ai-agents-for-beginners
(Κάντε κλικ στην εικόνα παραπάνω για να παρακολουθήσετε το βίντεο αυτού του μαθήματος)
Εισαγωγή στους Πράκτορες AI και τις Χρήσεις τους
Καλώς ήρθατε στο μάθημα “Πράκτορες AI για Αρχάριους”! Αυτό το μάθημα παρέχει βασικές γνώσεις και πρακτικά παραδείγματα για τη δημιουργία Πρακτόρων AI.
Γίνετε μέλος της κοινότητας για να συναντήσετε άλλους μαθητές και δημιουργούς Πρακτόρων AI και να κάνετε οποιαδήποτε ερώτηση σχετικά με αυτό το μάθημα.
Για να ξεκινήσουμε το μάθημα, θα αποκτήσουμε μια καλύτερη κατανόηση του τι είναι οι Πράκτορες AI και πώς μπορούμε να τους χρησιμοποιήσουμε στις εφαρμογές και τις ροές εργασίας που δημιουργούμε.
Εισαγωγή
Αυτό το μάθημα καλύπτει:
- Τι είναι οι Πράκτορες AI και ποιοι είναι οι διαφορετικοί τύποι πρακτόρων;
- Ποιες χρήσεις είναι ιδανικές για Πράκτορες AI και πώς μπορούν να μας βοηθήσουν;
- Ποια είναι μερικά από τα βασικά δομικά στοιχεία για τον σχεδιασμό Λύσεων Πρακτόρων;
Στόχοι Μάθησης
Με την ολοκλήρωση αυτού του μαθήματος, θα πρέπει να μπορείτε:
- Να κατανοείτε τις έννοιες των Πρακτόρων AI και πώς διαφέρουν από άλλες λύσεις AI.
- Να εφαρμόζετε τους Πράκτορες AI με τον πιο αποτελεσματικό τρόπο.
- Να σχεδιάζετε λύσεις Πρακτόρων παραγωγικά για χρήστες και πελάτες.
Ορισμός Πρακτόρων AI και Τύποι Πρακτόρων AI
Τι είναι οι Πράκτορες AI;
Οι Πράκτορες AI είναι συστήματα που επιτρέπουν στα Μεγάλα Γλωσσικά Μοντέλα (LLMs) να εκτελούν ενέργειες επεκτείνοντας τις δυνατότητές τους, δίνοντάς τους πρόσβαση σε εργαλεία και γνώση.
Ας αναλύσουμε αυτόν τον ορισμό σε μικρότερα μέρη:
- Σύστημα - Είναι σημαντικό να σκεφτόμαστε τους πράκτορες όχι ως ένα μόνο στοιχείο αλλά ως ένα σύστημα πολλών στοιχείων. Σε βασικό επίπεδο, τα στοιχεία ενός Πράκτορα AI είναι:
- Περιβάλλον - Ο καθορισμένος χώρος όπου λειτουργεί ο Πράκτορας AI. Για παράδειγμα, αν είχαμε έναν πράκτορα κρατήσεων ταξιδιών, το περιβάλλον θα μπορούσε να είναι το σύστημα κρατήσεων ταξιδιών που χρησιμοποιεί ο πράκτορας για να ολοκληρώσει εργασίες.
- Αισθητήρες - Τα περιβάλλοντα έχουν πληροφορίες και παρέχουν ανατροφοδότηση. Οι Πράκτορες AI χρησιμοποιούν αισθητήρες για να συλλέγουν και να ερμηνεύουν αυτές τις πληροφορίες σχετικά με την τρέχουσα κατάσταση του περιβάλλοντος. Στο παράδειγμα του πράκτορα κρατήσεων ταξιδιών, το σύστημα κρατήσεων μπορεί να παρέχει πληροφορίες όπως διαθεσιμότητα ξενοδοχείων ή τιμές πτήσεων.
- Ενεργοποιητές - Μόλις ο Πράκτορας AI λάβει την τρέχουσα κατάσταση του περιβάλλοντος, για την τρέχουσα εργασία ο πράκτορας καθορίζει ποια ενέργεια να εκτελέσει για να αλλάξει το περιβάλλον. Στο παράδειγμα του πράκτορα κρατήσεων ταξιδιών, μπορεί να είναι η κράτηση ενός διαθέσιμου δωματίου για τον χρήστη.
Μεγάλα Γλωσσικά Μοντέλα - Η έννοια των πρακτόρων υπήρχε πριν από τη δημιουργία των LLMs. Το πλεονέκτημα της δημιουργίας Πρακτόρων AI με LLMs είναι η ικανότητά τους να ερμηνεύουν την ανθρώπινη γλώσσα και δεδομένα. Αυτή η ικανότητα επιτρέπει στα LLMs να ερμηνεύουν πληροφορίες από το περιβάλλον και να καθορίζουν ένα σχέδιο για την αλλαγή του περιβάλλοντος.
Εκτέλεση Ενεργειών - Εκτός των συστημάτων Πρακτόρων AI, τα LLMs περιορίζονται σε καταστάσεις όπου η ενέργεια είναι η δημιουργία περιεχομένου ή πληροφοριών βάσει της προτροπής του χρήστη. Εντός των συστημάτων Πρακτόρων AI, τα LLMs μπορούν να ολοκληρώσουν εργασίες ερμηνεύοντας το αίτημα του χρήστη και χρησιμοποιώντας εργαλεία που είναι διαθέσιμα στο περιβάλλον τους.
Πρόσβαση σε Εργαλεία - Τα εργαλεία στα οποία έχει πρόσβαση το LLM καθορίζονται από 1) το περιβάλλον στο οποίο λειτουργεί και 2) τον προγραμματιστή του Πράκτορα AI. Στο παράδειγμα του πράκτορα ταξιδιών, τα εργαλεία του πράκτορα περιορίζονται από τις λειτουργίες που είναι διαθέσιμες στο σύστημα κρατήσεων και/ή ο προγραμματιστής μπορεί να περιορίσει την πρόσβαση του πράκτορα σε εργαλεία όπως πτήσεις.
Μνήμη+Γνώση - Η μνήμη μπορεί να είναι βραχυπρόθεσμη στο πλαίσιο της συνομιλίας μεταξύ του χρήστη και του πράκτορα. Μακροπρόθεσμα, εκτός από τις πληροφορίες που παρέχονται από το περιβάλλον, οι Πράκτορες AI μπορούν επίσης να ανακτούν γνώση από άλλα συστήματα, υπηρεσίες, εργαλεία και ακόμη και άλλους πράκτορες. Στο παράδειγμα του πράκτορα ταξιδιών, αυτή η γνώση θα μπορούσε να είναι οι πληροφορίες για τις ταξιδιωτικές προτιμήσεις του χρήστη που βρίσκονται σε μια βάση δεδομένων πελατών.
Οι διαφορετικοί τύποι πρακτόρων
Τώρα που έχουμε έναν γενικό ορισμό των Πρακτόρων AI, ας δούμε μερικούς συγκεκριμένους τύπους πρακτόρων και πώς θα μπορούσαν να εφαρμοστούν σε έναν πράκτορα κρατήσεων ταξιδιών.
| Τύπος Πράκτορα | Περιγραφή | Παράδειγμα |
|---|---|---|
| Απλοί Αντανακλαστικοί Πράκτορες | Εκτελούν άμεσες ενέργειες βάσει προκαθορισμένων κανόνων. | Ο πράκτορας ταξιδιών ερμηνεύει το περιεχόμενο του email και προωθεί παράπονα ταξιδιών στην εξυπηρέτηση πελατών. |
| Πράκτορες Αντανακλαστικοί με Μοντέλο | Εκτελούν ενέργειες βάσει ενός μοντέλου του κόσμου και αλλαγών σε αυτό το μοντέλο. | Ο πράκτορας ταξιδιών δίνει προτεραιότητα σε δρομολόγια με σημαντικές αλλαγές τιμών βάσει πρόσβασης σε ιστορικά δεδομένα τιμών. |
| Πράκτορες Βασισμένοι σε Στόχους | Δημιουργούν σχέδια για την επίτευξη συγκεκριμένων στόχων ερμηνεύοντας τον στόχο και καθορίζοντας ενέργειες για την επίτευξή του. | Ο πράκτορας ταξιδιών κάνει κρατήσεις καθορίζοντας τις απαραίτητες ταξιδιωτικές ρυθμίσεις (αυτοκίνητο, δημόσια συγκοινωνία, πτήσεις) από την τρέχουσα τοποθεσία στον προορισμό. |
| Πράκτορες Βασισμένοι στη Χρησιμότητα | Λαμβάνουν υπόψη προτιμήσεις και ζυγίζουν συμβιβασμούς αριθμητικά για να καθορίσουν πώς να επιτύχουν στόχους. | Ο πράκτορας ταξιδιών μεγιστοποιεί τη χρησιμότητα ζυγίζοντας την ευκολία έναντι του κόστους κατά την κράτηση ταξιδιού. |
| Πράκτορες Μάθησης | Βελτιώνονται με την πάροδο του χρόνου ανταποκρινόμενοι σε ανατροφοδότηση και προσαρμόζοντας τις ενέργειες ανάλογα. | Ο πράκτορας ταξιδιών βελτιώνεται χρησιμοποιώντας σχόλια πελατών από έρευνες μετά το ταξίδι για να κάνει προσαρμογές σε μελλοντικές κρατήσεις. |
| Ιεραρχικοί Πράκτορες | Περιλαμβάνουν πολλούς πράκτορες σε ένα σύστημα επιπέδων, με πράκτορες υψηλότερου επιπέδου να διασπούν εργασίες σε υποεργασίες για πράκτορες χαμηλότερου επιπέδου. | Ο πράκτορας ταξιδιών ακυρώνει ένα ταξίδι διαιρώντας την εργασία σε υποεργασίες (για παράδειγμα, ακύρωση συγκεκριμένων κρατήσεων) και αφήνοντας τους πράκτορες χαμηλότερου επιπέδου να τις ολοκληρώσουν, αναφέροντας πίσω στον πράκτορα υψηλότερου επιπέδου. |
| Συστήματα Πολλαπλών Πρακτόρων (MAS) | Οι πράκτορες ολοκληρώνουν εργασίες ανεξάρτητα, είτε συνεργατικά είτε ανταγωνιστικά. | Συνεργατικό: Πολλοί πράκτορες κάνουν κρατήσεις για συγκεκριμένες ταξιδιωτικές υπηρεσίες όπως ξενοδοχεία, πτήσεις και ψυχαγωγία. Ανταγωνιστικό: Πολλοί πράκτορες διαχειρίζονται και ανταγωνίζονται για ένα κοινό ημερολόγιο κρατήσεων ξενοδοχείου για να κάνουν κρατήσεις πελατών στο ξενοδοχείο. |
Πότε να χρησιμοποιείτε Πράκτορες AI
Στην προηγούμενη ενότητα, χρησιμοποιήσαμε το παράδειγμα του πράκτορα ταξιδιών για να εξηγήσουμε πώς οι διαφορετικοί τύποι πρακτόρων μπορούν να χρησιμοποιηθούν σε διαφορετικά σενάρια κρατήσεων ταξιδιών. Θα συνεχίσουμε να χρησιμοποιούμε αυτήν την εφαρμογή καθ’ όλη τη διάρκεια του μαθήματος.
Ας δούμε τους τύπους χρήσεων για τους οποίους οι Πράκτορες AI είναι πιο κατάλληλοι:
- Ανοιχτά Προβλήματα - επιτρέποντας στο LLM να καθορίσει τα απαραίτητα βήματα για την ολοκλήρωση μιας εργασίας, επειδή δεν μπορεί πάντα να είναι προκαθορισμένο σε μια ροή εργασίας.
- Διαδικασίες Πολλαπλών Βημάτων - εργασίες που απαιτούν ένα επίπεδο πολυπλοκότητας στο οποίο ο Πράκτορας AI χρειάζεται να χρησιμοποιήσει εργαλεία ή πληροφορίες σε πολλαπλές στροφές αντί για μία μόνο ανάκτηση.
- Βελτίωση με την Πάροδο του Χρόνου - εργασίες στις οποίες ο πράκτορας μπορεί να βελτιωθεί με την πάροδο του χρόνου λαμβάνοντας σχόλια είτε από το περιβάλλον του είτε από χρήστες για να παρέχει καλύτερη χρησιμότητα.
Καλύπτουμε περισσότερες παραμέτρους για τη χρήση Πρακτόρων AI στο μάθημα “Δημιουργία Αξιόπιστων Πρακτόρων AI”.
Βασικά Στοιχεία Λύσεων Πρακτόρων
Ανάπτυξη Πρακτόρων
Το πρώτο βήμα στον σχεδιασμό ενός συστήματος Πρακτόρων AI είναι να καθορίσετε τα εργαλεία, τις ενέργειες και τις συμπεριφορές. Σε αυτό το μάθημα, εστιάζουμε στη χρήση της Υπηρεσίας Πρακτόρων AI της Azure για τον καθορισμό των Πρακτόρων μας. Προσφέρει δυνατότητες όπως:
- Επιλογή Ανοιχτών Μοντέλων όπως OpenAI, Mistral και Llama
- Χρήση Αδειοδοτημένων Δεδομένων μέσω παρόχων όπως Tripadvisor
- Χρήση τυποποιημένων εργαλείων OpenAPI 3.0
Μοτίβα Πρακτόρων
Η επικοινωνία με τα LLMs γίνεται μέσω προτροπών. Δεδομένης της ημιαυτόνομης φύσης των Πρακτόρων AI, δεν είναι πάντα δυνατό ή απαραίτητο να επαναπροτρέψουμε το LLM μετά από μια αλλαγή στο περιβάλλον. Χρησιμοποιούμε Μοτίβα Πρακτόρων που μας επιτρέπουν να προτρέπουμε το LLM σε πολλαπλά βήματα με πιο κλιμακούμενο τρόπο.
Αυτό το μάθημα είναι χωρισμένο σε μερικά από τα τρέχοντα δημοφιλή μοτίβα Πρακτόρων.
Πλαίσια Πρακτόρων
Τα Πλαίσια Πρακτόρων επιτρέπουν στους προγραμματιστές να εφαρμόζουν μοτίβα Πρακτόρων μέσω κώδικα. Αυτά τα πλαίσια προσφέρουν πρότυπα, πρόσθετα και εργαλεία για καλύτερη συνεργασία Πρακτόρων AI. Αυτά τα οφέλη παρέχουν δυνατότητες για καλύτερη παρατηρησιμότητα και αντιμετώπιση προβλημάτων στα συστήματα Πρακτόρων AI.
Σε αυτό το μάθημα, θα εξερευνήσουμε το ερευνητικό πλαίσιο AutoGen και το παραγωγικό πλαίσιο Agent από το Semantic Kernel.
Έχετε περισσότερες ερωτήσεις για τους Πράκτορες AI;
Γίνετε μέλος του Azure AI Foundry Discord για να συναντήσετε άλλους μαθητές, να παρακολουθήσετε ώρες γραφείου και να λάβετε απαντήσεις στις ερωτήσεις σας για τους Πράκτορες AI.
Προηγούμενο Μάθημα
Επόμενο Μάθημα
Αποποίηση Ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε κάθε προσπάθεια για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα 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.