ai-agents-for-beginners

تنظیم دوره

مقدمه

این درس نحوه اجرای نمونه کدهای این دوره را پوشش می‌دهد.

پیوستن به دیگر یادگیرندگان و دریافت کمک

قبل از اینکه مخزن خود را کلون کنید، به کانال دیسکورد AI Agents For Beginners بپیوندید تا در مورد تنظیمات، 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 را می‌توانید با کلیک روی لینک فورک کردن مخزن انجام دهید.

اکنون باید نسخه فورک شده خود از این دوره را در لینک زیر داشته باشید:

مخزن فورک شده

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 عنوان (semantic-kernel.ipynb) مشخص شده است. 2) چارچوب AutoGen + بازار مدل‌های GitHub. با عنوان (autogen.ipynb) مشخص شده است.

نیازمند اشتراک Azure: 3) Azure AI Foundry + سرویس Azure AI Agent. با عنوان (azureaiagent.ipynb) مشخص شده است.

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 تنظیم را باید در ادامه دنبال کنید:

الزامات

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 خود در ریشه مخزن نصب کنید:

pip install -r requirements.txt

ما توصیه می‌کنیم یک محیط مجازی پایتون ایجاد کنید تا از هرگونه تعارض و مشکل جلوگیری شود.

تنظیم VSCode

مطمئن شوید که از نسخه صحیح پایتون در VSCode استفاده می‌کنید.

تصویر

تنظیم 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 را می‌توانید با مراجعه به تنظیمات توکن دسترسی شخصی در حساب GitHub خود انجام دهید.

لطفاً هنگام ایجاد توکن، اصل حداقل دسترسی را رعایت کنید. این بدان معناست که باید فقط مجوزهایی را به توکن بدهید که برای اجرای نمونه کدهای این دوره نیاز است.

  1. گزینه توکن‌های دقیق را در سمت چپ صفحه خود انتخاب کنید و به تنظیمات توسعه‌دهنده بروید.

    سپس گزینه ایجاد توکن جدید را انتخاب کنید.

    ایجاد توکن

  2. 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 🚀.

    نام و تاریخ انقضای توکن

  3. دامنه توکن را به فورک این مخزن محدود کنید.

    محدود کردن دامنه به مخزن فورک شده

  4. 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. افزودن مجوز مدل‌ها

  5. قبل از ایجاد توکن، مجوزهای مورد نیاز را بررسی کنید. بررسی مجوزها

  6. قبل از ایجاد توکن، مطمئن شوید که آماده ذخیره توکن در مکانی امن مانند یک مدیر رمز عبور هستید، زیرا پس از ایجاد، دیگر نمایش داده نمی‌شود. ذخیره امن توکن

توکن جدیدی که ایجاد کرده‌اید را کپی کنید. اکنون باید این توکن را به فایل .env که در این دوره گنجانده شده است اضافه کنید.

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 کنید و توکن خود را در فیلد GITHUB_TOKEN جای‌گذاری کنید. فیلد توکن GitHub

اکنون باید بتوانید نمونه کدهای این دوره را اجرا کنید.

تنظیم برای نمونه‌ها با استفاده از Azure AI Foundry و Azure AI Agent Service

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 را می‌توانید با مراجعه به صفحه Overview پروژه خود در پورتال Azure AI Foundry انجام دهید.

رشته اتصال پروژه

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 کنید 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 کنید 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 دارند 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)

مرکز مدیریت

صفحه Models + Endpoints

پورتال Azure

صفحه خارجی

تنظیم 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 تنظیمات مشکلی دارید، به دیسکورد جامعه Azure AI ما بپیوندید یا یک مشکل ایجاد کنید.

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 تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده کنید. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.