ai-agents-for-beginners
راه‌اندازی دوره
مقدمه
این درس نحوه اجرای نمونه کدهای این دوره را پوشش می‌دهد.
پیوستن به دیگر یادگیرندگان و دریافت کمک
پیش از اینکه مخزن خود را کلون کنید، به کانال دیسکورد AI Agents For Beginners بپیوندید تا در مورد راه‌اندازی، سوالات مربوط به دوره یا ارتباط با دیگر یادگیرندگان کمک بگیرید.
کلون یا فورک کردن این مخزن
برای شروع، لطفاً مخزن GitHub را کلون یا فورک کنید. این کار نسخه‌ای از محتوای دوره را برای شما ایجاد می‌کند تا بتوانید کدها را اجرا، آزمایش و تغییر دهید!
این کار با کلیک روی لینک زیر انجام می‌شود:
اجرای کد
این دوره مجموعه‌ای از Jupyter Notebookها را ارائه می‌دهد که می‌توانید با آن‌ها تجربه عملی در ساخت عوامل هوش مصنوعی کسب کنید.
نمونه کدها از یکی از موارد زیر استفاده می‌کنند:
نیازمند حساب GitHub - رایگان:
1) چارچوب Semantic Kernel Agent + بازار مدل‌های GitHub. با برچسب (semantic-kernel.ipynb) 2) چارچوب AutoGen + بازار مدل‌های GitHub. با برچسب (autogen.ipynb)
نیازمند اشتراک Azure: 3) Azure AI Foundry + سرویس Azure AI Agent. با برچسب (azureaiagent.ipynb)
ما شما را تشویق می‌کنیم که هر سه نوع مثال را امتحان کنید تا ببینید کدام یک برای شما بهتر عمل می‌کند.
هر گزینه‌ای که انتخاب کنید، تعیین می‌کند که کدام مراحل راه‌اندازی را باید در ادامه دنبال کنید:
الزامات
- Python 3.12+
- NOTE: اگر Python3.12 نصب نشده است، مطمئن شوید که آن را نصب کنید. سپس محیط مجازی خود را با استفاده از python3.12 ایجاد کنید تا نسخه‌های صحیح از فایل requirements.txt نصب شوند.
- حساب GitHub - برای دسترسی به بازار مدل‌های GitHub
- اشتراک Azure - برای دسترسی به Azure AI Foundry
- حساب Azure AI Foundry - برای دسترسی به سرویس Azure AI Agent
ما یک فایل requirements.txt در ریشه این مخزن قرار داده‌ایم که شامل تمام بسته‌های پایتون مورد نیاز برای اجرای نمونه کدها است.
می‌توانید آن‌ها را با اجرای دستور زیر در ترمینال در ریشه مخزن نصب کنید:
pip install -r requirements.txt
ما توصیه می‌کنیم یک محیط مجازی پایتون ایجاد کنید تا از هرگونه تداخل و مشکل جلوگیری شود.
راه‌اندازی VSCode
مطمئن شوید که از نسخه صحیح پایتون در VSCode استفاده می‌کنید.
راه‌اندازی برای نمونه‌ها با استفاده از مدل‌های GitHub
مرحله 1: دریافت توکن دسترسی شخصی (PAT) GitHub
این دوره از بازار مدل‌های GitHub استفاده می‌کند که دسترسی رایگان به مدل‌های زبان بزرگ (LLM) را فراهم می‌کند که شما برای ساخت عوامل هوش مصنوعی از آن‌ها استفاده خواهید کرد.
برای استفاده از مدل‌های GitHub، باید یک توکن دسترسی شخصی GitHub ایجاد کنید.
این کار با رفتن به حساب GitHub شما انجام می‌شود.
لطفاً هنگام ایجاد توکن، اصل حداقل امتیاز را رعایت کنید. این بدان معناست که باید فقط مجوزهایی را که برای اجرای نمونه کدهای این دوره نیاز است به توکن بدهید.
-
گزینه
Fine-grained tokensرا در سمت چپ صفحه خود با رفتن به تنظیمات توسعه‌دهنده انتخاب کنید.
سپس گزینه
Generate new tokenرا انتخاب کنید.
-
یک نام توصیفی برای توکن خود وارد کنید که هدف آن را منعکس کند و شناسایی آن را در آینده آسان کند.
🔐 توصیه برای مدت زمان توکن
مدت زمان پیشنهادی: 30 روز
برای امنیت بیشتر، می‌توانید مدت زمان کوتاه‌تری مانند 7 روز انتخاب کنید 🛡️
این یک راه عالی برای تعیین هدف شخصی و تکمیل دوره در حالی است که انگیزه یادگیری شما بالا است 🚀.
-
دامنه توکن را به فورک مخزن خود محدود کنید.
-
مجوزهای توکن را محدود کنید: در زیر Permissions، روی تب Account کلیک کنید و دکمه “+ Add permissions” را بزنید. یک منوی کشویی ظاهر می‌شود. لطفاً Models را جستجو کرده و تیک آن را بزنید.
-
پیش از ایجاد توکن، مجوزهای مورد نیاز را بررسی کنید.
-
پیش از ایجاد توکن، مطمئن شوید که آماده هستید توکن را در مکانی امن مانند یک مدیر رمز عبور ذخیره کنید، زیرا پس از ایجاد دیگر نمایش داده نخواهد شد.
توکن جدیدی که ایجاد کرده‌اید را کپی کنید. اکنون این توکن را به فایل .env که در این دوره گنجانده شده است اضافه خواهید کرد.
مرحله 2: ایجاد فایل .env
برای ایجاد فایل .env دستور زیر را در ترمینال خود اجرا کنید.
cp .env.example .env
این دستور فایل نمونه را کپی کرده و یک .env در دایرکتوری شما ایجاد می‌کند که در آن مقادیر متغیرهای محیطی را پر می‌کنید.
با کپی کردن توکن خود، فایل .env را در ویرایشگر متن مورد علاقه خود باز کرده و توکن خود را در فیلد GITHUB_TOKEN جای‌گذاری کنید.
اکنون باید بتوانید نمونه کدهای این دوره را اجرا کنید.
راه‌اندازی برای نمونه‌ها با استفاده از Azure AI Foundry و سرویس Azure AI Agent
مرحله 1: دریافت نقطه پایانی پروژه Azure خود
مراحل ایجاد یک هاب و پروژه در Azure AI Foundry را از اینجا دنبال کنید: بررسی اجمالی منابع هاب
پس از ایجاد پروژه خود، باید رشته اتصال پروژه خود را دریافت کنید.
این کار با رفتن به صفحه Overview پروژه شما در پورتال Azure AI Foundry انجام می‌شود.
مرحله 2: ایجاد فایل .env
برای ایجاد فایل .env دستور زیر را در ترمینال خود اجرا کنید.
cp .env.example .env
این دستور فایل نمونه را کپی کرده و یک .env در دایرکتوری شما ایجاد می‌کند که در آن مقادیر متغیرهای محیطی را پر می‌کنید.
با کپی کردن توکن خود، فایل .env را در ویرایشگر متن مورد علاقه خود باز کرده و توکن خود را در فیلد PROJECT_ENDPOINT جای‌گذاری کنید.
مرحله 3: ورود به Azure
به عنوان یک روش امنیتی، از احراز هویت بدون کلید برای احراز هویت به Azure OpenAI با Microsoft Entra ID استفاده خواهیم کرد.
سپس، یک ترمینال باز کرده و دستور az login --use-device-code را اجرا کنید تا به حساب Azure خود وارد شوید.
پس از ورود، اشتراک خود را در ترمینال انتخاب کنید.
متغیرهای محیطی اضافی - Azure Search و Azure OpenAI
برای درس Agentic RAG - درس 5 - نمونه‌هایی وجود دارد که از Azure Search و Azure OpenAI استفاده می‌کنند.
اگر می‌خواهید این نمونه‌ها را اجرا کنید، باید متغیرهای محیطی زیر را به فایل .env خود اضافه کنید:
صفحه Overview (پروژه)
-
AZURE_SUBSCRIPTION_ID- جزئیات پروژه را در صفحه Overview بررسی کنید. -
AZURE_AI_PROJECT_NAME- به بالای صفحه Overview پروژه خود نگاه کنید. -
AZURE_OPENAI_SERVICE- این مورد را در تب Included capabilities برای Azure OpenAI Service در صفحه Overview پیدا کنید.
مرکز مدیریت
-
AZURE_OPENAI_RESOURCE_GROUP- به Project properties در صفحه Overview مرکز مدیریت بروید. -
GLOBAL_LLM_SERVICE- در زیر Connected resources، نام اتصال Azure AI Services را پیدا کنید. اگر لیست نشده است، در پورتال Azure زیر گروه منابع خود نام منبع AI Services را بررسی کنید.
صفحه Models + Endpoints
-
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME- مدل embedding خود را انتخاب کنید (مثلاًtext-embedding-ada-002) و Deployment name را از جزئیات مدل یادداشت کنید. -
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME- مدل چت خود را انتخاب کنید (مثلاًgpt-4o-mini) و Deployment name را از جزئیات مدل یادداشت کنید.
پورتال Azure
-
AZURE_OPENAI_ENDPOINT- به دنبال Azure AI services بگردید، روی آن کلیک کنید، سپس به Resource Management، Keys and Endpoint بروید، به پایین اسکرول کنید تا “Azure OpenAI endpoints” را ببینید و آن را که “Language APIs” می‌گوید کپی کنید. -
AZURE_OPENAI_API_KEY- از همان صفحه، کلید KEY 1 یا KEY 2 را کپی کنید. -
AZURE_SEARCH_SERVICE_ENDPOINT- منبع Azure AI Search خود را پیدا کنید، روی آن کلیک کنید و Overview را ببینید. -
AZURE_SEARCH_API_KEY- سپس به Settings و سپس Keys بروید تا کلید اصلی یا ثانویه مدیر را کپی کنید.
صفحه خارجی
AZURE_OPENAI_API_VERSION- به صفحه چرخه عمر نسخه API در زیر Latest GA API release مراجعه کنید.
راه‌اندازی احراز هویت بدون کلید
به جای کدنویسی ثابت اعتبارنامه‌های خود، از یک اتصال بدون کلید با Azure OpenAI استفاده خواهیم کرد. برای این کار، DefaultAzureCredential را وارد کرده و بعداً تابع DefaultAzureCredential را برای دریافت اعتبارنامه فراخوانی می‌کنیم.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
جایی گیر کرده‌اید؟
اگر در اجرای این راه‌اندازی مشکلی دارید، به سراغ
درس بعدی
اکنون آماده اجرای کد این دوره هستید. از یادگیری بیشتر درباره دنیای عوامل هوش مصنوعی لذت ببرید!
مقدمه‌ای بر عوامل هوش مصنوعی و موارد استفاده از آن‌ها
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادقتی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.