ai-agents-for-beginners
(برای تماشای ویدیو این درس روی تصویر بالا کلیک کنید)
مقدمهای بر عوامل هوش مصنوعی و موارد استفاده آنها
به دوره عوامل هوش مصنوعی برای مبتدیان خوش آمدید! این دوره دانش پایه — و کدهای واقعی و عملی — را به شما میدهد تا بتوانید عوامل هوش مصنوعی را از ابتدا بسازید.
به جامعه دیسکورد Azure AI سر بزنید — پر از فراگیران و سازندگان هوش مصنوعی است که خوشحال میشوند به سوالات پاسخ دهند.
قبل از اینکه به سراغ ساختن برویم، بیایید مطمئن شویم که واقعاً میدانیم عامل هوش مصنوعی چیست و چه زمانی منطقی است از آن استفاده کنیم.
مقدمه
این درس شامل موارد زیر است:
- عوامل هوش مصنوعی چه هستند و انواع مختلف آنها چیست
- کدام نوع کارها مناسبترین برای عوامل هوش مصنوعی است
- اجزای اصلیای که هنگام طراحی یک راهکار عاملی استفاده خواهید کرد
اهداف یادگیری
تا پایان این درس، باید قادر باشید:
- توضیح دهید عامل هوش مصنوعی چیست و چگونه با یک راهکار هوش مصنوعی معمولی متفاوت است
- بدانید چه زمانی از عامل هوش مصنوعی استفاده کنید (و چه زمانی استفاده نکنید)
- طراحی ابتدایی یک راهکار عاملی برای یک مسئله دنیای واقعی را ترسیم کنید
تعریف عوامل هوش مصنوعی و انواع آنها
عوامل هوش مصنوعی چیستند؟
این یک روش ساده برای فکر کردن به آن است:
عوامل هوش مصنوعی سیستمهایی هستند که به مدلهای زبان بزرگ (LLM) اجازه میدهند واقعاً کارهایی انجام دهند — با دادن ابزارها و دانش برای تاثیرگذاری بر جهان، نه فقط پاسخ دادن به درخواستها.
بیایید کمی این موضوع را باز کنیم:
- سیستم — یک عامل هوش مصنوعی فقط یک چیز نیست. مجموعهای از قطعات است که با هم کار میکنند. در هستهی هر عامل، سه بخش وجود دارد:
- محیط — فضای کاری عامل. برای یک عامل رزرو سفر، این خود پلتفرم رزرو است.
- حسگرها — چگونگی خواندن وضعیت فعلی محیط توسط عامل. عامل سفر ممکن است موجودی هتل یا قیمت پروازها را بررسی کند.
- محرکها — چگونگی اقدام عامل. عامل سفر ممکن است اتاق رزرو کند، تاییدیه ارسال کند، یا رزرو را لغو کند.
-
مدلهای زبان بزرگ — عوامل پیش از LLMها وجود داشتند، اما LLMها هستند که عوامل مدرن را بسیار قدرتمند میکنند. آنها میتوانند زبان طبیعی را بفهمند، دربارهی زمینه استدلال کنند و درخواست مبهم کاربر را به یک برنامه عملی تبدیل کنند.
-
انجام کارها — بدون سیستم عامل، یک LLM فقط متن تولید میکند. داخل یک سیستم عامل، LLM میتواند واقعاً گامهایی را اجرا کند — جستجوی پایگاه داده، فراخوانی یک API، ارسال پیام.
-
دسترسی به ابزارها — اینکه چه ابزارهایی در دسترس عامل است بستگی به (1) محیطی که در آن اجرا میشود و (2) آنچه توسعهدهنده به آن داده دارد. عامل سفر ممکن است بتواند پروازها را جستجو کند اما سوابق مشتری را ویرایش نکند — همه چیز به آنچه شما به آن متصل میکنید بستگی دارد.
-
حافظه + دانش — عوامل میتوانند حافظه کوتاهمدت (گفتگوی جاری) و حافظه بلندمدت (پایگاه اطلاعات مشتری، تعاملات گذشته) داشته باشند. عامل سفر ممکن است “به خاطر بسپارد” که شما صندلی کنار پنجره را ترجیح میدهید.
انواع مختلف عوامل هوش مصنوعی
همه عوامل یکسان ساخته نشدهاند. در اینجا دستهبندی اصلی انواع با استفاده از یک مثال عامل رزرو سفر آورده شده است:
| نوع عامل | کاری که انجام میدهد | مثال عامل سفر |
|---|---|---|
| عوامل بازتاب ساده | قوانین سختکد شده را دنبال میکند — بدون حافظه، بدون برنامهریزی. | ایمیل شکایت را میبیند → آن را به خدمات مشتری ارجاع میدهد. فقط همین. |
| عوامل بازتاب مبتنی بر مدل | مدل داخلی از جهان را نگه میدارد و هنگام تغییرات آن را بهروزرسانی میکند. | قیمتهای تاریخی پرواز را پیگیری میکند و مسیرهایی که ناگهان گران میشوند را علامت میزند. |
| عوامل مبتنی بر هدف | هدفی در ذهن دارد و گام به گام راه رسیدن به آن را مییابد. | یک سفر کامل (پرواز، ماشین، هتل) را از مکان فعلی شما به مقصد مورد نظر رزرو میکند. |
| عوامل مبتنی بر سودمندی | فقط یک راهحل پیدا نمیکند — بهترین را با ارزیابی مصالحهها پیدا میکند. | هزینه در برابر راحتی را متعادل میکند تا سفری را پیدا کند که برای ترجیحات شما بالاترین امتیاز را داشته باشد. |
| عوامل یادگیرنده | با بازخورد به مرور زمان بهتر میشود. | توصیههای رزرو آینده را بر اساس نتایج نظرخواهی پس از سفر تنظیم میکند. |
| عوامل سلسلهمراتبی | یک عامل سطح بالا کار را به وظایف فرعی تقسیم میکند و به عوامل سطح پایینتر واگذار میکند. | درخواست “لغو سفر” به مواردی چون لغو پرواز، لغو هتل، لغو اجاره ماشین تقسیم میشود — هر کدام توسط یک عامل فرعی رسیدگی میشوند. |
| سیستمهای چندعاملی (MAS) | چند عامل مستقل که با هم کار میکنند (یا رقابت میکنند). | همکاری: عوامل جداگانه هتلها، پروازها و سرگرمیها را اداره میکنند. رقابتی: چندین عامل برای پر کردن اتاقهای هتل با بهترین قیمت رقابت میکنند. |
چه زمانی از عوامل هوش مصنوعی استفاده کنیم
فقط به این دلیل که میتوانید از عامل هوش مصنوعی استفاده کنید به این معنا نیست که همیشه باید استفاده کنید. در اینجا موقعیتهایی است که عوامل واقعاً میدرخشند:
- مسائل باز — هنگامی که گامهای حل مسئله قابل برنامهریزی از پیش نیستند. شما نیاز دارید که LLM مسیر را پویا پیدا کند.
- فرآیندهای چندمرحلهای — کارهایی که نیاز دارند ابزارها را در چند نوبت استفاده کنید، نه صرفاً یک جستجو یا تولید متن.
- بهبود در طول زمان — وقتی میخواهید سیستم بر اساس بازخورد کاربر یا سیگنالهای محیطی هوشمندتر شود.
در درس ساخت عوامل هوش مصنوعی قابل اعتماد بعدها در دوره عمیقتر دربارهی اینکه چه زمانی (و چه زمانی نه) باید از عوامل هوش مصنوعی استفاده کرد، صحبت خواهیم کرد.
اصول راهکارهای عاملی
توسعه عامل
اولین کاری که هنگام ساخت یک عامل انجام میدهید تعریف آنچه میتواند انجام دهد است — ابزارها، اقدامات و رفتارهای آن.
در این دوره، ما از سرویس عامل Microsoft Foundry به عنوان پلتفرم اصلی خود استفاده میکنیم. این سرویس پشتیبانی میکند از:
- مدلهایی از ارائهدهندگانی مانند OpenAI، Mistral و Meta (Llama)
- دادههای دارای مجوز از ارائهدهندگانی مانند Tripadvisor
- تعاریف ابزار استانداردشده OpenAPI 3.0
الگوهای عاملی
شما از طریق درخواستها با مدلهای زبان بزرگ ارتباط برقرار میکنید. با عوامل، نمیتوانید همیشه هر درخواست را به صورت دستی ویرایش کنید — عامل باید در چندین گام اقدام کند. اینجاست که الگوهای عاملی به کار میآیند. آنها استراتژیهای قابل استفاده مجدد برای درخواستنویسی و هماهنگی با مدلهای زبان بزرگ به روشی قابل توسعه و قابل اعتماد هستند.
این دوره حول رایجترین و کاربردیترین الگوهای عاملی ساختاربندی شده است.
چارچوبهای عاملی
چارچوبهای عاملی به توسعهدهندگان قالبها، ابزارها و زیرساختهای آماده برای ساخت عوامل ارائه میدهند. آنها ساخت آسانتر را ممکن میکنند برای:
- اتصال ابزارها و قابلیتها
- مشاهده کاری که عامل انجام میدهد (و رفع اشکال وقتی اشتباهی رخ میدهد)
- همکاری بین چندین عامل
در این دوره، ما روی چارچوب عامل Microsoft (MAF) برای ساخت عوامل آماده تولید تمرکز میکنیم.
نمونههای کد
آمادهاید آن را در عمل ببینید؟ در اینجا نمونههای کد این درس آمده است:
- 🐍 پایتون: چارچوب عامل
- 🔷 .NET: چارچوب عامل
سوالی دارید؟
به دیسکورد Microsoft Foundry بپیوندید تا با دیگر فراگیران ارتباط برقرار کنید، در ساعات اداری شرکت کنید و سوالات خود درباره عوامل هوش مصنوعی را از جامعه بپرسید.
آزمایش سلامت سریع این عامل (اختیاری)
وقتی یاد گرفتید چگونه عوامل را در درس 16 مستقر کنید، میتوانید یک بررسی سلامت سریع پس از استقرار برای TravelAgent این درس با فهرست آماده tests/lesson-01-smoke-tests.json اضافه کنید. برای نحوه اجرای آن به tests/README.md مراجعه کنید.
درس قبلی
درس بعدی
سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادرستیهایی باشند. سند اصلی به زبان مادری خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.