ai-agents-for-beginners

Ρύθμιση Μαθήματος

Εισαγωγή

Αυτό το μάθημα θα καλύψει πώς να εκτελέσετε τα παραδείγματα κώδικα αυτού του μαθήματος.

Εγγραφείτε με Άλλους Μαθητές και Λάβετε Βοήθεια

Πριν ξεκινήσετε να κλωνοποιείτε το αποθετήριο σας, εγγραφείτε στο κανάλι Discord για Αρχάριους AI Agents για να λάβετε βοήθεια με τη ρύθμιση, να κάνετε ερωτήσεις σχετικά με το μάθημα ή να συνδεθείτε με άλλους μαθητές.

Κλωνοποιήστε ή Δημιουργήστε Fork σε αυτό το Αποθετήριο

Για να ξεκινήσετε, παρακαλώ κλωνοποιήστε ή δημιουργήστε fork στο GitHub Repository. Αυτό θα δημιουργήσει τη δική σας έκδοση του υλικού του μαθήματος, ώστε να μπορείτε να εκτελέσετε, να δοκιμάσετε και να τροποποιήσετε τον κώδικα!

Αυτό μπορεί να γίνει κάνοντας κλικ στον σύνδεσμο για δημιουργία fork στο αποθετήριο.

Θα πρέπει τώρα να έχετε τη δική σας έκδοση fork αυτού του μαθήματος στον παρακάτω σύνδεσμο:

Forked Repo

Ρηχή Κλωνοποίηση (συνιστάται για εργαστήρια / Codespaces)

Το πλήρες αποθετήριο μπορεί να είναι μεγάλο (~3 GB) όταν κατεβάζετε όλο το ιστορικό και όλα τα αρχεία. Εάν παρακολουθείτε μόνο το εργαστήριο ή χρειάζεστε μόνο μερικούς φακέλους μαθημάτων, μια ρηχή κλωνοποίηση (ή μια αραιή κλωνοποίηση) αποφεύγει το μεγαλύτερο μέρος αυτής της λήψης, περιορίζοντας το ιστορικό και/ή παραλείποντας blobs.

Γρήγορη ρηχή κλωνοποίηση — ελάχιστο ιστορικό, όλα τα αρχεία

Αντικαταστήστε το <your-username> στις παρακάτω εντολές με το URL του fork σας (ή το upstream URL αν προτιμάτε).

Για να κλωνοποιήσετε μόνο το πιο πρόσφατο ιστορικό commit (μικρή λήψη):

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

Για να κλωνοποιήσετε ένα συγκεκριμένο branch:

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

Μερική (αραιή) κλωνοποίηση — ελάχιστα blobs + μόνο επιλεγμένοι φάκελοι

Αυτό χρησιμοποιεί μερική κλωνοποίηση και sparse-checkout (απαιτεί Git 2.25+ και συνιστάται σύγχρονο Git με υποστήριξη μερικής κλωνοποίησης):

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

Μεταβείτε στον φάκελο του αποθετηρίου:

cd ai-agents-for-beginners

Στη συνέχεια, καθορίστε ποιους φακέλους θέλετε (το παράδειγμα παρακάτω δείχνει δύο φακέλους):

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

Αφού κλωνοποιήσετε και επαληθεύσετε τα αρχεία, αν χρειάζεστε μόνο τα αρχεία και θέλετε να ελευθερώσετε χώρο (χωρίς ιστορικό git), διαγράψτε τα μεταδεδομένα του αποθετηρίου (💀μη αναστρέψιμο — θα χάσετε όλη τη λειτουργικότητα του Git: καμία δυνατότητα commits, pulls, pushes ή πρόσβασης στο ιστορικό).

# zsh/bash
rm -rf .git

# PowerShell
Remove-Item -Recurse -Force .git

Χρήση GitHub Codespaces (συνιστάται για αποφυγή μεγάλων τοπικών λήψεων)

Συμβουλές

Εκτέλεση του Κώδικα

Αυτό το μάθημα προσφέρει μια σειρά από Jupyter Notebooks που μπορείτε να εκτελέσετε για να αποκτήσετε πρακτική εμπειρία στη δημιουργία AI Agents.

Τα παραδείγματα κώδικα χρησιμοποιούν είτε:

Απαιτεί Λογαριασμό GitHub - Δωρεάν:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. Ετικέτα ως (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. Ετικέτα ως (autogen.ipynb)

Απαιτεί Συνδρομή Azure:

3) Azure AI Foundry + Azure AI Agent Service. Ετικέτα ως (azureaiagent.ipynb)

Σας ενθαρρύνουμε να δοκιμάσετε και τους τρεις τύπους παραδειγμάτων για να δείτε ποιος λειτουργεί καλύτερα για εσάς.

Όποια επιλογή και αν επιλέξετε, αυτή θα καθορίσει ποια βήματα ρύθμισης πρέπει να ακολουθήσετε παρακάτω:

Απαιτήσεις

Έχουμε συμπεριλάβει ένα αρχείο requirements.txt στη ρίζα αυτού του αποθετηρίου που περιέχει όλα τα απαραίτητα πακέτα Python για την εκτέλεση των παραδειγμάτων κώδικα.

Μπορείτε να τα εγκαταστήσετε εκτελώντας την παρακάτω εντολή στο τερματικό σας στη ρίζα του αποθετηρίου:

pip install -r requirements.txt

Συνιστούμε τη δημιουργία ενός εικονικού περιβάλλοντος Python για να αποφύγετε τυχόν συγκρούσεις και προβλήματα.

Ρύθμιση VSCode

Βεβαιωθείτε ότι χρησιμοποιείτε τη σωστή έκδοση Python στο VSCode.

image

Ρύθμιση για Παραδείγματα που Χρησιμοποιούν GitHub Models

Βήμα 1: Ανάκτηση του Προσωπικού Access Token (PAT) του GitHub

Αυτό το μάθημα χρησιμοποιεί το GitHub Models Marketplace, παρέχοντας δωρεάν πρόσβαση σε Μεγάλα Γλωσσικά Μοντέλα (LLMs) που θα χρησιμοποιήσετε για να δημιουργήσετε AI Agents.

Για να χρησιμοποιήσετε τα GitHub Models, θα χρειαστεί να δημιουργήσετε ένα Προσωπικό Access Token GitHub.

Αυτό μπορεί να γίνει πηγαίνοντας στις ρυθμίσεις Προσωπικών Access Tokens στον λογαριασμό σας στο GitHub.

Παρακαλώ ακολουθήστε την Αρχή της Ελάχιστης Προνομιακής Πρόσβασης κατά τη δημιουργία του token σας. Αυτό σημαίνει ότι θα πρέπει να δώσετε στο token μόνο τα δικαιώματα που χρειάζεται για να εκτελέσει τα παραδείγματα κώδικα αυτού του μαθήματος.

  1. Επιλέξτε την επιλογή Fine-grained tokens στην αριστερή πλευρά της οθόνης σας πηγαίνοντας στις Ρυθμίσεις Προγραμματιστή

    Ρυθμίσεις Προγραμματιστή

    Στη συνέχεια, επιλέξτε Generate new token.

    Δημιουργία Token

  2. Εισάγετε ένα περιγραφικό όνομα για το token σας που να αντικατοπτρίζει τον σκοπό του, ώστε να είναι εύκολο να το αναγνωρίσετε αργότερα.

    🔐 Σύσταση Διάρκειας Token

    Συνιστώμενη διάρκεια: 30 ημέρες Για πιο ασφαλή στάση, μπορείτε να επιλέξετε μικρότερη περίοδο—όπως 7 ημέρες 🛡️ Είναι ένας εξαιρετικός τρόπος να θέσετε έναν προσωπικό στόχο και να ολοκληρώσετε το μάθημα ενώ η μαθησιακή σας ορμή είναι υψηλή 🚀.

    Όνομα και Λήξη Token

  3. Περιορίστε το εύρος του token στο fork σας αυτού του αποθετηρίου.

    Περιορισμός εύρους στο fork αποθετηρίου

  4. Περιορίστε τα δικαιώματα του token: Στην καρτέλα Permissions, κάντε κλικ στην καρτέλα Account και πατήστε το κουμπί “+ Add permissions”. Θα εμφανιστεί ένα αναδυόμενο μενού. Αναζητήστε Models και επιλέξτε το κουτάκι.

    Προσθήκη Δικαιώματος Models

  5. Επαληθεύστε τα απαιτούμενα δικαιώματα πριν δημιουργήσετε το token. Επαλήθευση Δικαιωμάτων

  6. Πριν δημιουργήσετε το token, βεβαιωθείτε ότι είστε έτοιμοι να αποθηκεύσετε το token σε ασφαλές μέρος, όπως ένα θησαυροφυλάκιο διαχείρισης κωδικών πρόσβασης, καθώς δεν θα εμφανιστεί ξανά μετά τη δημιουργία του. Αποθήκευση Token με Ασφάλεια

Αντιγράψτε το νέο token που μόλις δημιουργήσατε. Θα το προσθέσετε τώρα στο αρχείο .env που περιλαμβάνεται σε αυτό το μάθημα.

Βήμα 2: Δημιουργία του Αρχείου .env

Για να δημιουργήσετε το αρχείο .env, εκτελέστε την παρακάτω εντολή στο τερματικό σας.

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

Αυτό θα αντιγράψει το αρχείο παραδείγματος και θα δημιουργήσει ένα .env στον κατάλογό σας, όπου θα συμπληρώσετε τις τιμές για τις μεταβλητές περιβάλλοντος.

Με το token σας αντιγραμμένο, ανοίξτε το αρχείο .env στον αγαπημένο σας επεξεργαστή κειμένου και επικολλήστε το token στο πεδίο GITHUB_TOKEN.

Πεδίο Token GitHub

Θα πρέπει τώρα να μπορείτε να εκτελέσετε τα παραδείγματα κώδικα αυτού του μαθήματος.

Ρύθμιση για Παραδείγματα που Χρησιμοποιούν Azure AI Foundry και Azure AI Agent Service

Βήμα 1: Ανάκτηση του Endpoint του Έργου Azure

Ακολουθήστε τα βήματα για τη δημιουργία ενός hub και ενός έργου στο Azure AI Foundry που βρίσκονται εδώ: Επισκόπηση πόρων Hub

Αφού δημιουργήσετε το έργο σας, θα χρειαστεί να ανακτήσετε τη συμβολοσειρά σύνδεσης για το έργο σας.

Αυτό μπορεί να γίνει πηγαίνοντας στη σελίδα Επισκόπηση του έργου σας στην πύλη Azure AI Foundry.

Συμβολοσειρά Σύνδεσης Έργου

Βήμα 2: Δημιουργία του Αρχείου .env

Για να δημιουργήσετε το αρχείο .env, εκτελέστε την παρακάτω εντολή στο τερματικό σας.

# zsh/bash
cp .env.example .env

# PowerShell
Copy-Item .env.example .env

Αυτό θα αντιγράψει το αρχείο παραδείγματος και θα δημιουργήσει ένα .env στον κατάλογό σας, όπου θα συμπληρώσετε τις τιμές για τις μεταβλητές περιβάλλοντος.

Με το token σας αντιγραμμένο, ανοίξτε το αρχείο .env στον αγαπημένο σας επεξεργαστή κειμένου και επικολλήστε το token στο πεδίο PROJECT_ENDPOINT.

Βήμα 3: Σύνδεση στο Azure

Ως βέλτιστη πρακτική ασφαλείας, θα χρησιμοποιήσουμε αυθεντικοποίηση χωρίς κλειδί για να συνδεθούμε στο Azure OpenAI με το Microsoft Entra ID.

Στη συνέχεια, ανοίξτε ένα τερματικό και εκτελέστε az login --use-device-code για να συνδεθείτε στον λογαριασμό σας στο Azure.

Αφού συνδεθείτε, επιλέξτε τη συνδρομή σας στο τερματικό.

Πρόσθετες Μεταβλητές Περιβάλλοντος - Azure Search και Azure OpenAI

Για το μάθημα Agentic RAG - Μάθημα 5 - υπάρχουν παραδείγματα που χρησιμοποιούν Azure Search και Azure OpenAI.

Αν θέλετε να εκτελέσετε αυτά τα παραδείγματα, θα χρειαστεί να προσθέσετε τις παρακάτω μεταβλητές περιβάλλοντος στο αρχείο .env σας:

Σελίδα Επισκόπησης (Έργο)

Κέντρο Διαχείρισης

Σελίδα Μοντέλων + Endpoints

Πύλη

Αν αντιμετωπίσετε οποιοδήποτε πρόβλημα με αυτήν τη ρύθμιση, μπείτε στο Azure AI Community Discord ή δημιουργήστε ένα ζήτημα.

Επόμενο Μάθημα

Είστε πλέον έτοιμοι να εκτελέσετε τον κώδικα για αυτό το μάθημα. Καλή συνέχεια στην εκμάθηση για τον κόσμο των Πρακτόρων Τεχνητής Νοημοσύνης!

Εισαγωγή στους Πράκτορες Τεχνητής Νοημοσύνης και τις Χρήσεις τους

Αποποίηση ευθυνών:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.

This site is open source. Improve this page.