ai-agents-for-beginners
(לחצו על התמונה למעלה כדי לצפות בסרטון עבור השיעור הזה)
הקדמה לסוכני בינה מלאכותית ושימושים בסוכנים
ברוכים הבאים לקורס סוכני בינה מלאכותית למתחילים! קורס זה מעניק לכם את הידע הבסיסי — וקוד עובד אמיתי — כדי להתחיל לבנות סוכני בינה מלאכותית מאפס.
בואו לומר שלום בקהילת Azure AI Discord — היא מלאה בלומדים ובוני בינה מלאכותית שמחים לענות על שאלות.
לפני שנכנס לבנייה, בואו נוודא שאנחנו באמת מבינים מהו סוכן בינה מלאכותית ומה זה ומתי הגיוני להשתמש בו.
הקדמה
שיעור זה מכיל:
- מה הם סוכני בינה מלאכותית, והסוגים השונים שקיימים
- אילו סוגי משימות מתאימים ביותר לסוכני בינה מלאכותית
- אבני הבניין המרכזיות שתשתמשו בהן בעיצוב פתרון סוכני
מטרות הלמידה
בסוף השיעור הזה, תוכלו:
- להסביר מהו סוכן בינה מלאכותית ואיך הוא שונה מפתרון בינה מלאכותית רגיל
- לדעת מתי לפנות לסוכן בינה מלאכותית (ומתי לא)
- לרשום סקיצה של עיצוב בסיסי לפתרון סוכני לבעיה אמיתית
הגדרת סוכני בינה מלאכותית וסוגי סוכנים
מהם סוכני בינה מלאכותית?
הנה דרך פשוטה לחשוב על זה:
סוכני בינה מלאכותית הם מערכות שמאפשרות למודלים גדולים של שפה (LLMs) למעשה לעשות דברים — על ידי מתן כלים וידע לפעול בעולם, לא רק להגיב לפקודות.
בואו נפרט קצת:
- מערכת — סוכן בינה מלאכותית הוא לא רק דבר אחד. זה אוסף של חלקים שמשתפים פעולה. ביסודו, לכל סוכן יש שלושה חלקים:
- סביבה — המרחב שבו הסוכן פועל. עבור סוכן הזמנת טיולים, זו תהיה פלטפורמת ההזמנות עצמה.
- חיישנים — איך הסוכן קורא את מצב הסביבה הנוכחי. סוכן הטיולים שלנו עשוי לבדוק זמינות בתי מלון או מחירי טיסות.
- מפעילים — איך הסוכן פועל. הסוכן עשוי להזמין חדר, לשלוח אישור או לבטל הזמנה.
-
מודלים גדולים של שפה — סוכנים היו קיימים לפני ה-LLMs, אבל ה-LLMs הם אלו שהופכים את הסוכנים המודרניים לעוצמתיים כל כך. הם יכולים להבין שפה טבעית, לנמק בהקשר, ולהפוך בקשה מעורפלת לתוכנית פעולה מוגדרת.
-
לבצע פעולות — בלי מערכת סוכן, LLM רק מייצר טקסט. בתוך מערכת סוכן, ה-LLM יכול למעשה לבצע שלבים — לחפש בבסיס נתונים, לקרוא API, לשלוח הודעה.
-
גישה לכלים — אילו כלים הסוכן יכול להשתמש תלוי ב-(1) הסביבה שבה הוא פועל ו-(2) מה שהמפתח בחר לספק לו. סוכן טיולים עשוי להיות מסוגל לחפש טיסות אך לא לערוך רשומות לקוח — זה תלוי בהגדרות.
-
זיכרון + ידע — לסוכנים יכול להיות זיכרון לטווח קצר (השיחה הנוכחית) וזיכרון לטווח ארוך (מאגר לקוחות, אינטראקציות קודמות). סוכן הטיולים עשוי “לזכור” שאתה מעדיף מקומות ליד החלון.
סוגי הסוכנים השונים
לא כל הסוכנים בנויים אותו דבר. הנה פירוט הסוגים העיקריים, באמצעות דוגמת סוכן הזמנת טיולים:
| סוג סוכן | מה הוא עושה | דוגמת סוכן טיולים |
|---|---|---|
| סוכנים רפלקסיים פשוטים | פועלים לפי חוקים קשיחים — ללא זיכרון, ללא תכנון. | רואה מייל תלונה → מעביר לשירות לקוחות. זהו. |
| סוכנים רפלקסיים מבוססי מודל | שומרים מודל פנימי של העולם ומעדכנים אותו כשדברים משתנים. | עוקבים אחרי מחירי טיסות היסטוריים ומסמנים מסלולים שהפכו יקרים פתאום. |
| סוכנים מבוססי מטרה | יש להם מטרה ומחשבים איך להגיע אליה שלב אחר שלב. | מזמינים טיול שלם (טיסות, רכב, מלון) מהמיקום הנוכחי שלך אל היעד. |
| סוכני תועלת | לא רק מוצאים פתרון — מוצאים את הטוב ביותר על ידי שקלול פשרות. | מאזנים בין עלות לנוחות כדי למצוא את הטיול שמדרג הכי גבוה לפי ההעדפות שלך. |
| סוכני למידה | משתפרים עם הזמן על ידי למידה ממשוב. | מתאימים המלצות הזמנה עתידיות בהתבסס על תוצאות סקר לאחר הטיול. |
| סוכנים היררכיים | סוכן ברמה גבוהה מחלק עבודה לתת-משימות ומאציל לסוכנים ברמה נמוכה. | בקשה ל”ביטול טיול” מתפצלת ל: ביטול טיסה, ביטול מלון, ביטול השכרת רכב — כל אחד מטופל על ידי תת-סוכן. |
| מערכות רב-סוכניות (MAS) | מספר סוכנים עצמאיים שעובדים ביחד (או מתחרים). | שיתופי: סוכנים נפרדים מטפלים במלונות, טיסות ובידור. תחרותי: סוכנים מתחרים למלא חדרי מלון במחיר הטוב ביותר. |
מתי להשתמש בסוכני בינה מלאכותית
רק כי אפשר להשתמש בסוכן בינה מלאכותית לא אומר שצריך תמיד. הנה המצבים שבהם סוכנים באמת זורחים:
- בעיות פתוחות סופיות — כשהשלבים לפתרון בעיה לא ניתנים לתכנות מראש. צריך שה-LLM ימצא את הנתיב בצורה דינמית.
- תהליכים מרובי שלבים — משימות שדורשות שימוש בכלים בכמה סבבים, לא רק חיפוש או יצירה בודדים.
- שיפור עם הזמן — כשאתם רוצים שהמערכת תיקלט אינטליגנציה חדשה בהתבסס על משוב משתמש או אותות מהסביבה.
נעמיק מתי (ומתי לא) להשתמש בסוכני בינה מלאכותית בשיעור בניית סוכני בינה אמינים בהמשך הקורס.
יסודות פתרונות סוכניים
פיתוח סוכן
הדבר הראשון שאתם עושים כשבונים סוכן הוא להגדיר מה הוא יכול לעשות — הכלים, הפעולות וההתנהגויות שלו.
בקורס זה אנו משתמשים בשירות Azure AI Agent Service כפלטפורמה הראשית שלנו. הוא תומך ב:
- מודלים מספקים כמו OpenAI, Mistral, ו-Meta (Llama)
- נתונים מורשים מספקים כמו Tripadvisor
- הגדרות כלי OpenAPI 3.0 סטנדרטיות
דפוסי סוכנות
אתם מתקשרים עם LLMs דרך פרומפטים. עם סוכנים, לא תמיד אפשר לייצר כל פרומפט ביד — הסוכן צריך לפעול דרך שלבים רבים. כאן נכנסים דפוסי סוכנות. אלה אסטרטגיות ניתנות לשימוש חוזר להנחיה וארגון LLMs בצורה יותר מדרגית ואמינה.
הקורס בנוי סביב דפוסי הסוכנות הנפוצים והשימושיים ביותר.
מסגרות סוכנות
מסגרות סוכנות מעניקות למפתחים תבניות מוכנות, כלים ותשתית לבניית סוכנים. הן מקלות על:
- חיבור כלים ויכולות
- מעקב אחרי מה שהסוכן עושה (ודיבוג כשמשהו מתקלקל)
- שיתוף פעולה בין סוכנים רבים
בקורס זה אנו מתמקדים במסגרת הסוכנים של מיקרוסופט (MAF) לבניית סוכנים מוכנים לייצור.
דוגמאות קוד
מוכנים לראות את זה בפעולה? הנה דוגמאות הקוד עבור השיעור הזה:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
יש לכם שאלות?
הצטרפו ל-Microsoft Foundry Discord כדי להתחבר עם לומדים אחרים, להשתתף בשעות קבלה ולקבל מענה לשאלות על סוכני בינה מלאכותית מהקהילה.
שיעור קודם
שיעור הבא
כתב ויתור: מסמך זה תורגם באמצעות שירות תרגום אוטומטי Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו הטבעית כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אדם. אנו לא אחראים לכל אי-הבנה או פירוש שגוי הנובע מהשימוש בתרגום זה.