ai-agents-for-beginners

Ρύθμιση Μαθήματος

Εισαγωγή

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

Εγγραφείτε με άλλους μαθητές και λάβετε βοήθεια

Πριν ξεκινήσετε να κλωνοποιείτε το αποθετήριο σας, εγγραφείτε στο κανάλι Discord AI Agents For Beginners 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.

Τώρα θα πρέπει να έχετε τη δική σας έκδοση του μαθήματος στον παρακάτω σύνδεσμο:

Forked Repo

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 δείγματα κώδικα χρησιμοποιούν είτε:

Απαιτεί Λογαριασμό GitHub - Δωρεάν:

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

Απαιτεί Συνδρομή Azure: 3) Azure AI Foundry + Azure AI Agent Service. Ετικέτα: (azureaiagent.ipynb)

Σας ενθαρρύνουμε να δοκιμάσετε και τους τρεις τύπους παραδειγμάτων για να δείτε ποιος σας ταιριάζει καλύτερα.

Η επιλογή που θα κάνετε 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 δειγμάτων 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 του Python στο VSCode.

image

Ρύθμιση για Δείγματα με Χρήση GitHub Models

Βήμα 1: Αποκτήστε το Προσωπικό Access Token (PAT) του GitHub

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

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

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

Παρακαλώ ακολουθήστε την Αρχή της Ελάχιστης Απαραίτητης Πρόσβασης κατά τη δημιουργία του token. Αυτό σημαίνει ότι πρέπει να δώσετε στο token μόνο τις άδειες που χρειάζεται για να εκτελέσει τα δείγματα κώδικα αυτού του μαθήματος.

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

    Στη συνέχεια, επιλέξτε Generate new token.

    Generate Token

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

    🔐 Σύσταση Διάρκειας Token

    Συνιστώμενη διάρκεια: 30 ημέρες Για πιο ασφαλή προσέγγιση, 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 🚀.

    Token Name and Expiration

  3. Περιορίστε το πεδίο του token στο fork αυτού του αποθετηρίου.

    Limit scope to fork repository

  4. Περιορίστε τις άδειες του token: Στην καρτέλα Permissions, κάντε κλικ στην καρτέλα Account και πατήστε το κουμπί “+ Add permissions”. Θα εμφανιστεί ένα dropdown. Αναζητήστε Models και επιλέξτε το κουτάκι. Add Models Permission

  5. Επαληθεύστε τις απαιτούμενες άδειες πριν δημιουργήσετε το token. Verify Permissions

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

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

Βήμα 2: Δημιουργήστε το Αρχείο .env

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

cp .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. GitHub Token Field

Τώρα θα πρέπει να μπορείτε να εκτελέσετε τα δείγματα κώδικα αυτού του μαθήματος.

Ρύθμιση για Δείγματα με Χρήση Azure AI Foundry και Azure AI Agent Service

Βήμα 1: Αποκτήστε το Endpoint του Έργου σας στο 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 αποκτήσετε τη συμβολοσειρά σύνδεσης για το έργο σας.

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

Project Connection String

Βήμα 2: Δημιουργήστε το Αρχείο .env

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

cp .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: Συνδεθείτε στο Azure

Ως βέλτιστη πρακτική ασφαλείας, θα χρησιμοποιήσουμε keyless authentication 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 δείγματα που χρησιμοποιούν Azure Search και Azure OpenAI.

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

Σελίδα Επισκόπησης (Έργο)

Κέντρο Διαχείρισης

Σελίδα Μοντέλα + Endpoints

Πύλη Azure

Εξωτερική Ιστοσελίδα

Ρύθμιση keyless authentication

Αντί να σκληροκωδικοποιήσουμε τα διαπιστευτήρια σας, θα χρησιμοποιήσουμε μια σύνδεση χωρίς κλειδιά με το Azure OpenAI. Για να το κάνουμε αυτό, θα εισάγουμε το DefaultAzureCredential και αργότερα θα καλέσουμε τη συνάρτηση DefaultAzureCredential για να λάβουμε το διαπιστευτήριο.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

Κολλήσατε Κάπου;

Εάν αντιμετωπίζετε οποιοδήποτε πρόβλημα με αυτή τη ρύθμιση, μπείτε στο Azure AI Community Discord ή δημιουργήστε ένα ζήτημα.

Επόμενο Μάθημα

Τώρα είστε έτοιμοι να εκτελέσετε τον κώδικα αυτού του μαθήματος. Καλή μάθηση για τον κόσμο των AI Agents!

Εισαγωγή στους AI Agents και Χρήσεις

Αποποίηση ευθύνης:
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 αυτοματοποιημένες 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.