ਇਹ ਪਾਠ ਦੱਸੇਗਾ ਕਿ ਇਸ ਕੋਰਸ ਦੇ ਕੋਡ ਸੈਂਪਲ ਕਿਵੇਂ ਚਲਾਏ ਜਾਂਦੇ ਹਨ।

ਆਪਣਾ ਰਿਪੋ ਕਲੋਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਸੈਟਅਪ ਵਿੱਚ ਮਦਦ ਲਈ, ਕੋਰਸ ਬਾਰੇ ਕੋਈ ਵੀ ਪ੍ਰਸ਼ਨ ਪੁੱਛਣ ਲਈ ਜਾਂ ਹੋਰ ਸਿੱਖਣ ਵਾਲਿਆਂ ਨਾਲ ਕਨੈਕਟ ਕਰਨ ਲਈ AI Agents For Beginners Discord ਚੈਨਲ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ।

ਸ਼ੁਰੂਆਤ ਕਰਨ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ GitHub ਰਿਪੋਜ਼ਿਟਰੀ ਨੂੰ ਕਲੋਨ ਜਾਂ ਫੋਰਕ ਕਰੋ। ਇਸ ਨਾਲ ਤੁਹਾਡੇ ਕੋਲ ਕੋਰਸ ਮਟੀਰੀਅਲ ਦਾ ਆਪਣਾ ਸੰਸਕਰਨ ਬਣ ਜਾਵੇਗਾ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਕੋਡ ਚਲਾ ਸਕੋ, ਟੈਸਟ ਕਰ ਸਕੋ ਅਤੇ ਇਸ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਕਰ ਸਕੋ!

This can be done by clicking the link to ਰੀਪੋ ਫੋਰਕ ਕਰੋ

You should now have your own forked version of this course in the following link:

ਪੂਰੀ ਰਿਪੋਜ਼ਿਟਰੀ ਸਮੱਗਰੀ (ਪੂਰਾ ਇਤਿਹਾਸ ਅਤੇ ਸਾਰੇ ਫ਼ਾਇਲਾਂ) ਡਾਊਨਲੋਡ ਕਰਨ 'ਤੇ ਵੱਡੀ (~3 GB) ਹੋ ਸਕਦੀ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਿਰਫ ਵਰਕਸ਼ਾਪ ਵਿੱਚ ਭਾਗ ਲੈ ਰਹੇ ਹੋ ਜਾਂ ਸਿਰਫ ਕੁਝ ਪਾਠ ਫੋਲਡਰਾਂ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਇੱਕ ਸ਼ੈਲੋ ਕਲੋਨ (ਜਾਂ ਸਪਾਰਸ ਕਲੋਨ) ਇਤਿਹਾਸ ਨੂੰ ਠੰਢਾ ਕਰਕੇ ਅਤੇ/ਜਾਂ ਬਲੌਬਸ ਨੂੰ ਸਕਿਪ ਕਰਕੇ ਜ਼ਿਆਦਾਤਰ ਡਾਊਨਲੋਡ ਤੋਂ ਬਚਾਉਂਦਾ ਹੈ।

Replace <your-username> in the below commands with your fork URL (or the upstream URL if you prefer).

To clone only the latest commit history (small download):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

To clone a specific branch:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

This uses partial clone and sparse-checkout (requires Git 2.25+ and recommended modern Git with partial clone support):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

Traverse into the repo folder:

cd ai-agents-for-beginners

Then specify which folders you want (example below shows two folders):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

After cloning and verifying the files, if you only need files and want to free space (no git history), please delete the repository metadata (💀irreversible — you will lose all Git functionality: no commits, pulls, pushes, or history access).

# zsh/bash
rm -rf .git

# ਪਾਵਰਸ਼ੈਲ
Remove-Item -Recurse -Force .git

• Create a new Codespace for this repo via the GitHub UI.

• In the terminal of the newly created codespace, run one of the shallow/sparse clone commands above to bring only the lesson folders you need into the Codespace workspace.

• Optional: after cloning inside Codespaces, remove .git to reclaim extra space (see removal commands above).

• Note: If you prefer to open the repo directly in Codespaces (without an extra clone), be aware Codespaces will construct the devcontainer environment and may still provision more than you need. Cloning a shallow copy inside a fresh Codespace gives you more control over disk usage.

• ਹਮੇਸ਼ਾਂ ਕਲੋਨ URL ਨੂੰ ਆਪਣੀ ਫੋਰਕ ਨਾਲ ਬਦਲੋ ਜੇ ਤੁਸੀਂ ਸੰਪਾਦਨ/ਕਮਿਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ।
• ਜੇ ਬਾਅਦ ਵਿੱਚ ਤੁਹਾਨੂੰ ਹੋਰ ਇਤਿਹਾਸ ਜਾਂ ਫਾਈਲਾਂ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਫੈਚ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ sparse-checkout ਨੂੰ ਅਨੁਕੂਲ ਕਰਕੇ ਵਾਧੂ ਫੋਲਡਰ ਸ਼ਾਮਿਲ ਕਰ ਸਕਦੇ ਹੋ।

ਇਹ ਕੋਰਸ ਕੁਝ Jupyter ਨੋਟਬੁੱਕਸ ਮੁਹੱਈਆ ਕਰਵਾਉਂਦਾ ਹੈ, ਜੋ ਤੁਹਾਨੂੰ AI ਏਜੰਟ ਬਣਾਉਣ ਵਿੱਚ ਹੈਂਡਸ-ਆਨ ਅਨੁਭਵ ਦੇਣ ਲਈ ਚਲਾਏ ਜਾ ਸਕਦੇ ਹਨ।

The code samples use Microsoft Agent Framework (MAF) with the AzureAIProjectAgentProvider, which connects to Azure AI Agent Service V2 (the Responses API) through Microsoft Foundry.

All Python notebooks are labelled *-python-agent-framework.ipynb.

• Python 3.12+

  • NOTE: If you don't have Python3.12 installed, ensure you install it. Then create your venv using python3.12 to ensure the correct versions are installed from the requirements.txt file.

    ਉਦਾਹਰਨ

    Create Python venv directory:

    python -m venv venv
    

    Then activate venv environment for:

    # ਜ਼ੇਐਸਐਚ/ਬੈਸ਼
    source venv/bin/activate
    

    # Command Prompt for Windows
    venv\Scripts\activate
    

• .NET 10+: For the sample codes using .NET, ensure you install .NET 10 SDK or later. Then, check your installed .NET SDK version:

  dotnet --list-sdks
  

• Azure CLI — Required for authentication. Install from aka.ms/installazurecli.

• Azure Subscription — For access to Microsoft Foundry and Azure AI Agent Service.

• Microsoft Foundry Project — A project with a deployed model (e.g., gpt-4o). See Step 1 below.

ਸਾਡੇ ਰਿਪੋ ਦੀ ਰੂਟ ਵਿੱਚ ਇੱਕ requirements.txt ਫਾਇਲ ਸ਼ਾਮਿਲ ਹੈ ਜਿਸ ਵਿੱਚ ਸਾਰੇ ਲਾਜ਼ਮੀ Python ਪੈਕੇਜ ਹਨ ਜੋ ਕੋਡ ਸੈਂਪਲ ਚਲਾਉਣ ਲਈ ਚਾਹੀਦੇ ਹਨ।

ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਨੂੰ ਰਿਪੋ ਦੀ ਰੂਟ ਵਿੱਚ ਆਪਣੇ ਟਰਮੀਨਲ 'ਚ ਹੇਠ ਲਿਖੇ ਕਮਾਂਡ ਚਲਾ ਕੇ ਇੰਸਟਾਲ ਕਰ ਸਕਦੇ ਹੋ:

pip install -r requirements.txt

ਅਸੀਂ ਕਿਸੇ ਵੀ ਟਕਰਾਅ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਬਚਣ ਲਈ ਇੱਕ Python ਵਰਚੁਅਲ ਇਨਵਾਇਰਨਮੈਂਟ ਬਣਾਉਣ ਦੀ ਸਿਫਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ।

ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਸੀਂ VSCode ਵਿੱਚ ਸਹੀ ورਜ਼ਨ ਦਾ Python ਵਰਤ ਰਹੇ ਹੋ।

ਨੋਟਬੁੱਕ ਚਲਾਉਣ ਲਈ ਤੁਹਾਨੂੰ Azure AI Foundry ਵਿੱਚ ਇੱਕ hub ਅਤੇ project ਦੀ ਲੋੜ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਡਿਪਲੋਯ ਕੀਤੀ ਹੋਈ ਮਾਡਲ ਹੋਵੇ।

1. ai.azure.com 'ਤੇ ਜਾਓ ਅਤੇ ਆਪਣੇ Azure ਖਾਤੇ ਨਾਲ ਸਾਈਨ ਇਨ ਕਰੋ।
2. ਇੱਕ hub ਬਣਾਉ (ਜਾਂ ਮੌਜੂਦਾ ਹਬ ਦੀ ਵਰਤੋਂ ਕਰੋ)। ਵੇਖੋ: Hub resources overview.
3. ਹਬ ਦੇ ਅੰਦਰ ਇੱਕ project ਬਣਾਓ।
4. Models + Endpoints → Deploy model ਤੋਂ ਇੱਕ ਮਾਡਲ (ਉਦਾਹਰਨ ਲਈ gpt-4o) ਡਿਪਲੋਇ ਕਰੋ।

Microsoft Foundry ਪੋਰਟਲ ਵਿੱਚ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਤੋਂ:

• Project Endpoint — Overview ਪੇਜ 'ਤੇ ਜਾਓ ਅਤੇ endpoint URL ਕੌਪੀ ਕਰੋ।

• Model Deployment Name — Models + Endpoints 'ਤੇ ਜਾਓ, ਆਪਣੇ ਡਿਪਲੋਯ ਕੀਤੇ ਮਾਡਲ ਨੂੰ ਚੁਣੋ ਅਤੇ Deployment name ਨੋਟ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ gpt-4o)।

ਸਾਰੇ ਨੋਟਬੁੱਕਸ authentication ਲਈ AzureCliCredential ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ — ਕੋਈ API ਕੀਜ਼ ਮੈਨੇਜ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ। ਇਸ ਲਈ ਤੁਹਾਨੂੰ Azure CLI ਰਾਹੀਂ ਸਾਈਨ ਇਨ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ।

1. Install the Azure CLI ਜੇ ਤੁਸੀਂ ਪਹਿਲਾਂ ਨਹੀਂ ਕੀਤਾ: aka.ms/installazurecli

2. Sign in ਕਰਨ ਲਈ ਰਨ ਕਰੋ:

   az login
   

   Or if you're in a remote/Codespace environment without a browser:

   az login --use-device-code
   

3. Select your subscription ਜੇ ਪ੍ਰਾਂਪਟ ਕੀਤਾ ਜਾਵੇ — ਉਸੇ ਨੂੰ ਚੁਣੋ ਜਿਸ ਵਿੱਚ ਤੁਹਾਡਾ Foundry ਪ੍ਰੋਜੈਕਟ ਹੈ।

4. Verify ਕਿ ਤੁਸੀਂ ਸਾਈਨ ਇਨ ਹੋ:

   az account show
   

ਕਿਉਂ az login? ਨੋਟਬੁੱਕਸ azure-identity ਪੈਕੇਜ ਤੋਂ AzureCliCredential ਦੀ ਵਰਤੋਂ ਕਰਕੇ authenticate ਕਰਦੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਤੁਹਾਡਾ Azure CLI ਸੈਸ਼ਨ ਹੀ ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ — ਤੁਹਾਡੇ .env ਫਾਇਲ ਵਿੱਚ ਕੋਈ API ਕੀਜ ਜਾਂ ਸਿਕ੍ਰੇਟ ਨਹੀਂ। ਇਹ ਇੱਕ ਸੁਰੱਖਿਆ ਦੇ ਸਭ ਤੋਂ ਚੰਗੇ ਅਭਿਆਸ ਹੈ।

Example ਫਾਇਲ ਨੂੰ ਕਾਪੀ ਕਰੋ:

# zsh/ਬੈਸ਼
cp .env.example .env

# ਪਾਵਰਸ਼ੈੱਲ
Copy-Item .env.example .env

.env ਖੋਲ੍ਹੋ ਅਤੇ ਇਹ ਦੋ ਮੁੱਲ ਭਰੋ:

AZURE_AI_PROJECT_ENDPOINT=https://<your-project>.services.ai.azure.com/api/projects/<your-project-id>
AZURE_AI_MODEL_DEPLOYMENT_NAME=gpt-4o

Variable	Where to find it
AZURE_AI_PROJECT_ENDPOINT	Foundry portal → your project → Overview page
AZURE_AI_MODEL_DEPLOYMENT_NAME	Foundry portal → Models + Endpoints → your deployed model's name

ਇਹ ਜ਼ਿਆਦਾਤਰ ਪਾਠਾਂ ਲਈ ਕਾਫੀ ਹੈ! ਨੋਟਬੁੱਕਸ ਆਪਣੇ az login ਸੈਸ਼ਨ ਰਾਹੀਂ ਆਟੋਮੈਟਿਕ ਤੌਰ 'ਤੇ authenticate ਕਰ ਲੈਣਗੇ।

pip install -r requirements.txt

ਅਸੀਂ ਸਿਫਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਇਹ ਪਹਿਲਾਂ ਬਣਾਏ ਵਰਚੁਅਲ ਇਨਵਾਇਰਨਮੈਂਟ ਦੇ ਅੰਦਰ ਚਲਾਓ।

Lesson 5 retrieval-augmented generation ਲਈ Azure AI Search ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਉਹ ਪਾਠ ਚਲਾਉਣ ਦਾ ਯੋਜਨਾ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਆਪਣੀ .env ਫਾਇਲ ਵਿੱਚ ਇਹ ਵੈਰੀਏਬਲ ਜੋੜੋ:

Variable	Where to find it
AZURE_SEARCH_SERVICE_ENDPOINT	Azure portal → your Azure AI Search resource → Overview → URL
AZURE_SEARCH_API_KEY	Azure portal → your Azure AI Search resource → Settings → Keys → primary admin key

ਕਈ ਨੋਟਬੁੱਕਸ ਜੋ Lesson 6 ਅਤੇ 8 ਵਿੱਚ ਹਨ, ਉਹ Azure AI Foundry ਦੀ ਬਜਾਏ GitHub Models ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜੇ ਤੁਸੀਂ ਉਹ ਸੈਂਪਲ ਚਲਾਉਣ ਦਾ ਯੋਜਨਾ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਆਪਣੀ .env ਫਾਇਲ ਵਿੱਚ ਇਹ ਵੈਰੀਏਬਲ ਸ਼ਾਮਿਲ ਕਰੋ:

Variable	Where to find it
GITHUB_TOKEN	GitHub → Settings → Developer settings → Personal access tokens
GITHUB_ENDPOINT	Use https://models.inference.ai.azure.com (default value)
GITHUB_MODEL_ID	Model name to use (e.g. gpt-4o-mini)

Lesson 8 ਦਾ conditional workflow ਨੋਟਬੁੱਕ Azure AI Foundry ਰਾਹੀਂ Bing grounding ਵਰਤਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਉਹ ਸੈਂਪਲ ਚਲਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਆਪਣੀ .env ਫਾਇਲ ਵਿੱਚ ਇਹ ਵੈਰੀਏਬਲ ਜੋੜੋ:

Variable	Where to find it
BING_CONNECTION_ID	Azure AI Foundry portal → your project → Management → Connected resources → your Bing connection → copy the connection ID

ਜੇ ਤੁਸੀਂ macOS 'ਤੇ ਹੋ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਗਲਤੀ ਆਉਂਦੀ ਹੈ:

ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: self-signed certificate in certificate chain

ਇਹ Python ਦੇ macOS 'ਤੇ ਜਾਣੀ-ਪਹਚਾਨੀ ਸਮੱਸਿਆ ਹੈ ਜਿੱਥੇ ਸਿਸਟਮ SSL ਸਰਟੀਫਿਕੇਟ ਆਪੇ ਤੋਂ ਟਰੱਸਟ ਨਹੀਂ ਮੰਨੇ ਜਾਂਦੇ। ਕ੍ਰਮਵਾਰ ਹੇਠ ਲਿਖੇ ਹੱਲ ਅਜ਼ਮਾਓ:

Option 1: Run Python's Install Certificates script (recommended)

# ਆਪਣੇ ਇੰਸਟਾਲ ਹੋਏ Python ਵਰਜ਼ਨ ਨਾਲ 3.XX ਨੂੰ ਬਦਲੋ (ਉਦਾਹਰਨ ਵੱਜੋਂ, 3.12 ਜਾਂ 3.13):
/Applications/Python\ 3.XX/Install\ Certificates.command

Option 2: Use connection_verify=False in your notebook (for GitHub Models notebooks only)

Lesson 6 ਨੋਟਬੁੱਕ (06-building-trustworthy-agents/code_samples/06-system-message-framework.ipynb) ਵਿੱਚ ਇੱਕ commented-out ਵਰਕਅਰਾਉਂਡ ਪਹਿਲਾਂ ਤੋਂ ਸ਼ਾਮਿਲ ਹੈ। client ਬਣਾਉਂਦੇ ਸਮੇਂ connection_verify=False ਨੂੰ uncomment ਕਰੋ:

client = ChatCompletionsClient(
    endpoint=endpoint,
    credential=AzureKeyCredential(token),
    connection_verify=False,  # ਜੇ ਤੁਹਾਨੂੰ ਸਰਟੀਫਿਕੇਟ ਸਮੱਸਿਆਵਾਂ ਆਉਂਦੀਆਂ ਹਨ ਤਾਂ SSL ਜਾਂਚ ਬੰਦ ਕਰੋ
)

⚠️ ਚੇਤਾਵਨੀ: SSL ਵੈਰੀਫਿਕੇਸ਼ਨ ਬੰਦ ਕਰਨਾ (connection_verify=False) ਸਰਟੀਫਿਕੇਟ ਵੈਧਤਾ ਨੂੰ ਸਕਿਪ ਕਰਕੇ ਸੁਰੱਖਿਆ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਇਹ ਸਿਰਫ ਵਿਕਾਸ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਅਸਥਾਈ ਵਰਕਅਰਾਉਂਡ ਵਜੋਂ ਵਰਤੋ, ਪ੍ਰੋਡਕਸ਼ਨ ਵਿੱਚ ਕਦੇ ਵੀ ਨਹੀਂ।

Option 3: Install and use truststore

pip install truststore

ਫਿਰ ਆਪਣੇ ਨੋਟਬੁੱਕ ਜਾਂ ਸਕ੍ਰਿਪਟ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਕਿਸੇ ਵੀ ਨੈਟਵਰਕ ਕਾਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੇਠ ਲਿਖਿਆ ਸ਼ਾਮਿਲ ਕਰੋ:

import truststore
truststore.inject_into_ssl()

ਜੇ ਇਸ ਸੈਟਅਪ ਨੂੰ ਚਲਾਉਣ ਸਮੇਂ ਤੁਹਾਨੂੰ ਕੋਈ ਸਮੱਸਿਆ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਸਾਡੇ Azure AI Community Discord ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੋਵੋ ਜਾਂ ਇੱਕ ਇਸ਼ੂ ਬਣਾਓ।

ਤੁਸੀਂ ਹੁਣ ਇਸ ਕੋਰਸ ਲਈ ਕੋਡ ਚਲਾਉਣ ਲਈ ਤਿਆਰ ਹੋ। AI ਏਜੰਟਸ ਦੀ ਦੁਨੀਆ ਬਾਰੇ ਹੋਰ ਸਿੱਖਣ ਲਈ ਖੁਸ਼ ਰਹੋ!

AI ਏਜੰਟਸ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਉਪਯੋਗ ਕੇਸ

---

ਜ਼ਿੰਮੇਵਾਰੀ ਤੋਂ ਇਨਕਾਰ: ਇਹ ਦਸਤਾਵੇਜ਼ ਏ.ਆਈ. ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਨਾਲ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਅਸੀਂ ਸ਼ੁੱਧਤਾ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਪਰ ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਣਸ਼ੁੱਧਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਗੰਭੀਰ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ-ਵਿਆਖਿਆਵਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।