ai-agents-for-beginners
(לחצו על התמונה למעלה לצפייה בסרטון של השיעור)
מבוא לסוכני בינה מלאכותית ושימושי סוכנים
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 להגיד שלום בקהילת Azure AI Discord — מלאה בלומדים ובוני בינה מלאכותית שישמחו לענות על שאלות.
לפני שנכנס לבנייה, בואו נדאג שאנחנו באמת מבינים מהו סוכן בינה מלאכותית ומהו ומתי הגיוני להשתמש בו.
מבוא
השיעור הזה כולל:
- מה הם סוכני בינה מלאכותית, והסוגים השונים שקיימים
- אילו סוגים של משימות מתאימים ביותר לסוכני בינה מלאכותית
- אבני הבניין המרכזיות שתשתמשו בהם בתכנון פתרון סוכני
מטרות הלמידה
בסיום שיעור זה, אתם אמורים להיות מסוגלים:
- להסביר מהו סוכן בינה מלאכותית וכיצד הוא שונה מפתרון בינה מלאכותית רגיל
- לדעת מתי לגשת לסוכן בינה מלאכותית (ומתי לא)
- לשרטט עיצוב בסיסי לפתרון סוכני לבעיה מהעולם האמיתי
הגדרת סוכני בינה מלאכותית וסוגי סוכנים
מה הם סוכני בינה מלאכותית?
הנה דרך פשוטה לחשוב על זה:
סוכני בינה מלאכותית הם מערכות שמאפשרות למודלים גדולים של שפה (LLMs) באמת לעשות דברים — על ידי מתן כלים וידע לפעול בעולם, לא רק להגיב להנחיות.
נפרט קצת:
- מערכת — סוכן בינה מלאכותית אינו רק דבר אחד. הוא אוסף של חלקים שעובדים יחד. במרכזו, לכל סוכן יש שלושה חלקים:
- סביבה — המרחב שבו הסוכן פועל. לסוכן הזמנת טיסות, זה יהיה פלטפורמת ההזמנות עצמה.
- חיישנים — איך הסוכן קורא את המצב הנוכחי של הסביבה שלו. סוכן הנסיעות שלנו יבדוק זמינות מלונות או מחירי טיסות.
- מפעילים — איך הסוכן פועל. סוכן הנסיעות עשוי להזמין חדר, לשלוח אישור או לבטל הזמנה.
-
מודלים גדולי שפה — סוכנים היו קיימים לפני LLMs, אבל LLMs הם מה שעושים את הסוכנים המודרניים כל כך חזקים. הם יכולים להבין שפה טבעית, להיגרר בהקשר, ולהפוך בקשת משתמש מעורפלת לתוכנית פעולה קונקרטית.
-
ביצוע פעולות — ללא מערכת סוכן, LLM פשוט מייצר טקסט. בתוך מערכת סוכן, LLM יכול באמת לבצע שלבים — לחפש במאגר נתונים, לקרוא API, לשלוח הודעה.
-
גישה לכלים — אילו כלים הסוכן יכול להשתמש תלוי ב-(1) הסביבה שבה הוא פועל ו-(2) מה המפתח בחר לספק לו. סוכן הנסיעות יכול לחפש טיסות אבל לא לערוך רשומות לקוחות — הכל תלוי בחיבור.
-
זיכרון + ידע — לסוכנים יכול להיות זיכרון קצר טווח (השיחה הנוכחית) וזיכרון ארוך טווח (מאגר לקוחות, אינטראקציות בעבר). סוכן הנסיעות עשוי “לזכור” שאתם מעדיפים מושבים ליד החלון.
הסוגים השונים של סוכני בינה מלאכותית
לא כל הסוכנים בנויים אותו דבר. הנה פירוט של הסוגים העיקריים, תוך שימוש בדוגמת סוכן הזמנות נסיעות:
| סוג סוכן | מה הוא עושה | דוגמת סוכן נסיעות |
|---|---|---|
| סוכני רפלקס פשוטים | פועלים לפי חוקים קבועים — בלי זיכרון, בלי תכנון. | רואה מייל תלונה → מעביר למחלקת שירות לקוחות. זהו. |
| סוכני רפלקס מבוססי מודל | שומרים מודל פנימי של העולם ומעדכנים אותו כשדברים משתנים. | עוקב אחר מחירי טיסות היסטוריים ומדווח על מסלולים שפתאום יקרים. |
| סוכני מבוססי מטרה | יש להם מטרה וחותרים להשיגה שלב אחרי שלב. | מזמין טיול מלא (טיסות, רכב, מלון) מהנקודה הנוכחית שלכם כדי להגיע ליעד. |
| סוכני מבוססי שימושיות | לא רק מוצא פתרון — מוצא את הטוב ביותר על ידי שקילה בין האפשרויות. | מאזין בין עלות לנוחות כדי למצוא את הטיול שישיג את הציון הגבוה ביותר עבור ההעדפות שלכם. |
| סוכני למידה | משתפרים עם הזמן על ידי למידה ממשוב. | מתאים המלצות להזמנות עתידיות בהתבסס על תוצאות סקר לאחר הטיול. |
| סוכנים היררכיים | סוכן ברמה גבוהה מפרק עבודה לתת-משימות ומפזר לסוכנים ברמה נמוכה יותר. | בקשת “בטל טיול” מתפצלת ל: בטל טיסה, בטל מלון, בטל השכרת רכב — כל אחד מטופל על ידי סוכן משנה. |
| מערכות רב-סוכניות (MAS) | מספר סוכנים עצמאיים עובדים יחד (או מתחרים). | שיתופי: סוכנים נפרדים מטפלים במלונות, טיסות ובידור. תחרותי: מספר סוכנים מתחרים למילוי חדרי מלון במחיר הטוב ביותר. |
מתי להשתמש בסוכני בינה מלאכותית
רק מפני שאתם יכולים להשתמש בסוכן בינה מלאכותית לא אומר שתמיד כדאי.
הנה מצבים שבהם סוכנים באמת מזהירים:
- בעיות פתוחות — כשהצעדים לפתירת הבעיה לא ניתנים לתכנות מראש. יש צורך שה-LLM ימצא את הדרך באופן דינמי.
- תהליכים רב-שלביים — משימות שדורשות שימוש בכלים בכמה סיבובים, לא רק בחיפוש יחיד או יצירה.
- שיפור עם הזמן — כשאתם רוצים שהמערכת תהפוך לחכמה יותר בהתבסס על משוב משתמש או אותות סביבתיים.
ניכנס לעומק מתי (ומתי לא) להשתמש בסוכני בינה מלאכותית בשיעור בניית סוכני בינה מלאכותית 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 הזה, אנחנו משתמשים בשירות הסוכנים של Azure AI כפלטפורמה הראשית שלנו. הוא תומך ב:
- מודלים פתוחים כמו OpenAI, Mistral, ו-Llama
- נתונים מורשים מספקים כמו Tripadvisor
- הגדרות כלים סטנדרטיות OpenAPI 3.0
תבניות סוכניים
אתם מתקשרים עם LLMs דרך הנחיות. עם סוכנים, אי אפשר תמיד ליצור כל הנחיה ביד — הסוכן צריך לפעול לאורך שלבים רבים. כאן נכנסות תבניות סוכניים. אלו אסטרטגיות חוזרות לשימוש להנחות ולתזמור LLMs בצורה יותר ניתנת להרחבה ואמינה.
הקורס בנוי סביב תבניות סוכניים השכיחות והשימושיות ביותר.
מסגרות סוכניים
מסגרות סוכניים מעניקות למפתחים תבניות מוכנות, כלים ותשתיות לבניית סוכנים. הן מקלות על:
- חיבור כלים ויכולות
- מעקב אחרי מה שהסוכן עושה (ותיקון כשמשהו משתבש)
- שיתוף פעולה בין סוכנים מרובים
בקורס הזה, אנו מתמקדים במסגרת הסוכנים של Microsoft (MAF) כדי לבנות סוכנים מוכנים לייצור.
דוגמאות קוד
מוכנים לראות את זה בפעולה? הנה דוגמאות הקוד לשיעור הזה:
- 🐍 Python: מסגרת סוכנים
- 🔷 .NET: מסגרת סוכנים
יש לכם שאלות?
הצטרפו ל-Microsoft Foundry Discord להתחבר ללומדים אחרים, להגיע לשעות משרד, ולקבל מענה לשאלות לגבי סוכני בינה מלאכותית מהקהילה.
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 הטבעית צריך להיחשב למקור הסמכותי. למידע קריטי, מומלץ להיעזר בתרגום מקצועי אנושי. אנו לא אחראים לכל אי-הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.