ai-agents-for-beginners
(برای تماشای ویدیو این درس روی تصویر بالا کلیک کنید)
مقدمهای بر عوامل هوش مصنوعی و کاربردهای عاملها
به دوره عوامل هوش مصنوعی برای مبتدیان خوش آمدید! این دوره دانش پایهای — و کدهای واقعی و کاربردی — را در اختیارتان میگذارد تا از ابتدا شروع به ساخت عوامل هوش مصنوعی کنید.
بیایید در جامعه دیسکورد Azure AI سلام کنید — اینجا پر از یادگیرندگان و سازندگان هوش مصنوعی است که خوشحال میشوند به سوالات پاسخ دهند.
قبل از اینکه وارد ساخت بشویم، بیایید مطمئن شویم که واقعاً میدانیم یک عامل هوش مصنوعی چیست و چه زمانی منطقی است از آن استفاده کنیم.
مقدمه
این درس شامل موارد زیر است:
- عوامل هوش مصنوعی چیستند و انواع مختلف آنها
- چه نوع وظایفی برای عوامل هوش مصنوعی مناسبتر است
- اجزای اصلی که هنگام طراحی یک راهکار عاملی استفاده خواهید کرد
اهداف آموزشی
تا پایان این درس باید قادر باشید:
- توضیح دهید عامل هوش مصنوعی چیست و چگونه با راهکارهای عادی هوش مصنوعی فرق دارد
- بدانید چه زمانی باید به سراغ عامل هوش مصنوعی بروید (و چه زمانی نه)
- طرحی کلی از یک راهکار عاملی برای یک مشکل دنیای واقعی رسم کنید
تعریف عوامل هوش مصنوعی و انواع آنها
عوامل هوش مصنوعی چیستند؟
یک روش ساده برای فکر کردن به آن این است:
عوامل هوش مصنوعی سیستمهایی هستند که به مدلهای زبانی بزرگ (LLMها) اجازه میدهند واقعاً کار انجام دهند — با دادن ابزارها و دانش برای اقدام در دنیای واقعی، نه فقط پاسخ دادن به دستورات.
بیایید کمی بیشتر توضیح دهیم:
- سیستم — یک عامل هوش مصنوعی فقط یک چیز نیست. مجموعهای از اجزاست که باهم کار میکنند. در اصل هر عامل سه بخش دارد:
- محیط — فضایی که عامل در آن کار میکند. برای یک عامل رزرو سفر، این همان پلتفرم رزرو است.
- حسگرها — چگونه عامل وضعیت فعلی محیط را میخواند. عامل سفر ما ممکن است در دسترس بودن هتل یا قیمت پروازها را بررسی کند.
- عملگرها — چگونه عامل اقدام میکند. عامل سفر ممکن است اتاق رزرو کند، تایید ارسال کند یا رزرو را لغو نماید.
-
مدلهای زبانی بزرگ — عوامل قبل از ظهور LLMها وجود داشتند، اما LLMها هستند که عوامل مدرن را قدرتمند میکنند. آنها زبان طبیعی را میفهمند، درباره زمینه استدلال میکنند و یک درخواست مبهم کاربر را به برنامهای مشخص تبدیل میکنند.
-
انجام دادن اقدامات — بدون سیستم عاملی، یک LLM فقط متن تولید میکند. داخل سیستم عامل، LLM میتواند واقعاً قدمها را اجرا کند — جستجو در پایگاه داده، فراخوانی API، ارسال پیام.
-
دسترسی به ابزارها — ابزارهایی که عامل میتواند استفاده کند بستگی دارد به (۱) محیطی که در آن اجرا میشود و (۲) آنچه توسعهدهنده به آن داده است. ممکن است عامل سفر بتواند پروازها را جستجو کند اما سوابق مشتری را ویرایش نکند — همه چیز درباره آن چیزی است که به آن وصل شده است.
-
حافظه + دانش — عوامل میتوانند حافظه کوتاهمدت داشته باشند (گفتگوی جاری) و حافظه بلندمدت (پایگاه داده مشتری، تعاملات گذشته). عامل سفر ممکن است “به یاد آورد” که شما صندلی کنار پنجره را ترجیح میدهید.
انواع مختلف عوامل هوش مصنوعی
تمام عوامل یکسان ساخته نشدهاند. در اینجا طبقهبندی اصلی انواع آنها، با استفاده از عامل رزرو سفر به عنوان مثال:
| نوع عامل | کارکرد | مثال عامل سفر |
|---|---|---|
| عوامل بازتابی ساده | قوانین ثابت را دنبال میکند — بدون حافظه، بدون برنامهریزی. | ایمیل شکایت را میبیند → آن را به خدمات مشتری میفرستد. فقط همین. |
| عوامل بازتابی مبتنی بر مدل | مدل داخلی از جهان دارد و آن را با تغییرات بهروزرسانی میکند. | قیمتهای تاریخی پرواز را دنبال میکند و مسیرهایی که ناگهان گران شدهاند را علامت میزند. |
| عوامل مبتنی بر هدف | هدف مشخصی دارد و مرحله به مرحله راه رسیدن به آن را مییابد. | یک سفر کامل (پرواز، ماشین، هتل) را از مکان فعلی شما تا مقصد رزرو میکند. |
| عوامل مبتنی بر سودمندی | فقط یک راهحل پیدا نمیکند — بهترین را با وزن دادن به مزایا و معایب مییابد. | هزینه و راحتی را متعادل میکند تا سفری مناسبتر با ترجیحات شما بیابد. |
| عوامل یادگیرنده | با بازخورد به مرور بهتر میشود. | پیشنهادات رزرو آینده را بر اساس نتایج نظرسنجی پس از سفر تنظیم میکند. |
| عوامل سلسلهمراتبی | عامل سطح بالا کار را به زیر وظایف تقسیم و به عوامل سطح پایینتر واگذار میکند. | درخواست “لغو سفر” به: لغو پرواز، لغو هتل، لغو اجاره ماشین تقسیم میشود — هر کدام توسط زیرعامل اجرا میشود. |
| سیستمهای چندعامله (MAS) | چند عامل مستقل با هم کار میکنند (یا رقابت میکنند). | همکاری: عوامل مجزا هتلها، پروازها و سرگرمیها را مدیریت میکنند. رقابتی: چند عامل رقابت میکنند تا بهترین قیمت برای اتاقهای هتل را بدهند. |
چه زمانی از عوامل هوش مصنوعی استفاده کنیم
فقط چون میتوانید از یک عامل هوش مصنوعی استفاده کنید، به این معنی نیست که همیشه باید استفاده کنید. اینجا جاهایی است که عوامل واقعاً میدرخشند:
- مسائل باز و بدون پایان مشخص — وقتی مراحل حل مشکل قابل برنامهریزی از قبل نیستند. لازم است LLM مسیر را به شکل پویا پیدا کند.
- فرایندهای چندمرحلهای — وظایفی که به استفاده از ابزارها در چند مرحله نیاز دارند، نه فقط یک جستجو یا تولید متن ساده.
- پیشرفت در طول زمان — وقتی میخواهید سیستم بر اساس بازخورد کاربر یا سیگنالهای محیط هوشمندتر شود.
بعداً در درس ساخت عوامل هوش مصنوعی قابل اعتماد عمیقتر درباره اینکه کی (و کی نه) از عوامل هوش مصنوعی استفاده کنیم، صحبت خواهیم کرد.
اصول راهکارهای عاملی
توسعه عامل
اولین کاری که هنگام ساخت عامل میکنید، تعریف چه کاری میتواند انجام دهد — ابزارها، اقدامات و رفتارهای آن است.
در این دوره، از خدمت Azure AI Agent به عنوان پلتفرم اصلی استفاده میکنیم. این خدمت پشتیبانی میکند از:
- مدلهایی از ارائهدهندگانی مانند OpenAI، Mistral، و Meta (Llama)
- دادههای دارای مجوز از ارائهدهندگانی مانند Tripadvisor
- تعاریف ابزار استاندارد OpenAPI 3.0
الگوهای عاملی
شما از طریق دستورات با LLMها ارتباط برقرار میکنید. با عوامل، همیشه نمیتوانید هر دستور را دستی و تک به تک بسازید — عامل باید در چندین مرحله اقدام کند. اینجاست که الگوهای عاملی وارد میشوند. اینها استراتژیهای قابل استفاده مجدد برای درخواست و هماهنگی LLMها به صورت قابل مقیاس، قابل اطمینان هستند.
این دوره حول متداولترین و مفیدترین الگوهای عاملی ساختار یافته است.
چارچوبهای عاملی
چارچوبهای عاملی به توسعهدهندگان قالبها، ابزارها و زیرساخت آماده برای ساخت عوامل میدهند. آنها کار را آسانتر میکنند برای:
- وصل کردن ابزارها و قابلیتها
- مشاهده کارهایی که عامل انجام میدهد (و اشکالزدایی هنگام بروز خطا)
- همکاری بین چند عامل
در این دوره ما روی چارچوب عامل مایکروسافت (MAF) برای ساخت عوامل آماده تولید تمرکز داریم.
نمونه کدها
آمادهاید که عملکرد را ببینید؟ اینجا نمونه کدهای این درس است:
- 🐍 پایتون: چارچوب عامل
- 🔷 داتنت: چارچوب عامل
سوالی دارید؟
به دیسکورد Microsoft Foundry بپیوندید تا با دیگر یادگیرندگان ارتباط بگیرید، در ساعات اداری شرکت کنید، و سوالات خود درباره عوامل هوش مصنوعی را از جامعه بپرسید.
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.