ai-agents-for-beginners

הגדרת הקורס

מבוא

בשיעור זה נלמד כיצד להפעיל את דוגמאות הקוד של הקורס.

הצטרפות ללומדים אחרים וקבלת עזרה

לפני שתתחילו לשכפל את המאגר שלכם, הצטרפו לערוץ AI Agents For Beginners ב-Discord כדי לקבל עזרה בהגדרות, לשאול שאלות על הקורס או להתחבר ללומדים אחרים.

שכפול או יצירת מזלג למאגר זה

כדי להתחיל, אנא שכפלו או צרו מזלג למאגר ה-GitHub. זה ייצור גרסה משלכם של חומרי הקורס כך שתוכלו להפעיל, לבדוק ולשנות את הקוד!

ניתן לעשות זאת על ידי לחיצה על הקישור ליצירת מזלג למאגר.

כעת אמורה להיות לכם גרסה משלכם של הקורס בקישור הבא:

שכפול רדוד (מומלץ לסדנאות / Codespaces)

המאגר המלא יכול להיות גדול (~3 GB) כאשר מורידים את כל ההיסטוריה וכל הקבצים. אם אתם רק משתתפים בסדנה או זקוקים רק לכמה תיקיות שיעורים, שכפול רדוד (או שכפול חלקי) מונע את רוב ההורדה הזו על ידי קיצור ההיסטוריה ו/או דילוג על קבצים.

שכפול רדוד מהיר — היסטוריה מינימלית, כל הקבצים

החליפו <your-username> בפקודות למטה עם כתובת ה-URL של המזלג שלכם (או כתובת ה-URL המקורית אם אתם מעדיפים).

כדי לשכפל רק את ההיסטוריה של ההתחייבות האחרונה (הורדה קטנה):

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

כדי לשכפל ענף מסוים:

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

שכפול חלקי (ספראסי) — קבצים מינימליים + רק תיקיות נבחרות

זה משתמש בשכפול חלקי וב-sparse-checkout (דורש Git 2.25+ ומומלץ להשתמש בגרסת Git מודרנית עם תמיכה בשכפול חלקי):

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

עברו לתיקיית המאגר:

עבור bash:

cd ai-agents-for-beginners

עבור Powershell:

Set-Location ai-agents-for-beginners

לאחר מכן ציינו אילו תיקיות אתם רוצים (הדוגמה למטה מראה שתי תיקיות):

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

לאחר השכפול ואימות הקבצים, אם אתם זקוקים רק לקבצים ורוצים לפנות מקום (ללא היסטוריית git), אנא מחקו את המטא-נתונים של המאגר (💀בלתי הפיך — תאבדו את כל הפונקציונליות של Git: אין התחייבויות, משיכות, דחיפות או גישה להיסטוריה).

עבור Linux/macOS:

rm -rf .git

עבור Windows:

Remove-Item -Recurse -Force .git

שימוש ב-GitHub Codespaces (מומלץ להימנע מהורדות גדולות מקומיות)

• צרו Codespace חדש עבור מאגר זה דרך ממשק המשתמש של GitHub.

• בטרמינל של ה-Codespace החדש שנוצר, הריצו אחת מהפקודות לשכפול רדוד/חלקי שהוזכרו לעיל כדי להביא רק את תיקיות השיעורים שאתם צריכים לסביבת העבודה של ה-Codespace.
• אופציונלי: לאחר השכפול בתוך Codespaces, מחקו את .git כדי לשחרר מקום נוסף (ראו פקודות מחיקה לעיל).
• הערה: אם אתם מעדיפים לפתוח את המאגר ישירות ב-Codespaces (ללא שכפול נוסף), שימו לב ש-Codespaces יבנה את סביבת ה-devcontainer וייתכן שעדיין יכין יותר ממה שאתם צריכים. שכפול עותק רדוד בתוך Codespace חדש נותן לכם יותר שליטה על השימוש בדיסק.

טיפים

• תמיד החליפו את כתובת ה-URL של השכפול עם המזלג שלכם אם אתם רוצים לערוך/להתחייב.
• אם תצטרכו מאוחר יותר יותר היסטוריה או קבצים, תוכלו להביא אותם או להתאים את ה-sparse-checkout לכלול תיקיות נוספות.

הפעלת הקוד

הקורס מציע סדרת מחברות Jupyter שתוכלו להפעיל כדי לקבל ניסיון מעשי בבניית סוכני AI.

דוגמאות הקוד משתמשות באחת מהאפשרויות הבאות:

דורש חשבון GitHub - חינם:

1) Semantic Kernel Agent Framework + GitHub Models Marketplace. מסומן כ-(semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace. מסומן כ-(autogen.ipynb)

דורש מנוי Azure: 3) Azure AI Foundry + Azure AI Agent Service. מסומן כ-(azureaiagent.ipynb)

אנו ממליצים לכם לנסות את כל שלושת סוגי הדוגמאות כדי לראות מה עובד הכי טוב עבורכם.

האפשרות שתבחרו תקבע אילו שלבי הגדרה תצטרכו לבצע בהמשך:

דרישות

• Python 3.12+

  • NOTE: אם אין לכם Python3.12 מותקן, ודאו שאתם מתקינים אותו. לאחר מכן צרו את ה-venv שלכם באמצעות python3.12 כדי להבטיח שהגרסאות הנכונות יותקנו מקובץ requirements.txt.

    דוגמה

    יצירת תיקיית Python venv:

    python3 -m venv venv
    

    לאחר מכן הפעילו את סביבת ה-venv עבור:

    macOS ו-Linux

    source venv/bin/activate
    

    Windows

    venv\Scripts\activate
    

• חשבון GitHub - לגישה ל-GitHub Models Marketplace
• מנוי Azure - לגישה ל-Azure AI Foundry
• חשבון Azure AI Foundry - לגישה ל-Azure AI Agent Service

הוספנו קובץ requirements.txt בתיקיית השורש של מאגר זה שמכיל את כל חבילות ה-Python הנדרשות להפעלת דוגמאות הקוד.

תוכלו להתקין אותן על ידי הרצת הפקודה הבאה בטרמינל בתיקיית השורש של המאגר:

pip install -r requirements.txt

אנו ממליצים ליצור סביבת Python וירטואלית כדי להימנע מכל קונפליקטים ובעיות.

הגדרת VSCode

ודאו שאתם משתמשים בגרסת Python הנכונה ב-VSCode.

הגדרה לדוגמאות באמצעות GitHub Models

שלב 1: קבלת GitHub Personal Access Token (PAT)

קורס זה משתמש ב-GitHub Models Marketplace, המספק גישה חינמית למודלים של שפה גדולה (LLMs) שתשתמשו בהם לבניית סוכני AI.

כדי להשתמש במודלים של GitHub, תצטרכו ליצור GitHub Personal Access Token.

ניתן לעשות זאת על ידי מעבר להגדרות Personal Access Tokens בחשבון ה-GitHub שלכם.

אנא עקבו אחר עקרון המינימום הנדרש בעת יצירת הטוקן. משמעות הדבר היא שעליכם להעניק לטוקן רק את ההרשאות הנדרשות להפעלת דוגמאות הקוד בקורס זה.

1. בחרו באפשרות Fine-grained tokens בצד שמאל של המסך על ידי מעבר להגדרות מפתחים.

   לאחר מכן בחרו Generate new token.

   

2. הזינו שם תיאורי לטוקן שלכם שמשקף את מטרתו, כך שיהיה קל לזהות אותו מאוחר יותר.

   🔐 המלצה על משך זמן הטוקן

   משך זמן מומלץ: 30 ימים עבור אבטחה גבוהה יותר, תוכלו לבחור תקופה קצרה יותר—כמו 7 ימים 🛡️ זו דרך מצוינת להציב לעצמכם יעד אישי ולהשלים את הקורס תוך שמירה על המומנטום שלכם 🚀.

   

3. הגבילו את היקף הטוקן למזלג של מאגר זה.

   

4. הגבלות הרשאות הטוקן: תחת Permissions, לחצו על לשונית Account, ולאחר מכן לחצו על כפתור “+ Add permissions”. תופיע תפריט נפתח. חפשו Models וסמנו את התיבה עבורו.

5. ודאו את ההרשאות הנדרשות לפני יצירת הטוקן.

6. לפני יצירת הטוקן, ודאו שאתם מוכנים לשמור את הטוקן במקום מאובטח כמו כספת מנהל סיסמאות, מכיוון שהוא לא יוצג שוב לאחר יצירתו.

העתיקו את הטוקן החדש שיצרתם זה עתה. כעת תוסיפו אותו לקובץ .env הכלול בקורס זה.

שלב 2: יצירת קובץ .env

כדי ליצור את קובץ ה-.env שלכם, הריצו את הפקודה הבאה בטרמינל.

cp .env.example .env

זה יעתיק את קובץ הדוגמה וייצור קובץ .env בתיקייה שלכם, שם תמלאו את הערכים עבור משתני הסביבה.

עם הטוקן שהעתקתם, פתחו את קובץ ה-.env בעורך הטקסט המועדף עליכם והדביקו את הטוקן בשדה GITHUB_TOKEN.

כעת תוכלו להפעיל את דוגמאות הקוד של הקורס.

הגדרה לדוגמאות באמצעות Azure AI Foundry ו-Azure AI Agent Service

שלב 1: קבלת נקודת הקצה של פרויקט Azure שלכם

עקבו אחר השלבים ליצירת hub ופרויקט ב-Azure AI Foundry שנמצאים כאן: סקירת משאבי Hub

לאחר שיצרתם את הפרויקט שלכם, תצטרכו לקבל את מחרוזת החיבור לפרויקט שלכם.

ניתן לעשות זאת על ידי מעבר לדף סקירה כללית של הפרויקט שלכם בפורטל Azure AI Foundry.

שלב 2: יצירת קובץ .env

כדי ליצור את קובץ ה-.env שלכם, הריצו את הפקודה הבאה בטרמינל.

cp .env.example .env

זה יעתיק את קובץ הדוגמה וייצור קובץ .env בתיקייה שלכם, שם תמלאו את הערכים עבור משתני הסביבה.

עם הטוקן שהעתקתם, פתחו את קובץ ה-.env בעורך הטקסט המועדף עליכם והדביקו את הטוקן בשדה PROJECT_ENDPOINT.

שלב 3: התחברות ל-Azure

כחלק מהמלצות אבטחה, נשתמש ב-אימות ללא מפתח כדי לאמת ל-Azure OpenAI עם Microsoft Entra ID.

לאחר מכן, פתחו טרמינל והריצו az login --use-device-code כדי להתחבר לחשבון Azure שלכם.

לאחר שהתחברתם, בחרו את המנוי שלכם בטרמינל.

משתני סביבה נוספים - Azure Search ו-Azure OpenAI

עבור שיעור Agentic RAG - שיעור 5 - יש דוגמאות שמשתמשות ב-Azure Search ו-Azure OpenAI.

אם תרצו להפעיל דוגמאות אלו, תצטרכו להוסיף את משתני הסביבה הבאים לקובץ ה-.env שלכם:

דף סקירה כללית (פרויקט)

• AZURE_SUBSCRIPTION_ID - בדקו פרטי הפרויקט בדף סקירה כללית של הפרויקט שלכם.

• AZURE_AI_PROJECT_NAME - הסתכלו בראש דף סקירה כללית של הפרויקט שלכם.

• AZURE_OPENAI_SERVICE - מצאו זאת בלשונית יכולות כלולות עבור שירות Azure OpenAI בדף סקירה כללית.

מרכז ניהול

• AZURE_OPENAI_RESOURCE_GROUP - עברו למאפייני הפרויקט בדף סקירה כללית של מרכז הניהול.

• GLOBAL_LLM_SERVICE - תחת משאבים מחוברים, מצאו את שם החיבור של שירותי Azure AI. אם לא מופיע, בדקו את פורטל Azure תחת קבוצת המשאבים שלכם עבור שם משאב שירותי AI.

דף מודלים + נקודות קצה

• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - בחרו את מודל ההטמעה שלכם (לדוגמה, text-embedding-ada-002) ורשמו את שם הפריסה מפרטי המודל.

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - בחרו את מודל הצ’אט שלכם (לדוגמה, gpt-4o-mini) ורשמו את שם הפריסה מפרטי המודל.

פורטל Azure

• AZURE_OPENAI_ENDPOINT - חפשו את שירותי Azure AI, לחצו עליו, לאחר מכן עברו לניהול משאבים, מפתחות ונקודת קצה, גללו למטה ל”נקודות קצה של Azure OpenAI”, והעתיקו את זו שאומרת “שירותי שפה”.

• AZURE_OPENAI_API_KEY - מאותו מסך, העתיקו את מפתח 1 או מפתח 2.

• AZURE_SEARCH_SERVICE_ENDPOINT - מצאו את משאב Azure AI Search שלכם, לחצו עליו, וצפו בסקירה כללית.

• AZURE_SEARCH_API_KEY - לאחר מכן עברו להגדרות ואז למפתחות כדי להעתיק את מפתח המנהל הראשי או המשני.

דף חיצוני

• AZURE_OPENAI_API_VERSION - בקרו בדף מחזור חיי גרסת API תחת גרסת GA API האחרונה.

הגדרת אימות ללא מפתח

במקום להכניס את האישורים שלכם ישירות, נשתמש בחיבור ללא מפתח עם Azure OpenAI. לשם כך, נייבא את DefaultAzureCredential ולאחר מכן נקרא לפונקציה DefaultAzureCredential כדי לקבל את האישורים.

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

נתקעתם איפשהו?

אם יש לך בעיות בהפעלת ההגדרות הללו, הצטרף ל-Azure AI Community Discord שלנו או צור בעיה חדשה.

השיעור הבא

כעת אתה מוכן להפעיל את הקוד עבור הקורס הזה. למידה מהנה על עולם סוכני הבינה המלאכותית!

מבוא לסוכני בינה מלאכותית ושימושים אפשריים

---

הצהרת אחריות:
מסמך זה תורגם באמצעות שירות תרגום AI Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור סמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי אנושי. איננו אחראים לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.

This site is open source. Improve this page.