ai-agents-for-beginners
(Klik på billedet ovenfor for at se video af denne lektion)
Opbygning af Pålidelige AI-agenter
Introduktion
Denne lektion vil dække:
- Hvordan man bygger og implementerer sikre og effektive AI-agenter
- Vigtige sikkerhedsovervejelser ved udvikling af AI-agenter.
- Hvordan man opretholder data- og brugerprivatliv ved udvikling af AI-agenter.
Læringsmål
Efter at have gennemført denne lektion vil du vide, hvordan du:
- Identificerer og mindsker risici ved oprettelse af AI-agenter.
- Implementerer sikkerhedsforanstaltninger for at sikre, at data og adgang håndteres korrekt.
- Opretter AI-agenter, der opretholder dataprivatliv og leverer en kvalitetsoplevelse for brugeren.
Sikkerhed
Lad os først se på at bygge sikre agent-baserede applikationer. Sikkerhed betyder, at AI-agenten fungerer som designet. Som udviklere af agentbaserede applikationer har vi metoder og værktøjer til at maksimere sikkerheden:
Opbygning af et systembesked-rammeværk
Hvis du nogensinde har bygget en AI-applikation ved hjælp af store sprogmodeller (LLM’er), ved du, hvor vigtigt det er at designe en robust systemprompt eller systembesked. Disse prompts etablerer metaregler, instruktioner og retningslinjer for, hvordan LLM’en vil interagere med brugeren og data.
For AI-agenter er systemprompten endnu vigtigere, da AI-agenten vil have brug for meget specifikke instruktioner for at fuldføre de opgaver, vi har designet til dem.
For at skabe skalerbare systemprompts kan vi bruge et systembesked-rammeværk til at bygge en eller flere agenter i vores applikation:
Trin 1: Opret en Meta Systembesked
Meta-prompten vil blive brugt af en LLM til at generere systemprompter til de agenter, vi opretter. Vi designer den som en skabelon, så vi effektivt kan skabe flere agenter, hvis det er nødvendigt.
Her er et eksempel på en meta systembesked, vi ville give til LLM’en:
You are an expert at creating AI agent assistants.
You will be provided a company name, role, responsibilities and other
information that you will use to provide a system prompt for.
To create the system prompt, be descriptive as possible and provide a structure that a system using an LLM can better understand the role and responsibilities of the AI assistant.
Trin 2: Opret en grundlæggende prompt
Næste trin er at oprette en grundlæggende prompt til at beskrive AI-agenten. Du bør inkludere agentens rolle, de opgaver, agenten skal udføre, og eventuelle andre ansvar for agenten.
Her er et eksempel:
You are a travel agent for Contoso Travel that is great at booking flights for customers. To help customers you can perform the following tasks: lookup available flights, book flights, ask for preferences in seating and times for flights, cancel any previously booked flights and alert customers on any delays or cancellations of flights.
Trin 3: Giv grundlæggende systembesked til LLM
Nu kan vi optimere denne systembesked ved at give meta systembeskeden som systembesked samt vores grundlæggende systembesked.
Dette vil producere en systembesked, der er bedre designet til at vejlede vores AI-agenter:
**Company Name:** Contoso Travel
**Role:** Travel Agent Assistant
**Objective:**
You are an AI-powered travel agent assistant for Contoso Travel, specializing in booking flights and providing exceptional customer service. Your main goal is to assist customers in finding, booking, and managing their flights, all while ensuring that their preferences and needs are met efficiently.
**Key Responsibilities:**
1. **Flight Lookup:**
- Assist customers in searching for available flights based on their specified destination, dates, and any other relevant preferences.
- Provide a list of options, including flight times, airlines, layovers, and pricing.
2. **Flight Booking:**
- Facilitate the booking of flights for customers, ensuring that all details are correctly entered into the system.
- Confirm bookings and provide customers with their itinerary, including confirmation numbers and any other pertinent information.
3. **Customer Preference Inquiry:**
- Actively ask customers for their preferences regarding seating (e.g., aisle, window, extra legroom) and preferred times for flights (e.g., morning, afternoon, evening).
- Record these preferences for future reference and tailor suggestions accordingly.
4. **Flight Cancellation:**
- Assist customers in canceling previously booked flights if needed, following company policies and procedures.
- Notify customers of any necessary refunds or additional steps that may be required for cancellations.
5. **Flight Monitoring:**
- Monitor the status of booked flights and alert customers in real-time about any delays, cancellations, or changes to their flight schedule.
- Provide updates through preferred communication channels (e.g., email, SMS) as needed.
**Tone and Style:**
- Maintain a friendly, professional, and approachable demeanor in all interactions with customers.
- Ensure that all communication is clear, informative, and tailored to the customer's specific needs and inquiries.
**User Interaction Instructions:**
- Respond to customer queries promptly and accurately.
- Use a conversational style while ensuring professionalism.
- Prioritize customer satisfaction by being attentive, empathetic, and proactive in all assistance provided.
**Additional Notes:**
- Stay updated on any changes to airline policies, travel restrictions, and other relevant information that could impact flight bookings and customer experience.
- Use clear and concise language to explain options and processes, avoiding jargon where possible for better customer understanding.
This AI assistant is designed to streamline the flight booking process for customers of Contoso Travel, ensuring that all their travel needs are met efficiently and effectively.
Trin 4: Iterer og forbedr
Værdien af dette systembesked-rammeværk er at kunne skalere oprettelsen af systembeskeder fra flere agenter lettere samt at forbedre dine systembeskeder over tid. Det er sjældent, at du har en systembesked, der fungerer første gang til din komplette brugssag. At kunne foretage små justeringer og forbedringer ved at ændre den grundlæggende systembesked og køre den igennem systemet vil gøre det muligt for dig at sammenligne og evaluere resultater.
Forståelse af trusler
For at opbygge pålidelige AI-agenter er det vigtigt at forstå og afbøde risici og trusler mod din AI-agent. Lad os se på nogle af de forskellige trusler mod AI-agenter, og hvordan du bedre kan planlægge og forberede dig på dem.
Opgave og instruktion
Beskrivelse: Angribere forsøger at ændre instruktionerne eller målene for AI-agenten gennem promptning eller manipulation af input.
Afhjælpning: Udfør valideringskontroller og inputfiltre for at opdage potentielt farlige prompts, før de behandles af AI-agenten. Da disse angreb typisk kræver hyppig interaktion med agenten, er det en anden måde at forhindre disse typer angreb på at begrænse antallet af samtaletonskifte.
Adgang til kritiske systemer
Beskrivelse: Hvis en AI-agent har adgang til systemer og tjenester, der gemmer følsomme data, kan angribere kompromittere kommunikationen mellem agenten og disse tjenester. Dette kan være direkte angreb eller indirekte forsøg på at indhente information om disse systemer gennem agenten.
Afhjælpning: AI-agenter bør have adgang til systemer på basis af behov for kun at forhindre denne type angreb. Kommunikation mellem agenten og systemet bør også være sikker. Implementering af autentificering og adgangskontrol er en anden måde at beskytte disse oplysninger på.
Ressource- og serviceoverbelastning
Beskrivelse: AI-agenter kan få adgang til forskellige værktøjer og tjenester for at udføre opgaver. Angribere kan udnytte denne evne til at angribe disse tjenester ved at sende et højt volumen af anmodninger via AI-agenten, hvilket kan føre til systemfejl eller høje omkostninger.
Afhjælpning: Implementer politikker for at begrænse antallet af anmodninger, en AI-agent kan sende til en tjeneste. At begrænse antallet af samtaletonskifte og anmodninger til din AI-agent er en anden måde at forhindre denne type angreb.
Forurening af vidensbase
Beskrivelse: Denne type angreb retter sig ikke direkte mod AI-agenten, men mod vidensbasen og andre tjenester, som AI-agenten vil bruge. Dette kan involvere korruption af data eller information, som AI-agenten vil bruge til at udføre en opgave, hvilket fører til forudindtagede eller utilsigtede svar til brugeren.
Afhjælpning: Udfør regelmæssige verifikationer af de data, som AI-agenten vil bruge i sine arbejdsgange. Sørg for, at adgangen til disse data er sikker og kun ændres af betroede personer for at undgå denne type angreb.
Kaskaderende fejl
Beskrivelse: AI-agenter har adgang til forskellige værktøjer og tjenester for at udføre opgaver. Fejl forårsaget af angribere kan føre til fejl i andre systemer, som AI-agenten er forbundet til, hvilket får angrebet til at blive mere udbredt og vanskeligere at fejlfinde.
Afhjælpning: En metode til at undgå dette er at lade AI-agenten operere i et begrænset miljø, såsom at udføre opgaver i en Docker-container, for at forhindre direkte systemangreb. At oprette fallback-mekanismer og retry-logik, når visse systemer svarer med en fejl, er en anden måde at forhindre større systemfejl på.
Menneske-i-loop
En anden effektiv måde at opbygge pålidelige AI-agent systemer er ved at bruge en menneske-i-loop. Dette skaber en proces, hvor brugere kan give feedback til agenterne under kørslen. Brugere fungerer faktisk som agenter i et multi-agent system ved at give godkendelse eller afslutning af den kørende proces.
Her er et kodeudsnit, der bruger Microsoft Agent Framework for at vise, hvordan dette koncept implementeres:
import os
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential
# Opret udbyderen med menneskelig-godkendelse i løkken
provider = FoundryChatClient(
project_endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
credential=AzureCliCredential(),
)
# Opret agenten med et trin til menneskelig godkendelse
response = provider.create_response(
input="Write a 4-line poem about the ocean.",
instructions="You are a helpful assistant. Ask for user approval before finalizing.",
)
# Brugeren kan gennemgå og godkende svaret
print(response.output_text)
user_input = input("Do you approve? (APPROVE/REJECT): ")
if user_input == "APPROVE":
print("Response approved.")
else:
print("Response rejected. Revising...")
Konklusion
At bygge pålidelige AI-agenter kræver omhyggeligt design, robuste sikkerhedsforanstaltninger og løbende iteration. Ved at implementere strukturerede meta prompt systemer, forstå potentielle trusler og anvende afbødende strategier, kan udviklere skabe AI-agenter, der både er sikre og effektive. Ydermere sikrer en menneske-i-loop tilgang, at AI-agenter forbliver tilpasset brugerens behov, samtidig med at risici minimeres. Efterhånden som AI fortsætter med at udvikle sig, vil det være nøglen til at fremme tillid og pålidelighed i AI-drevne systemer at opretholde et proaktivt fokus på sikkerhed, privatliv og etiske overvejelser.
Kodeeksempler
code_samples/06-system-message-framework.ipynb: Trin-for-trin demonstration af meta-prompt systembesked-rammeværk.code_samples/06-human-in-the-loop.ipynb: Før-handle godkendelsesporte, risikoklassificering og revisionslogning for pålidelige agenter.
Har du flere spørgsmål om opbygning af pålidelige AI-agenter?
Deltag i Microsoft Foundry Discord for at møde andre elever, deltage i kontortimer og få svar på dine spørgsmål om AI-agenter.
Yderligere Ressourcer
- Oversigt over ansvarlig AI
- Evaluering af generative AI-modeller og AI-applikationer
- Sikkerhedssystembeskeder
- Skabelon til risikovurdering
Forrige lektion
Næste lektion
Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.