রোডস ম্যানেজমেন্ট ইনসাইটস এআই এজেন্ট, রোডস ম্যানেজমেন্ট ইনসাইটস এআই এজেন্ট

উদ্দেশ্য

রোডস ম্যানেজমেন্ট ইনসাইটস (RMI) ADK এজেন্ট, গুগল বিগকোয়েরিতে সংরক্ষিত RMI ডেটা কোয়েরি ও বিশ্লেষণ করার জন্য একটি স্বাভাবিক ভাষার ইন্টারফেস প্রদান করে। গুগলের এজেন্ট ডেভেলপমেন্ট কিট (ADK) এবং জেমিনি লার্জ ল্যাঙ্গুয়েজ মডেল ব্যবহার করে, এটি ব্যবহারকারীদের জটিল SQL কোয়েরি ম্যানুয়ালি না লিখেই বৃহৎ আকারের সড়ক নেটওয়ার্ক এবং ট্র্যাফিক ডেটাসেট থেকে কার্যকর তথ্য আহরণ করতে সক্ষম করে।

রেফারেন্স আর্কিটেকচার

এই আর্কিটেকচারটি একটি স্তরক্রমিক এজেন্ট সিস্টেম নিয়ে গঠিত, যেখানে একটি রুট এজেন্ট ব্যবহারকারীর কার্যকলাপের পরিকল্পনা ও সমন্বয় করে এবং নির্দিষ্ট ডেটা পুনরুদ্ধার ও SQL তৈরির কাজ একটি বিশেষায়িত সাব-এজেন্টের কাছে অর্পণ করে।

আরএমআই এজেন্ট আর্কিটেকচার ডায়াগ্রাম

উপাদান

১. আরএমআই এজেন্ট (রুট এজেন্ট)

  • ভূমিকা : প্রধান কথোপকথন মাধ্যম এবং কার্য সমন্বয়কারী।
  • দায়িত্বসমূহ :
    • একাধিক পালাক্রমে কথোপকথনের প্রেক্ষাপট বজায় রাখে।
    • স্বাভাবিক ভাষার অনুরোধগুলোকে বিশ্লেষণ করে কার্যকর বিশ্লেষণাত্মক কাজে পরিণত করে।
    • BigQuery Agent-এর কাছে কাঠামোগত ডেটা পুনরুদ্ধারের কাজ অর্পণ করে।
    • সাব-এজেন্টের কাছ থেকে পাওয়া কাঁচা সারণি ডেটাকে সংশ্লেষণ করে সংক্ষিপ্ত ও সহজে পাঠযোগ্য তথ্যে পরিণত করে।

২. বিগকোয়েরি এজেন্ট (সাব-এজেন্ট)

  • ভূমিকা : বিশেষায়িত SQL অনুবাদ এবং ডাটাবেস এক্সিকিউশন এজেন্ট।
  • দায়িত্বসমূহ :
    • রুট এজেন্ট থেকে প্রাপ্ত স্বাভাবিক ভাষার নির্দেশাবলীকে অপ্টিমাইজড BigQuery SQL কোয়েরিতে অনুবাদ করে।
    • কনফিগার করা BigQuery ডেটাসেটের বিপরীতে সরাসরি কোয়েরিগুলো কার্যকর করে।
    • রুট এজেন্টের কাছে কোয়েরির মূল ও অপরিবর্তিত ফলাফল ফেরত দেয়।

৩. বিগকোয়েরি ডেটাসেট

  • ভূমিকা : ক্লাউড-ভিত্তিক বিশ্লেষণাত্মক ডেটা ওয়্যারহাউস।
  • বিষয়বস্তু : রোডস ম্যানেজমেন্ট ইনসাইটস (RMI) টেবিলসমূহ, যার মধ্যে historical_travel_time এবং recent_roads_data অন্তর্ভুক্ত, যা RMI BigQuery স্কিমা অনুযায়ী বিন্যস্ত।

৪. গুগল জেনএআই

  • ভূমিকা : মূল যুক্তি ও ভাষা তৈরির ইঞ্জিন।
  • মডেল : এজেন্ট অর্কেস্ট্রেশন, ন্যাচারাল ল্যাঙ্গুয়েজ আন্ডারস্ট্যান্ডিং এবং SQL জেনারেশনের জন্য গুগল জেমিনি মডেল (যেমন, gemini-3.5-flash ) ব্যবহার করে।

কার্য সম্পাদন প্রবাহ

  1. ব্যবহারকারীর অনুরোধ : ব্যবহারকারী স্বাভাবিক ভাষায় একটি প্রশ্ন জমা দেন (যেমন, "গতকাল ৬৬ নম্বর রুটে ভ্রমণের গড় সময় কত ছিল?" )।
  2. পরিকল্পনা ও সমন্বয় : আরএমআই এজেন্ট অনুরোধটি গ্রহণ করে, প্রয়োজনীয় বাস্তব ট্র্যাফিক ডেটা শনাক্ত করে এবং সাব-এজেন্টের জন্য একটি নির্দিষ্ট পুনরুদ্ধার নির্দেশনা প্রণয়ন করে।
  3. প্রতিনিধি প্রেরণ : RMI এজেন্ট কাঠামোগত নির্দেশনা এবং প্রাসঙ্গিক কালিক বা স্থানিক সীমাবদ্ধতা সহ BigQuery এজেন্টকে আহ্বান করে।
  4. SQL তৈরি : RMI স্কিমা সম্পর্কে তার ধারণাকে কাজে লাগিয়ে, BigQuery এজেন্ট একটি অপ্টিমাইজড BigQuery SQL কোয়েরি তৈরি করে।
  5. সম্পাদন ও ডেটা পুনরুদ্ধার : BigQuery এজেন্ট অন্তর্নিহিত BigQuery ডেটাসেটের বিপরীতে কোয়েরিটি সম্পাদন করে এবং ফলাফলস্বরূপ সারণীভুক্ত রেকর্ডগুলি পুনরুদ্ধার করে।
  6. প্রতিক্রিয়া সংশ্লেষণ : BigQuery এজেন্ট অপরিবর্তিত কাঁচা ডেটা RMI এজেন্টের কাছে ফেরত পাঠায়, যা ফলাফলগুলো ব্যাখ্যা করে, অনুপস্থিত রাস্তা শনাক্তকারীগুলোর সমাধান করে এবং ব্যবহারকারীর জন্য একটি স্পষ্ট স্বাভাবিক ভাষার প্রতিক্রিয়া তৈরি করে।

উদাহরণ দৃশ্যকল্প

চ্যালেঞ্জ

সন্ধ্যার ব্যস্ততম সময়ে ট্রাফিক সিগন্যালের সময়সূচিতে কোনো সমন্বয়ের প্রয়োজন আছে কিনা, তা নির্ধারণ করার জন্য একজন নগর পরিকল্পনাবিদকে একটি মহানগরীর সড়ক নেটওয়ার্ক জুড়ে যানজট মূল্যায়ন করতে হয়।

সমাধান কর্মপ্রবাহ

  1. ব্যবহারকারীর জিজ্ঞাসা : প্ল্যানার CLI বা ওয়েব UI ব্যবহার করে এজেন্টের সাথে যোগাযোগ করে নিম্নলিখিত বিষয়গুলো জানতে চান:

    গত শুক্রবার বিকেল ৫টায় বোস্টন শহরের কেন্দ্রস্থলের সবচেয়ে যানজটপূর্ণ ৫টি রাস্তা চিহ্নিত করুন।

  2. এজেন্ট প্রক্রিয়াকরণ :

    • আরএমআই এজেন্ট অনুরোধটি বিশ্লেষণ করে। এটি লক্ষ্যস্থল ("ডাউনটাউন বস্টন"), সময়সীমা ("গত শুক্রবার বিকাল ৫টায়"), এবং বিশ্লেষণমূলক উদ্দেশ্য ("সবচেয়ে বেশি যানজটপূর্ণ শীর্ষ ৫টি রুট") শনাক্ত করে। এটি নির্ধারণ করে যে "যানজট" পরিমাপ করা হবে রিয়েল-টাইম ভ্রমণের সময়কাল এবং স্থির সময়কালের অনুপাত হিসাবে ( duration_in_seconds / static_duration_in_seconds )।

    • এটি একটি কাঠামোগত নির্দেশনার মাধ্যমে BigQuery Agent-এর কাছে ডেটা পুনরুদ্ধারের দায়িত্ব অর্পণ করে:

      বোস্টন শহরের কেন্দ্রস্থলের সড়ক অংশগুলো খুঁজে বের করুন এবং শুক্রবার, ৯ জানুয়ারি, ২০২৬, বিকাল ৫:০০ টার জন্য সর্বোচ্চ যানজটের অনুপাতযুক্ত শীর্ষ ৫টি সড়কের তালিকা দিন।

  3. ডেটা পুনরুদ্ধার :

    • BigQuery এজেন্ট এই নির্দেশনাটিকে historical_travel_time টেবিলকে লক্ষ্য করে একটি SQL কোয়েরিতে রূপান্তরিত করে, যা কনজেশন রেশিও গণনা করে এবং শীর্ষ ৫টি সেগমেন্ট শনাক্ত করার জন্য ফলাফলগুলোকে সাজিয়ে নেয়।
    • এটি BigQuery-এর বিরুদ্ধে কোয়েরিটি কার্যকর করে।
    • BigQuery সরাসরি সারণী আকারে ফলাফল ফেরত দেয়, যেমন (segment_id, display_name, duration_in_seconds, static_duration_in_seconds, congestion_ratio) ।

  4. অন্তর্দৃষ্টি সৃষ্টি :

    • BigQuery এজেন্ট সেগমেন্টগুলোর মূল তালিকাটি RMI এজেন্টের কাছে ফেরত পাঠায়।
    • আরএমআই এজেন্ট রেকর্ডগুলো বিশ্লেষণ করে, যেসব রোড সেগমেন্টের ডিসপ্লে নাম নেই বা শুধু শনাক্তকারী রেফারেন্স রয়েছে সেগুলোকে পরিচালনা করে এবং ডেটাগুলোকে সংশ্লেষণ করে একটি এক্সিকিউটিভ সামারি তৈরি করে।

    • এজেন্ট চূড়ান্ত প্রতিক্রিয়াটি তৈরি করে:

      "On Friday, January 9, 2026, at 5:00 PM, the most congested routes in downtown Boston experienced significantly higher travel times than their typical static durations. Here are the top 5 most congested segments based on the ratio of traffic-aware duration to static duration: Route roads/CgkJZ-tTXuNcW4s: This was the most congested segment, with a travel time of 66 seconds compared to a static duration of just 6 seconds (a congestion ratio of 11.0x)..."

আরএমআই এজেন্ট উদাহরণ চ্যাট

উপসংহার

By decoupling conversational interaction and narrative synthesis from low-level SQL generation and data retrieval, the hierarchical RMI ADK Agent architecture bridges the gap between complex geospatial data warehouses and end users. Isolating database execution within a specialized sub-agent promotes modularity, maintainability, and operational safety while enabling decision-makers to rapidly extract verifiable insights through natural language.

পরবর্তী পদক্ষেপ

  • আপনার ব্যবহারের ক্ষেত্র অনুযায়ী সাজিয়ে নিন : এই মাল্টি-এজেন্ট আর্কিটেকচার এবং প্রম্পট ডিজাইনটিকে আপনার নির্দিষ্ট ভূ-স্থানিক বা সাংগঠনিক ব্যবহারের ক্ষেত্রগুলোর সাথে খাপ খাইয়ে নিন।
  • বিশেষায়িত প্ল্যানার এজেন্টের মাধ্যমে সম্প্রসারণ করুন : জটিল, বহু-ধাপের বিশ্লেষণমূলক ওয়ার্কফ্লো পরিচালনা করার জন্য একটি ডেডিকেটেড প্ল্যানার এজেন্ট অন্তর্ভুক্ত করুন।
  • বহু-মাধ্যম ডেটা উৎস একীভূত করুন : RMI ডেটার সাথে আবহাওয়ার ঘটনা, নির্মাণ কাজের সময়সূচী বা সরাসরি দুর্ঘটনার তথ্যের মতো অতিরিক্ত স্থানিক স্তরগুলিকে একত্রিত করে ট্র্যাফিক ও সড়ক ব্যবস্থাপনার অন্তর্দৃষ্টিকে সমৃদ্ধ করুন।
  • প্রোডাকশনে স্থাপন করুন : জেমিনি এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্মে হোস্ট করা ADK এজেন্টগুলি নিবন্ধন এবং পরিচালনা করার নির্দেশিকা অনুসরণ করে আপনার এজেন্টকে প্রোটোটাইপ থেকে একটি প্রোডাকশন এন্টারপ্রাইজ পরিবেশে স্থানান্তর করুন।

অবদানকারীরা

কেল মার্কেট | মেঘ ভূগোলবিদ