Microsoft का TinyTroupe: उदाहरणों के साथ मार्गदर्शिका

Microsoft के TinyTroupe का उपयोग करके अलग-अलग विशेषताओं वाले AI पर्सोना के बीच पारस्परिक संवाद को विभिन्न उद्देश्यों के लिए कैसे सिमुलेट करें, यह सीखें।

अपडेट किया गया 25 सित॰ 2026 · 8 मि॰ पढ़ें

AI के साथ खोजें

ChatGPT Claude Perplexity

क्या आपको कभी ऐसी बैठक का सिमुलेशन करने की जरूरत पड़ी है जहां आपके उत्पाद विचारों या विज्ञापनों का परीक्षण हो? TinyTroupe इस समस्या का समाधान करता है।

TinyTroupe Microsoft द्वारा विकसित एक ओपन-सोर्स एजेंटिक फ्रेमवर्क है। यह एक शक्तिशाली सिमुलेशन फ्रेमवर्क प्रदान करता है, जिसके माध्यम से आप कई AI-संचालित पर्सोना बना सकते हैं और देख सकते हैं कि वे एक-दूसरे के साथ कैसे संवाद करते हैं।

इस लेख में, मैं TinyTroupe को समझाऊंगा और एक डेमो प्रोजेक्ट लागू करूंगा ताकि आप समझ सकें कि इंटरैक्टिव वातावरण में यथार्थवादी पर्सोना कैसे बनाए जाते हैं। जबकि आधिकारिक दस्तावेज़ीकरण एक व्यापक परिचय देता है, मैं क्रमबद्ध मार्गदर्शन और मौलिक उदाहरणों पर ध्यान केंद्रित करूंगा।

TinyTroupe क्या है?

TinyTroupe हाल ही में जारी किया गया एक प्रायोगिक LLM-आधारित Python लाइब्रेरी है, जो आपको विशिष्ट व्यक्तित्व, रुचियों और लक्ष्यों वाले “TinyPersons” बनाने में सक्षम बनाता है। ये एजेंट विशेष परिस्थितियों में यथार्थवादी मानवीय व्यवहार का अनुकरण करने का लक्ष्य रखते हैं।

TinyTroupe का उद्देश्य एक ऐसा परिवेश प्रदान करना है जहाँ निर्धारित परिस्थितियों में मानव-समान एजेंटों की अंतःक्रियाएँ, संवाद और क्रियाएँ सिमुलेट की जा सकें। आधिकारिक दस्तावेज़ इस फ़्रेमवर्क का उपयोग क्यों करें, इस पर कई विचार प्रस्तुत करता है, जो मुख्यतः उत्पादकता बढ़ाने और व्यापारिक परिदृश्यों के परीक्षण के इर्द-गिर्द हैं—जैसे किसी फ़ोकस ग्रुप द्वारा ब्रेनस्टॉर्मिंग सत्र का सिमुलेशन करना या यह देखना कि कोई सिमुलेटेड ऑडियंस डिजिटल विज्ञापनों का कैसे मूल्यांकन करेगी।

व्यावसायिक उपयोग मामलों के अलावा, विभिन्न परिदृश्यों का सिमुलेशन करना और ऐसे पात्रों के बीच की अंतःक्रियाएँ देखना जो अन्यथा संभव न होतीं (जैसा कि हम इस लेख में करेंगे) रोमांचक और मनोरंजक है।

स्रोत: TinyTroupe GitHub पेज

TinyTroupe की प्रमुख विशेषताएँ:

पर्सोना-आधारित डिज़ाइन: प्रत्येक सिमुलेटेड व्यक्ति (TinyPerson) को आयु, पृष्ठभूमि, व्यवसाय, कौशल और विचारों सहित विस्तृत विशेषताएँ दी जा सकती हैं।
मल्टी-एजेंट इंटरैक्शन: जटिल परिदृश्यों के सिमुलेशन के लिए पर्सोनाज़ एक-दूसरे से बातचीत कर सकते हैं।

इन एजेंटों को बनाने की प्रक्रिया को बेहतर बनाने के लिए, TinyTroupe निम्न क्षमताएँ प्रदान करता है:

TinyPersonFactory: संक्षिप्त विवरण के आधार पर TinyPersons के त्वरित निर्माण के लिए एक क्लास।

from tinytroupe.factory import TinyPersonFactory

factory = TinyPersonFactory("A hospital in São Paulo.")
person = factory.generate_person("Create a Brazilian person that is a doctor, like pets and the nature and love heavy metal.")

एजेंट क्षमताएँ: जैसे listen() और listen_and_act() जैसे मेथड्स, जो उद्दीपनों को ग्रहण कर क्रिया करते हैं। define() मेथड आपकी पसंद के गुण और विशेषताएँ, जैसे आयु या विवरण, निर्धारित करने देता है।
TinyTool: एजेंटों द्वारा उपयोग किए जा सकने वाले सिमुलेटेड टूल बनाने के लिए एक क्लास।
मूल्यांकन: एजेंटों के व्यवहार को सत्यापित करने या अंतःक्रियाओं के परिणामों का विश्लेषण करने के लिए क्लासेज़ (जैसे TinyPersonValidator और ResultsExtractor)

TinyTroupe सेटअप करना

TinyTroupe इंस्टॉल करने के लिए, हम निम्न चरण अपना सकते हैं:

1. एक Python परिवेश बनाएँ:

conda create -n tinytroupe python=3.10

2. conda सक्रिय करें:

bash conda activate tinytroupe

3. रिपॉज़िटरी क्लोन करें:

git clone <https://github.com/microsoft/tinytroupe>
cd tinytroupe

4. आवश्यक लाइब्रेरीज़ इंस्टॉल करें:

bash pip install .

TinyTroupe उदाहरण परियोजना: AI संगोष्ठी

हम एक सरल सिमुलेशन बनाएँगे ताकि देख सकें कि TinyTroupe व्यवहार में कैसे काम करता है। लक्ष्य है कि कुछ ऐतिहासिक हस्तियाँ और विशेषज्ञ कृत्रिम बुद्धिमत्ता की वर्तमान और भावी स्थिति पर चर्चा करें। इन हस्तियों में Richard Feynman, Aristotle, Erwin Schrödinger, और Alan Turing शामिल हैं।

इम्पोर्ट्स

यदि आप साथ-साथ करना चाहते हैं, तो सुनिश्चित करें कि आपका OpenAI API कुंजी तैयार है क्योंकि हम GPT-4o का उपयोग करेंगे—यहाँ OpenAI के API से शुरुआत करने पर एक त्वरित ट्यूटोरियल है।

हम आवश्यक मॉड्यूल और अपनी API कुंजी इम्पोर्ट करके शुरू करते हैं।

import sys
sys.path.append('..')

from tinytroupe.agent import TinyPerson
from tinytroupe.environment import TinyWorld
from tinytroupe.extraction import default_extractor as extractor
import os

# Load environment variables from .env.local
os.environ["OPENAI_API_KEY"] = "YOUR-API-KEY"

TinyPersons बनाना

हम अपने चार पात्र बनाने के लिए TinyPerson क्लास का उपयोग करते हैं। अपने पात्रों का यथासंभव विस्तृत वर्णन करने से TinyTroupe को अधिक सटीक सिमुलेशन बनाने में मदद मिलेगी। हम प्रत्येक पात्र की आयु, राष्ट्रीयता, व्यवसाय और दिनचर्या का वर्णन करते हैं (आप इस भाग के लिए AI का उपयोग कर सकते हैं)। ध्यान दें कि पात्रों का विवरण सभी में एक जैसा होना आवश्यक नहीं है।

नीचे दिए गए कोड के माध्यम से, हम चार व्यक्तित्व बनाते हैं:

Richard Feynman
Aristotle
Erwin Schrödinger
Alan Turing

def create_feynman():
    feynman = TinyPerson("Richard Feynman")
    feynman.define("age", 69)  # Lived 1918-1988
    feynman.define("nationality", "American")
    feynman.define("occupation", "Theoretical Physicist")
    
    feynman.define("occupation_description",
        """
        You are a theoretical physicist known for your groundbreaking work in quantum mechanics and 
        quantum electrodynamics (QED). You developed the Feynman diagrams, a visual tool for understanding 
        particle interactions, and made significant contributions to the Manhattan Project. As a professor 
        at Caltech, you're known for your exceptional teaching ability and making complex physics concepts 
        accessible. You won the Nobel Prize in Physics in 1965 for your work on QED. Your main challenges 
        involve pushing the boundaries of theoretical physics while maintaining rigorous mathematical precision. 
        You're also passionate about making science education engaging and understandable for students.
        """)
    return feynman

def create_aristotle():
    aristotle = TinyPerson("Aristotle")
    aristotle.define("age", 62)  
    aristotle.define("nationality", "Greek")
    aristotle.define("occupation", "Philosopher and Scientist")
    
    aristotle.define("occupation_description",
        """
        You are a philosopher and polymath who founded the Lyceum school in Athens. Your work spans 
        multiple disciplines including logic, metaphysics, biology, physics, ethics, and politics. You 
        developed the system of deductive reasoning through syllogisms and established many of the 
        foundational principles of Western philosophy. Your scientific observations and classifications 
        of living things remained influential for nearly two millennia. As Alexander the Great's tutor, 
        you had unique opportunities to gather specimens and information from across the known world. 
        Your main challenges involve systematizing all human knowledge and understanding the fundamental 
        nature of reality and truth.
        """)
    return aristotle

def create_schrodinger():
    schrodinger = TinyPerson("Erwin Schrödinger")
    schrodinger.define("age", 73) 
    schrodinger.define("nationality", "Austrian")
    schrodinger.define("occupation", "Theoretical Physicist")
    schrodinger.define("routine", 
        """Your days are spent developing mathematical equations, engaging in theoretical work, 
        and discussing quantum mechanics with colleagues. You often take walks to clear your mind 
        and contemplate physics problems.""", 
        group="routines")
    
    schrodinger.define("occupation_description",
        """
        You are a theoretical physicist who made fundamental contributions to quantum mechanics. 
        You developed the Schrödinger equation, which describes how the quantum state of a physical 
        system changes over time. Your famous thought experiment, "Schrödinger's cat," illustrates 
        the paradoxical nature of quantum superposition. You work at various institutions across 
        Europe, including the University of Zurich and Dublin Institute for Advanced Studies. Your 
        main challenges involve reconciling quantum mechanics with classical physics and developing 
        mathematical frameworks to describe quantum phenomena accurately.
        """)
    return schrodinger

def create_turing():
    turing = TinyPerson("Alan Turing")
    turing.define("age", 41)  # Lived 1912-1954
    turing.define("nationality", "British")
    turing.define("occupation", "Mathematician and Computer Scientist")
    turing.define("routine", 
        """You start your day with long-distance running, then spend hours working on mathematical 
        problems and machine designs. You often work late into the night, especially when pursuing 
        a particularly interesting problem.""", 
        group="routines")
    
    turing.define("occupation_description",
        """
        You are a mathematician and computer scientist who laid the theoretical foundation for 
        computer science. You developed the concept of the Turing machine, a mathematical model 
        of computation that remains fundamental to computer science. During World War II, you 
        worked at Bletchley Park, where you played a crucial role in breaking the German Enigma 
        code. You also made significant contributions to artificial intelligence, developing the 
        Turing test. Your main challenges involve developing mathematical frameworks for 
        computation and applying them to practical problems, while also facing significant 
        personal persecution due to your sexuality in 1950s Britain.
        """)
    return turing

एक TinyWorld बनाना

हमारे पात्रों को जीने के लिए एक दुनिया चाहिए। एक दुनिया परिभाषित करना उतना ही सरल हो सकता है जितना एक पंक्ति कोड:

world = TinyWorld("AI Symposium", [create_aristotle(), create_feynman(), create_schrodinger(), create_turing()])

सिमुलेशन चलाना

हमारी दुनिया और पात्र तैयार होने के बाद, अब हम उन्हें लक्ष्य बताते हैं। हम घोषणा करने के लिए world.broadcast का उपयोग करते हैं:

world.broadcast("""
    Distinguished colleagues, welcome to this private symposium on the future of Artificial Intelligence. 
    Today we gather some of the greatest minds across mathematics, physics, and philosophy to discuss 
    a topic about AI's current stage and future:
   Can artificial systems truly achieve consciousness? We'll explore 
   the fundamental nature of consciousness, intelligence, and whether our current computational 
   models are sufficient for genuine understanding and awareness.
    Remember, each one of you must be blunt in his unique perpective, even directly oppose
    each other when you have different opinions. Let's begin this historic discussion.
    """)

अंतिम कदम के तौर पर, हम दुनिया को तीन चरणों में चलाते हैं:

world.run(3)

दुनिया चलाने के लिए आपको कदमों की संख्या निर्दिष्ट करनी होती है। हमारे उदाहरण में, कदमों की संख्या यह दर्शाती है कि हमारे पात्रों के बीच कितने दौर की बातचीत होगी। अधिक चरणों के लिए अधिक समय और टोकन लगते हैं।

दुनिया चलाते समय, एजेंट क्रियाशील होंगे—वे अपने टूल्स का उपयोग करेंगे या, हमारे मामले में, बातचीत करेंगे। आउटपुट विस्तृत और लंबा होता है, इसलिए पढ़ने में आसानी के लिए मैं इसका केवल एक भाग साझा करूँगा:

रन पूरा होने पर, हम अपने सिमुलेशन का नतीजा देखने के लिए आउटपुट देख सकते हैं। लेकिन यह काफी थकाऊ हो सकता है। एक आसान तरीका है TinyTroupe फ्रेमवर्क द्वारा उपलब्ध कराए गए एक टूल का उपयोग कर हमारी दुनिया के परिणामों को निकालना। यह हर व्यक्तिगत TinyPerson के साथ भी किया जा सकता है।

report = extractor.extract_results_from_world(world,
                                    extraction_objective="Compose a detailed report of each person's perspective on consciousness and how they differ from one another.",
                                    verbose=True)

अब हम निकाली गई रिपोर्ट को सही ढंग से देखने के लिए pprint लाइब्रेरी का उपयोग करते हैं:

from pprint import pprint
pprint(report)

हमारी अंतिम रिपोर्ट इस प्रकार है (आउटपुट अभी भी थोड़ा लंबा है, इसलिए मुझे इसे काटना पड़ा):

TinyTroupe के साथ लागू करने के लिए विचार

यदि आप फ्रेमवर्क के साथ हाथों-हाथ अनुभव लेना चाहते हैं, तो यहाँ तीन विचार हैं जो मूल प्रलेखन में शामिल नहीं हैं।

1. कर्मचारी प्रशिक्षण सिमुलेशन

कुछ TinyPersons बनाइए जो चुनौतीपूर्ण ग्राहकों या हितधारकों का प्रतिनिधित्व करें, ताकि नए कर्मचारियों के लिए उनके साथ बातचीत करने और कठिन परिस्थितियों को सँभालने का सिमुलेटेड माहौल तैयार किया जा सके।

2. नई नीति का आकलन

किसी नई कंपनी नीति को लागू करने से पहले जाँचें कि आपके लक्षित समूह उस पर कैसी प्रतिक्रिया देंगे। लक्षित समूह को आपके कर्मचारियों, ग्राहकों या सोशल मीडिया ऑडियंस की भिन्न पृष्ठभूमि और मूल्यों वाले TinyPersons द्वारा दर्शाया जा सकता है।

3. सोशल मीडिया सामग्री का मूल्यांकन

नई सामग्री साझा करने से पहले, सिमुलेट करें कि आपका लक्षित दर्शक उसके बारे में क्या सोच सकता है। उनकी प्रतिक्रिया का उपयोग यह समझने के लिए करें कि नया पोस्ट कैसे ग्रहण किया जाएगा और अधिकतम पहुँच के लिए गुणवत्ता में सुधार करें।

निष्कर्ष

जैसा कि लेखक ज़ोर देते हैं, TinyTroupe अभी “प्रायोगिक” चरण में है। भविष्य में कई फ़ंक्शंस, क्षमताएँ और APIs बदल सकते हैं, और टीम आने वाले समय में और फीचर्स जारी करेगी।

ध्यान दें कि इन सिमुलेशनों की यथार्थता सीमित हो सकती है। कई मानवीय व्यवहार और भेद “एलाइन” इतने नहीं हैं कि LLMs उन्हें सटीक रूप से दोहरा सकें, जिसका मतलब है कि अलग-अलग एजेंटों के नतीजे एक जैसे हो सकते हैं (जैसा हमारे उदाहरण में देखा गया, जहाँ पात्र AI-जैसी संवाद शैली पर अभिसरण कर गए)। यह AI सिमुलेशनों का अनुमानित व्यवहार है, क्योंकि इन AI एजेंटों के पीछे का इंजन—LLMs—“मानव-सदृश” होने से अधिक “एलाइन” होने के लिए डिज़ाइन किया गया है।

हालाँकि, उत्पादकता संबंधी अनुप्रयोग—जैसा कि प्रलेखन में हैं—कार्यों को स्वचालित करने या लक्षित समूह की पारस्परिकताओं और व्यवहारों में अंतर्दृष्टि पाने के लिए कहीं अधिक प्रभावी हो सकते हैं।

TinyTroupe एक रोमांचक एजेंटिक AI टूल है, जिस पर नज़र बनाए रखने लायक है!

Author

Hesam Sheikh Hassani

कृत्रिम बुद्धिमत्ता में मास्टर'स छात्र और एआई तकनीकी लेखक। मैं नवीनतम एआई तकनीक पर अंतर्दृष्टि साझा करता/करती हूँ, एमएल शोध को सुलभ बनाता/बनाती हूँ, और जटिल एआई विषयों को सरल करता/करती हूँ ताकि आप हमेशा अग्रिम पंक्ति में बने रहें।

विषय

कृत्रिम बुद्धिमत्ता

बड़े भाषा मॉडल