ai-agents-for-beginners
(לחצו על התמונה למעלה לצפייה בסרטון של השיעור הזה)
מבוא לסוכנים מבוססי AI ושימושים אפשריים
ברוכים הבאים לקורס “סוכנים מבוססי AI למתחילים”! קורס זה מספק ידע בסיסי ודוגמאות יישומיות לבניית סוכנים מבוססי AI.
הצטרפו לAzure AI Foundry Discord כדי לפגוש לומדים אחרים ובוני סוכנים מבוססי AI ולשאול כל שאלה שיש לכם על הקורס הזה.
כדי להתחיל את הקורס, נתחיל בהבנה טובה יותר של מה הם סוכנים מבוססי AI וכיצד ניתן להשתמש בהם ביישומים ובתהליכי עבודה שאנחנו בונים.
מבוא
השיעור הזה מכסה:
- מה הם סוכנים מבוססי AI ומהם הסוגים השונים של סוכנים?
- אילו שימושים מתאימים ביותר לסוכנים מבוססי AI וכיצד הם יכולים לעזור לנו?
- מהם כמה מהמרכיבים הבסיסיים בעת תכנון פתרונות מבוססי סוכנים?
מטרות למידה
לאחר השלמת השיעור הזה, תוכלו:
- להבין את מושגי הסוכנים מבוססי AI וכיצד הם שונים מפתרונות AI אחרים.
- ליישם סוכנים מבוססי AI בצורה יעילה.
- לתכנן פתרונות מבוססי סוכנים באופן פרודוקטיבי עבור משתמשים ולקוחות.
הגדרת סוכנים מבוססי AI וסוגי סוכנים
מה הם סוכנים מבוססי AI?
סוכנים מבוססי AI הם מערכות שמאפשרות למודלים שפתיים גדולים (LLMs) לבצע פעולות על ידי הרחבת היכולות שלהם באמצעות מתן גישה לכלים וידע.
בואו נפרק את ההגדרה הזו לחלקים קטנים יותר:
- מערכת - חשוב לחשוב על סוכנים לא רק כמרכיב יחיד אלא כמערכת של מרכיבים רבים. ברמה הבסיסית, המרכיבים של סוכן מבוסס AI הם:
- סביבה - המרחב המוגדר שבו הסוכן מבוסס AI פועל. לדוגמה, אם יש לנו סוכן להזמנת נסיעות, הסביבה יכולה להיות מערכת ההזמנות שבה הסוכן משתמש כדי להשלים משימות.
- חיישנים - סביבות מספקות מידע ומשוב. סוכנים מבוססי AI משתמשים בחיישנים כדי לאסוף ולפרש מידע על מצב הסביבה הנוכחי. בדוגמה של סוכן להזמנת נסיעות, מערכת ההזמנות יכולה לספק מידע כמו זמינות מלונות או מחירי טיסות.
- מפעילים - לאחר שהסוכן מבוסס AI מקבל את מצב הסביבה הנוכחי, עבור המשימה הנוכחית הסוכן קובע איזו פעולה לבצע כדי לשנות את הסביבה. עבור סוכן להזמנת נסיעות, זה יכול להיות הזמנת חדר פנוי עבור המשתמש.
מודלים שפתיים גדולים - הרעיון של סוכנים התקיים לפני יצירת LLMs. היתרון בבניית סוכנים מבוססי AI עם LLMs הוא היכולת שלהם לפרש שפה אנושית ונתונים. יכולת זו מאפשרת ל-LLMs לפרש מידע סביבתי ולהגדיר תוכנית לשינוי הסביבה.
ביצוע פעולות - מחוץ למערכות סוכנים מבוססי AI, LLMs מוגבלים למצבים שבהם הפעולה היא יצירת תוכן או מידע על בסיס בקשת המשתמש. בתוך מערכות סוכנים מבוססי AI, LLMs יכולים להשלים משימות על ידי פירוש בקשת המשתמש ושימוש בכלים הזמינים בסביבתם.
גישה לכלים - אילו כלים יש ל-LLM גישה אליהם מוגדרים על ידי 1) הסביבה שבה הוא פועל ו-2) המפתח של הסוכן מבוסס AI. בדוגמה של סוכן הנסיעות, הכלים של הסוכן מוגבלים על ידי הפעולות הזמינות במערכת ההזמנות, ו/או המפתח יכול להגביל את גישת הסוכן לכלים מסוימים כמו טיסות.
זיכרון+ידע - זיכרון יכול להיות קצר טווח בהקשר של השיחה בין המשתמש לסוכן. לטווח ארוך, מחוץ למידע המסופק על ידי הסביבה, סוכנים מבוססי AI יכולים גם לאחזר ידע ממערכות, שירותים, כלים ואפילו סוכנים אחרים. בדוגמה של סוכן הנסיעות, ידע זה יכול להיות מידע על העדפות הנסיעה של המשתמש שנמצא במסד נתונים של לקוחות.
סוגי סוכנים שונים
עכשיו כשיש לנו הגדרה כללית של סוכנים מבוססי AI, בואו נבחן כמה סוגי סוכנים ספציפיים וכיצד הם ייושמו בדוגמה של סוכן להזמנת נסיעות.
| סוג סוכן | תיאור | דוגמה |
|---|---|---|
| סוכנים רפלקסיביים פשוטים | מבצעים פעולות מיידיות על בסיס כללים מוגדרים מראש. | סוכן נסיעות מפרש את ההקשר של אימייל ומעביר תלונות נסיעה לשירות לקוחות. |
| סוכנים רפלקסיביים מבוססי מודל | מבצעים פעולות על בסיס מודל של העולם ושינויים במודל זה. | סוכן נסיעות נותן עדיפות לנתיבים עם שינויים משמעותיים במחיר על בסיס גישה לנתוני מחירים היסטוריים. |
| סוכנים מבוססי מטרה | יוצרים תוכניות להשגת מטרות ספציפיות על ידי פירוש המטרה וקביעת פעולות להשגתן. | סוכן נסיעות מזמין מסע על ידי קביעת סידורי נסיעה נחוצים (רכב, תחבורה ציבורית, טיסות) מהמיקום הנוכחי ליעד. |
| סוכנים מבוססי תועלת | שוקלים העדפות ושוקלים פשרות באופן מספרי כדי לקבוע כיצד להשיג מטרות. | סוכן נסיעות ממקסם תועלת על ידי שקילת נוחות מול עלות בעת הזמנת נסיעה. |
| סוכנים לומדים | משתפרים עם הזמן על ידי תגובה למשוב והתאמת פעולות בהתאם. | סוכן נסיעות משתפר על ידי שימוש במשוב לקוחות מסקרים לאחר נסיעה כדי לבצע התאמות להזמנות עתידיות. |
| סוכנים היררכיים | כוללים מספר סוכנים במערכת מדורגת, כאשר סוכנים ברמה גבוהה יותר מחלקים משימות למשימות משנה שסוכנים ברמה נמוכה יותר משלימים. | סוכן נסיעות מבטל נסיעה על ידי חלוקת המשימה למשימות משנה (לדוגמה, ביטול הזמנות ספציפיות) וסוכנים ברמה נמוכה יותר משלימים אותן, מדווחים בחזרה לסוכן ברמה גבוהה יותר. |
| מערכות סוכנים מרובים (MAS) | סוכנים משלימים משימות באופן עצמאי, בין אם בשיתוף פעולה או בתחרות. | שיתופי: מספר סוכנים מזמינים שירותי נסיעה ספציפיים כמו מלונות, טיסות ובידור. תחרותי: מספר סוכנים מנהלים ומתחרים על לוח הזמנות מלון משותף כדי להזמין לקוחות למלון. |
מתי להשתמש בסוכנים מבוססי AI
בקטע הקודם, השתמשנו בדוגמה של סוכן נסיעות כדי להסביר כיצד ניתן להשתמש בסוגים השונים של סוכנים בתרחישים שונים של הזמנת נסיעות. נמשיך להשתמש ביישום זה לאורך הקורס.
בואו נבחן את סוגי השימושים שבהם סוכנים מבוססי AI מתאימים ביותר:
- בעיות פתוחות - מאפשרים ל-LLM לקבוע את הצעדים הנדרשים להשלמת משימה מכיוון שלא תמיד ניתן לקודד אותם מראש בתהליך עבודה.
- תהליכים מרובי שלבים - משימות שדורשות רמה של מורכבות שבה הסוכן מבוסס AI צריך להשתמש בכלים או מידע לאורך מספר שלבים במקום שליפה חד-פעמית.
- שיפור עם הזמן - משימות שבהן הסוכן יכול להשתפר עם הזמן על ידי קבלת משוב מהסביבה או מהמשתמשים כדי לספק תועלת טובה יותר.
נכסה שיקולים נוספים לשימוש בסוכנים מבוססי AI בשיעור “בניית סוכנים מבוססי AI אמינים”.
יסודות פתרונות מבוססי סוכנים
פיתוח סוכנים
השלב הראשון בתכנון מערכת סוכן מבוסס AI הוא להגדיר את הכלים, הפעולות וההתנהגויות. בקורס זה, נתמקד בשימוש בשירות הסוכנים של Azure AI כדי להגדיר את הסוכנים שלנו. הוא מציע תכונות כמו:
- בחירת מודלים פתוחים כמו OpenAI, Mistral ו-Llama
- שימוש בנתונים מורשים דרך ספקים כמו Tripadvisor
- שימוש בכלים סטנדרטיים של OpenAPI 3.0
תבניות מבוססות סוכנים
תקשורת עם LLMs מתבצעת באמצעות הנחיות. בהתחשב באופי החצי-אוטונומי של סוכנים מבוססי AI, לא תמיד אפשרי או נדרש להנחות מחדש את ה-LLM לאחר שינוי בסביבה. אנו משתמשים בתבניות מבוססות סוכנים שמאפשרות לנו להנחות את ה-LLM לאורך מספר שלבים בצורה יותר ניתנת להרחבה.
הקורס הזה מחולק לכמה מהתבניות הפופולריות הנוכחיות של סוכנים מבוססי AI.
מסגרות מבוססות סוכנים
מסגרות מבוססות סוכנים מאפשרות למפתחים ליישם תבניות מבוססות סוכנים באמצעות קוד. מסגרות אלו מציעות תבניות, תוספים וכלים לשיתוף פעולה טוב יותר של סוכנים מבוססי AI. יתרונות אלו מספקים יכולות לתצפית טובה יותר ולפתרון בעיות במערכות סוכנים מבוססי AI.
בקורס זה, נחקור את מסגרת AutoGen המבוססת מחקר ואת מסגרת Agent המוכנה לייצור מ-Semantic Kernel.
יש לכם עוד שאלות על סוכנים מבוססי AI?
הצטרפו לAzure AI Foundry Discord כדי לפגוש לומדים אחרים, להשתתף בשעות קבלה ולקבל תשובות לשאלות שלכם על סוכנים מבוססי AI.
שיעור קודם
שיעור הבא
כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית 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 על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.