ai-agents-for-beginners
(انقر على الصورة أعلاه لعرض فيديو هذا الدرس)
مقدمة عن وكلاء الذكاء الاصطناعي وحالات استخدام الوكلاء
مرحبًا بكم في دورة “وكلاء الذكاء الاصطناعي للمبتدئين”! توفر هذه الدورة معرفة أساسية وأمثلة عملية لبناء وكلاء الذكاء الاصطناعي.
انضم إلى مجتمع Azure AI على Discord للقاء متعلّمين وبنائي وكلاء الذكاء الاصطناعي الآخرين وطرح أي أسئلة لديك حول هذه الدورة.
لبدء هذه الدورة، نبدأ بفهم أفضل لما هي الوكلاء وكيف يمكننا استخدامهم في التطبيقات وسير العمل التي نبنيها.
مقدمة
يغطي هذا الدرس:
- ما هي الوكلاء الذكائية وما هي الأنواع المختلفة من الوكلاء؟
- ما هي حالات الاستخدام الأنسب للوكلاء وكيف يمكن أن تساعدنا؟
- ما هي بعض اللبنات الأساسية عند تصميم حلول قائمة على الوكلاء؟
أهداف التعلم
بعد إتمام هذا الدرس، ينبغي أن تكون قادرًا على:
- فهم مفاهيم وكلاء الذكاء الاصطناعي وكيف تختلف عن حلول الذكاء الاصطناعي الأخرى.
- تطبيق الوكلاء بأكثر الطرق كفاءة.
- تصميم حلول قائمة على الوكلاء بشكل إنتاجي للمستخدمين والعملاء.
تعريف الوكلاء الذكاء وأنواعهم
ما هي وكلاء الذكاء الاصطناعي؟
الوكلاء الذكاء الاصطناعي هم أنظمة تمكّن النماذج اللغوية الكبيرة(LLMs) من تنفيذ إجراءات من خلال توسيع قدراتهم بمنح النماذج اللغوية الكبيرة الوصول إلى الأدوات والمعرفة.
دعونا نجزئ هذا التعريف إلى أجزاء أصغر:
- System - من المهم التفكير في الوكلاء ليس كمكوّن واحد فقط بل كنظام مكوّن من عدة مكونات. على المستوى الأساسي، مكونات وكيل الذكاء الاصطناعي هي:
- Environment - المساحة المعرفة التي يعمل فيها وكيل الذكاء الاصطناعي. على سبيل المثال، إذا كان لدينا وكيل لحجز السفر، فقد تكون البيئة نظام حجز السفر الذي يستخدمه الوكيل لإكمال المهام.
- Sensors - لدى البيئات معلومات وتوفر تغذية راجعة. يستخدم وكلاء الذكاء الاصطناعي الحساسات لجمع وتفسير هذه المعلومات حول الحالة الحالية للبيئة. في مثال وكيل حجز السفر، يمكن لنظام الحجز أن يوفر معلومات مثل توفّر الفنادق أو أسعار الرحلات.
- Actuators - بمجرد أن يتلقى الوكيل الحالة الحالية للبيئة، يحدد الوكيل للإجراء الحالي ما الإجراء الذي ينبغي تنفيذه لتغيير البيئة. بالنسبة لوكيل حجز السفر، قد يكون ذلك حجز غرفة متاحة للمستخدم.
النماذج اللغوية الكبيرة - مفهوم الوكلاء كان موجودًا قبل إنشاء النماذج اللغوية الكبيرة. ميزة بناء الوكلاء باستخدام النماذج اللغوية الكبيرة هي قدرتها على تفسير اللغة البشرية والبيانات. تتيح هذه القدرة للنماذج تفسير معلومات البيئة وتحديد خطة لتغيير البيئة.
تنفيذ الإجراءات - خارج أنظمة الوكلاء، تقتصر النماذج اللغوية الكبيرة على مواقف يكون فيها الفعل هو توليد محتوى أو معلومات استنادًا إلى موجه المستخدم. داخل أنظمة الوكلاء، يمكن للنماذج اللغوية الكبيرة إنجاز المهام من خلال تفسير طلب المستخدم واستخدام الأدوات المتاحة في بيئتها.
الوصول إلى الأدوات - الأدوات التي يمكن للنموذج اللغوي الكبير الوصول إليها يحددها 1) البيئة التي يعمل فيها و2) مطور الوكيل. في مثال وكيل السفر، تقتصر أدوات الوكيل على العمليات المتاحة في نظام الحجز، و/أو يمكن للمطور تقييد وصول الوكيل إلى أدوات خاصة بالرحلات فقط.
الذاكرة+المعرفة - يمكن أن تكون الذاكرة قصيرة الأمد في سياق المحادثة بين المستخدم والوكيل. على المدى الطويل، خارج المعلومات المقدمة من البيئة، يمكن للوكلاء أيضًا استرداد المعرفة من أنظمة وخدمات وأدوات أخرى، وحتى من وكلاء آخرين. في مثال وكيل السفر، قد تكون هذه المعرفة معلومات عن تفضيلات السفر للمستخدم المخزنة في قاعدة بيانات العملاء.
الأنواع المختلفة من الوكلاء
الآن بعد أن حصلنا على تعريف عام للوكلاء، دعونا نلقي نظرة على بعض أنواع الوكلاء المحددة وكيف سيتم تطبيقها على وكيل حجز السفر.
| Agent Type | Description | Example |
|---|---|---|
| Simple Reflex Agents | Perform immediate actions based on predefined rules. | Travel agent interprets the context of the email and forwards travel complaints to customer service. |
| Model-Based Reflex Agents | Perform actions based on a model of the world and changes to that model. | Travel agent prioritizes routes with significant price changes based on access to historical pricing data. |
| Goal-Based Agents | Create plans to achieve specific goals by interpreting the goal and determining actions to reach it. | Travel agent books a journey by determining necessary travel arrangements (car, public transit, flights) from the current location to the destination. |
| Utility-Based Agents | Consider preferences and weigh tradeoffs numerically to determine how to achieve goals. | Travel agent maximizes utility by weighing convenience vs. cost when booking travel. |
| Learning Agents | Improve over time by responding to feedback and adjusting actions accordingly. | Travel agent improves by using customer feedback from post-trip surveys to make adjustments to future bookings. |
| Hierarchical Agents | Feature multiple agents in a tiered system, with higher-level agents breaking tasks into subtasks for lower-level agents to complete. | Travel agent cancels a trip by dividing the task into subtasks (for example, canceling specific bookings) and having lower-level agents complete them, reporting back to the higher-level agent. |
| Multi-Agent Systems (MAS) | Agents complete tasks independently, either cooperatively or competitively. | Cooperative: Multiple agents book specific travel services such as hotels, flights, and entertainment. Competitive: Multiple agents manage and compete over a shared hotel booking calendar to book customers into the hotel. |
متى تستخدم وكلاء الذكاء الاصطناعي
في القسم السابق، استخدمنا حالة استخدام وكيل السفر لشرح كيف يمكن استخدام الأنواع المختلفة من الوكلاء في سيناريوهات حجز السفر المختلفة. سنواصل استخدام هذا التطبيق طوال الدورة.
لننظر إلى أنواع حالات الاستخدام التي تناسب الوكلاء الذكاء الاصطناعي بشكل أفضل:
- المشكلات ذات النهاية المفتوحة - السماح للنموذج اللغوي الكبير بتحديد الخطوات اللازمة لإكمال مهمة لأنه لا يمكن دائمًا ترميزها بشكل صارم ضمن سير العمل.
- العمليات متعددة الخطوات - المهام التي تتطلب مستوى من التعقيد الذي يحتاج فيه الوكيل إلى استخدام أدوات أو معلومات عبر عدة دورات بدلاً من استرجاع لمرة واحدة.
- التحسن مع الزمن - المهام التي يمكن للوكيل تحسينها مع مرور الوقت عن طريق تلقي ملاحظات من بيئته أو من المستخدمين لتوفير فائدة أفضل.
نغطي المزيد من الاعتبارات حول استخدام الوكلاء في درس بناء وكلاء ذكاء اصطناعي موثوقين.
أساسيات الحلول القائمة على الوكلاء
تطوير الوكلاء
الخطوة الأولى في تصميم نظام وكيل الذكاء الاصطناعي هي تعريف الأدوات والإجراءات والسلوكيات. في هذه الدورة، نركز على استخدام خدمة Azure AI Agent Service لتعريف وكلائنا. توفر ميزات مثل:
- Selection of Open Models such as OpenAI, Mistral, and Llama
- Use of Licensed Data through providers such as Tripadvisor
- Use of standardized OpenAPI 3.0 tools
أنماط وكيلية
التواصل مع النماذج اللغوية الكبيرة يتم عبر المحفزات (prompts). نظرًا للطبيعة شبه المستقلة للوكلاء، فليس دائمًا ممكنًا أو مطلوبًا إعادة تحفيز النموذج يدويًا بعد حدوث تغيير في البيئة. نستخدم أنماط وكيلية التي تسمح لنا بتحفيز النموذج عبر عدة خطوات بطريقة أكثر قابلية للتوسع.
تقسم هذه الدورة بعض أنماط الوكلاء الشائعة حاليًا.
أُطر وكيلية
تسمح الأُطر الوكيلية للمطورين بتنفيذ الأنماط الوكيلية من خلال الشيفرة. توفر هذه الأُطر قوالب وإضافات وأدوات لتحسين تعاون الوكلاء. توفر هذه الفوائد قدرات لمراقبة أفضل واستكشاف أخطاء أنظمة الوكلاء وإصلاحها.
في هذه الدورة، سوف نستكشف Microsoft Agent Framework (MAF) لبناء وكلاء جاهزين للإنتاج.
أمثلة الشيفرة
- Python: Agent Framework
- .NET: Agent Framework
هل لديك المزيد من الأسئلة حول وكلاء الذكاء الاصطناعي؟
انضم إلى Microsoft Foundry Discord للقاء متعلّمين آخرين، حضور ساعات المكتب والحصول على إجابات لأسئلتك حول وكلاء الذكاء الاصطناعي.
الدرس السابق
الدرس التالي
إخلاء المسؤولية: تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator (https://github.com/Azure/co-op-translator). بينما نسعى إلى الدقة، يُرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار الوثيقة الأصلية في لغتها الأصلية المرجع الموثوق به. للمعلومات الحرجة، يُنصح بالاعتماد على ترجمة بشرية محترفة. لسنا مسؤولين عن أي سوء فهم أو تفسير ينشأ عن استخدام هذه الترجمة.