বুদ্ধিমান অ্যান্ড্রয়েড অ্যাপ তৈরি করুন: জেটপ্যাকারের পরিচিতি

আপনার অ্যাপে GenAI ফিচার তৈরি করার অর্থ সাধারণত বিভিন্ন মডেল, এপিআই এবং আর্কিটেকচার বিকল্পগুলির মধ্যে দিয়ে পথ খুঁজে বের করা:

• কার্য সম্পাদনের স্থান: আপনার মডেলটি কোথায় চলে? ডিভাইসে, ক্লাউডে, নাকি উভয় স্থানেই?
• জটিলতা: আপনার সেটআপটি কতটা জটিল? আপনি কি একটিমাত্র ইনফারেন্স কল করছেন, নাকি আপনার আরও এজেন্টিক ফ্লো প্রয়োজন?
• অ্যাপের মধ্যে নাকি অ্যান্ড্রয়েড সিস্টেমে: আপনার ফিচারটি কি অ্যান্ড্রয়েড অ্যাপের মধ্যেই তৈরি করা উচিত, নাকি এটি অ্যান্ড্রয়েড সিস্টেম ইন্টিগ্রেশন হিসেবে বেশি উপযুক্ত?

এই ব্লগ পোস্ট সিরিজে আমরা আপনার সাথে এই সিদ্ধান্তগুলো নিয়ে আলোচনা করব। আমরা আপনাকে একটি যাত্রায় সঙ্গী করব, যা একটি সাধারণ মোবাইল অ্যাপ থেকে শুরু করে সেটিকে একটি ব্যক্তিগতকৃত , বুদ্ধিমান এবং সক্রিয় অভিজ্ঞতায় রূপান্তরিত করবে।

জেটপ্যাকার: একটি ডেমো ভ্রমণ অ্যাপ

জেটপ্যাকার হলো একটি প্রযুক্তিগত প্রদর্শনী অ্যাপ , যা আমাদের দল এই বছরের গুগল আই/ও-এর জন্য একেবারে গোড়া থেকে তৈরি করেছে (অ্যান্টিগ্র্যাভিটি ব্যবহার করে নির্মিত)। মূলতঃ, জেটপ্যাকার ব্যবহারকারীদের তাদের পরবর্তী বড় অভিযানের পরিকল্পনা করতে, অন্বেষণ করতে এবং উপভোগ করতে সাহায্য করে। এটি আপনার ভ্রমণগুলোর একটি সার্বিক চিত্র, প্রতিটি ভ্রমণের কার্যসূচি এবং সেই ভ্রমণের প্রতিটি অনুষ্ঠানের বিবরণ দেখায়। অবশ্যই, একটি সুন্দর ও অভিব্যক্তিপূর্ণ ম্যাটেরিয়াল ইউআই ডিজাইনসহ অ্যান্ড্রয়েড ডেভেলপমেন্টের সমস্ত সেরা অনুশীলন এতে অনুসরণ করা হয়েছে।

আর সবচেয়ে ভালো ব্যাপারটি হলো? এটি সম্পূর্ণ ওপেন সোর্স !

আজ আমরা এই প্রতিটি ফিচারের গভীরে গিয়ে একটি টেকনিক্যাল ব্লগ পোস্ট সিরিজ প্রকাশ করছি। আমরা বিস্তারিত বাস্তবায়ন ধাপ, কোড স্নিপেট এবং আর্কিটেকচারাল অন্তর্দৃষ্টি প্রদান করব, যা আপনাকে আপনার নিজস্ব ইন্টেলিজেন্ট অ্যান্ড্রয়েড অ্যাপ্লিকেশন তৈরি করতে সাহায্য করবে।

ডিভাইসে বুদ্ধিমত্তা

অন-ডিভাইস মডেল ব্যবহার করলে কোনো অতিরিক্ত ক্লাউড ইনফারেন্স খরচ হয় না , এর মানে হলো আপনাকে ইন্টারনেট সংযোগ নিয়ে চিন্তা করতে হবে না, এবং ব্যবহারকারীরা নিশ্চিত থাকতে পারেন যে তাদের ব্যক্তিগত তথ্য স্থানীয়ভাবে, ডিভাইসেই প্রসেস করা হবে এবং তাদের কোনো ডেটা ক্লাউডে পাঠানো হবে না।

Jetpacker-এ, আমরা আমাদের তিনটি ফিচারের জন্য অন-ডিভাইস ইনফারেন্স বেছে নিয়েছি:

• ট্রিপ ওভারভিউ ফিচারটি একটি অগোছালো, বহু-দিনের ভ্রমণসূচীকে একটি সংক্ষিপ্ত ও কার্যকর সারাংশে রূপান্তরিত করে। এটি ডিভাইসে স্থানীয়ভাবে ডেটা প্রসেস করার জন্য এমএল কিট জেনএআই এপিআই (ML Kit GenAI APIs)- এর মাধ্যমে জেমিনি ন্যানো (Gemini Nano)-কে কাজে লাগায়। আমরা এটিকে একটি ঐচ্ছিক ফিচার হিসেবে বিবেচনা করি, যেখানে আমরা অতিরিক্ত ক্লাউড খরচ বহন করতে চাই না, তাই ডিভাইসেই ডেটা প্রক্রিয়াকরণ একটি সঠিক বিকল্প।
• এই এক্সপেন্স ট্র্যাকারটি ব্যবহারকারীদের ভ্রমণ খরচের হিসাব রাখতে সাহায্য করার জন্য রসিদের ছবি থেকে স্বয়ংক্রিয়ভাবে কাঠামোগত ডেটা সংগ্রহ করে। এটি এমএল কিট জেনএআই এপিআই (ML Kit GenAI APIs)-এর মাধ্যমে জেমিনি ন্যানো ৪ (Gemini Nano 4)-এর মাল্টিমোডাল সক্ষমতা ব্যবহার করে। আমরা একটি অন-ডিভাইস সলিউশন বেছে নিয়েছি, যাতে রসিদের ছবিতে থাকা কোনো গোপনীয়তা-সংবেদনশীল তথ্য ব্যবহারকারীর ডিভাইস থেকে বাইরে না যায়।
• অডিও ডায়েরিটি ভয়েস নোট রেকর্ড করে, সেগুলোকে প্রতিলিপি করে এবং ভ্রমণের প্রাসঙ্গিক কার্যকলাপ অনুযায়ী শ্রেণিবদ্ধ করে। এটি এমএল কিট স্পিচ রিকগনিশন এবং জেনএআই প্রম্পট এপিআই দ্বারা চালিত। আমরা গোপনীয়তা এবং সংযোগের কারণে একটি অন-ডিভাইস সমাধান বেছে নিয়েছি।

ক্লাউড এবং হাইব্রিড ইনফারেন্স

কখনও কখনও আপনার ব্যবহারের ক্ষেত্রে এমন এআই মডেলের প্রয়োজন হয়, যেগুলোর বিশ্ব সম্পর্কে ব্যাপক জ্ঞান বা অনেক বড় প্রেক্ষাপট রয়েছে এবং জটিল কাজ সামলানোর ক্ষমতাও বেশি। সেক্ষেত্রে, আমরা ডিভাইসে মডেল চালানোর পরিবর্তে ক্লাউড মডেল ব্যবহার করতে পারি।

অথবা, যদি আপনি উভয় পদ্ধতির সেরা সুবিধা পেতে চান, তাহলে রানটাইমে ডাইনামিকভাবে ক্লাউড বা অন-ডিভাইস মডেল বেছে নিতে হাইব্রিড ইনফারেন্স ব্যবহার করতে পারেন। এর ফলে, ডিভাইসটি উপলব্ধ হলে ইনফারেন্সকে সেখানে স্থানান্তর করে আমরা খরচ কমাতে পারি, এবং একই সাথে অ্যাপটি চালিত সমস্ত অ্যান্ড্রয়েড ডিভাইসকে সাপোর্ট করতে পারি ।

জেটপ্যাকারে, আমরা ক্লাউড বা হাইব্রিড ইনফারেন্স ব্যবহার করে বেশ কিছু ফিচার বাস্তবায়ন করেছি:

• স্থান-ভিত্তিক প্রশ্নোত্তর (Q&A) ফিচারটি বাস্তব তথ্যের উপর ভিত্তি করে নির্দিষ্ট স্থান সম্পর্কে ব্যবহারকারীর প্রশ্নের উত্তর দেয়। এটি গুগল ম্যাপস এবং ওয়েব কনটেক্সটের সাথে সমন্বিত ফায়ারবেস এআই লজিক ব্যবহার করে। এর বৃহত্তর বিশ্ব জ্ঞানের জন্য এখানে একটি ক্লাউড মডেল ব্যবহার করা অপরিহার্য।
• রিভিউ লেখার ফিচারটি ব্যবহারকারীদের তাদের ভ্রমণ করা জায়গাগুলোর জন্য বিস্তারিত রিভিউ রচনা করতে সাহায্য করে। এটি Firebase AI Logic-এর নতুন Hybrid inference API- এর মাধ্যমে অন-ডিভাইস এবং ক্লাউড উভয় মডেলকেই কাজে লাগায়। এই ফিচারটি আমরা অ্যাপের সকল ব্যবহারকারীর জন্য উপলব্ধ করতে চেয়েছিলাম, তাই অন-ডিভাইস মডেলটি অনুপলব্ধ থাকলে আমরা একটি ক্লাউড মডেলকে বিকল্প হিসেবে ব্যবহার করছি।
• স্বয়ংক্রিয় চ্যাট অনুবাদ ব্যবস্থাটি নির্বিঘ্ন যোগাযোগ সহজ করার জন্য রিয়েল টাইমে চ্যাট বার্তাগুলোকে গতিশীলভাবে অনুবাদ করে, যা কাস্টম হাইব্রিড ইনফারেন্স লজিক প্রদর্শন করে। আবারও বলছি, আমরা চাই এই ফিচারটি অ্যাপের সকল ব্যবহারকারীর জন্য উপলব্ধ হোক, কিন্তু একই সাথে কখন অন-ডিভাইস বনাম ক্লাউড বেছে নিতে হবে, সে বিষয়ে আমাদের কিছু নির্দিষ্ট বিবেচনা রয়েছে।

সিস্টেম ইন্টিগ্রেশন

যদিও এটি অ্যাপটির নিজস্ব কোনো ফিচার নয়, অ্যান্ড্রয়েড সিস্টেম ইন্টিগ্রেশন অ্যাপটির মূল কার্যক্ষমতাগুলোকে সরাসরি অ্যান্ড্রয়েড অপারেটিং সিস্টেমের জন্য উন্মুক্ত করে দেয়। এটি সিস্টেম-স্তরের ইন্টেলিজেন্সের সাথে ইন্টিগ্রেট করার জন্য AppFunctions API ব্যবহার করে।

অ্যাপের মধ্যেই এজেন্টভিত্তিক ওয়ার্কফ্লো (শীঘ্রই আসছে!)

এজেন্সিকনেস একটি উচ্চতর স্তরের স্বায়ত্তশাসন নিয়ে আসে, যা মডেলগুলোকে এজেন্ট হিসেবে কাজ করতে সক্ষম করে। একটিমাত্র ইনফারেন্স কলের পরিবর্তে, একটি এজেন্ট একটি অর্কেস্ট্রেশন লুপের মাধ্যমে একটি নির্দিষ্ট লক্ষ্যের দিকে কাজ করে, যা তাকে যুক্তি দিয়ে ভাবতে , বিভিন্ন টুল ব্যবহার করতে এবং তার গতিপথ পরিবর্তন করতে সাহায্য করে। আপনার প্রয়োজন অনুসারে, এই বুদ্ধিমান এজেন্টগুলো ক্লাউডে, সরাসরি ডিভাইসে, অথবা একটি হাইব্রিড সেটআপে চলতে পারে।

Jetpacker-এর জন্য আমরা একটি বুকিং অ্যাসিস্ট্যান্ট যুক্ত করেছি, যা রিজার্ভেশন প্রক্রিয়াকে সুবিন্যস্ত করতে সরাসরি অ্যাপ্লিকেশনের মধ্যেই শুরু থেকে শেষ পর্যন্ত বুকিং কার্যপ্রবাহকে স্বয়ংক্রিয় করে। এটি ক্লাউডে চলমান A2UI এবং ADK ব্যবহার করে তৈরি করা হয়েছে। অ্যান্ড্রয়েড অ্যাপটি ক্লাউডে চলমান মাল্টি-এজেন্টিক সিস্টেমের ফ্রন্ট-এন্ড হিসেবে কাজ করে।

আরও জানুন

এই ব্লগ পোস্ট সিরিজের অন্যান্য পর্বগুলো দেখে নিন:

পর্ব ১ (এই পোস্ট!): অ্যাপটির পরিচিতি এবং একটি সামগ্রিক সংক্ষিপ্ত বিবরণ।
পর্ব ২: ডিভাইস-ভিত্তিক বুদ্ধিমত্তা। ভ্রমণসূচির সারাংশ, রসিদ বিশ্লেষণ এবং স্থানীয় অডিও প্রক্রিয়াকরণের মতো গোপনীয়তা-কেন্দ্রিক বৈশিষ্ট্য তৈরি করতে এমএল কিট-এর জেনএআই এপিআই এবং জেমিনি ন্যানো-র গভীরে প্রবেশ করুন।
পর্ব ৩: হাইব্রিড এবং ক্লাউড রিজনিং। গুগল ম্যাপস এবং ওয়েব কনটেক্সটের মতো বাস্তব-জগতের ডেটার ওপর ভিত্তি করে এলএলএম (LLM) উত্তর তৈরিতে কীভাবে ফায়ারবেস এআই লজিক (Firebase AI Logic) ব্যবহার করা যায়, তা জানুন।
পর্ব ৪: সিস্টেম ইন্টিগ্রেশন। অ্যাপফাংশন ব্যবহার করে অ্যান্ড্রয়েড ইন্টেলিজেন্স সিস্টেমের সাথে ইন্টিগ্রেট করা।
পর্ব ৫ (শীঘ্রই আসছে): অ্যাপের মধ্যেই এজেন্টিক ওয়ার্কফ্লো। A2UI এবং ADK দ্বারা চালিত একটি এন্ড-টু-এন্ড বুকিং অ্যাসিস্ট্যান্টের মাধ্যমে অ্যাপটিকে আরও উন্নত করুন।

অ্যান্ড্রয়েড ডেভেলপমেন্ট সম্পর্কে আরও জানতে আগ্রহী? ইউটিউব বা লিঙ্কডইন- এ অ্যান্ড্রয়েড ডেভেলপারদের অনুসরণ করুন!