញ្ចូលក្នុងតំបន់ និងប្រសិទ្ធភាពធនធាន។

## ផលប៉ះពាល់យុទ្ធសាស្ត្រ

រួមគ្នា បីផ្នែកនេះបញ្ជូនស៊ុមទូលំទូលាយសម្រាប់ការយល់ដឹង និងអនុវត្តប្រព័ន្ធភ្នាក់ងារសំណង់តូច SLM។ ការវិវឌ្ឍពីគំនិតមូលដ្ឋាន តទៅកាន់ការហៅមុខងារ រហូតដល់ការរួមបញ្ចូល MCP បង្ហាញផ្លូវច្បាស់ទៅប្រព័ន្ធ AI ដែលត្រូវបានចាត់ចែងជាសាធារណៈដែល៖

- **ប្រសិទ្ធភាពសម្បូរបែប** ដោយមានម៉ូដែលតូចដែលបានបង្កើតប្រសិទ្ធភាពខ្ពស់  
- **ថ្លៃចំណាយសមរម្យ** ដែលអាចទទួលយកបានយ៉ាងទូលំទូលាយ  
- **ពិធីសាស្ត្រស្តង់ដារ** ដែលធានាបាននូវការចូលដំណើរការរួមគ្នា  
- **ការដាក់បញ្ចូលក្នុងតំបន់** ជួយរក្សាសុវត្ថិភាព និងបន្ថយពេលវេលាឆក់ចូល

ការរីកចម្រើននេះមិនមែនគ្រាន់តែកម្រិតបច្ចេកវិជ្ជាទេ ប៉ុន្តែជាការប្រែប្រួលគំនិតទៅការប្រើប្រាស់ប្រព័ន្ធ AI ដែលងាយស្រួល ប្រសើរ និងប្រើប្រាស់បានពិតប្រាកដ សម្រាប់បរិដ្ឋានមានធនធានកំណត់ ប៉ុន្តែផ្តល់សមត្ថភាពភ្នាក់ងារចម្រូងចម្រាស់។

ការរួមបញ្ចូល SLMs ជាមួយយុទ្ធសាស្ត្រដាក់បញ្ចូលកម្រិតខ្ពស់ ការហៅមុខងារដែលខ្លាំង និងពិធីសាស្ត្ររួមបញ្ចូលឧបករណ៍ដែលមានស្តង់ដារ បង្កើតប្រព័ន្ធទាំងនេះជាមូលដ្ឋានសម្រាប់ជំនាន់ក្រោយនៃភ្នាក់ងារបញ្ញាសិប្បនិម្មិត ដែលនឹងផ្លាស់ប្តូររបៀបដែលយើងអន្តរកម្ម និងទទួលបានអត្ថប្រយោជន៍ពីបញ្ញាសិប្បនិម្មិតក្នុងវិស័យនានា និងកម្មវិធីផ្សេងៗ។

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ការបដិសេធបន្ទុក**:  
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ បើទោះបីយើងខិតខំរកភាពត្រឹមត្រូវក៏ដោយ សូមយល់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវនៅខ្លះ។ ឯកសារដើមក្នុងភាសាមាតុភូមិគួរត្រូវបានពិចារណាថាជា ប្រភពដែលមានស្រោចស្រង់។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយមនុស្សវិជ្ជាជីវៈគឺជាជម្រើសល្អបំផុត។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកថាខុស ពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។
<!-- CO-OP TRANSLATOR DISCLAIMER END -->