ai-agents-for-beginners
(לחץ על התמונה למעלה כדי לצפות בסרטון של השיעור הזה)
מבוא לסוכני בינה מלאכותית ומקרי שימוש
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 דיסקורד Azure AI — מלאה בלומדים ובוני בינה מלאכותית שמוכנים בשמחה לענות על שאלות.
לפני שנכנס לבנייה, בואו נדאג שאנחנו באמת מבינים מהו סוכן בינה מלאכותית ומה ומתי הגיוני להשתמש בו.
מבוא
שיעור זה כולל:
- מה הם סוכני בינה מלאכותית, ומהם הסוגים השונים שקיימים
- אילו סוגי משימות סוכני בינה מלאכותית מתאימים להן ביותר
- אבני הבניין העיקריות שתשתמשו בהן בעת עיצוב פתרון סוכני
יעדי למידה
בסיום השיעור הזה, תוכלו:
- להסביר מהו סוכן בינה מלאכותית וכיצד הוא שונה מפתרון בינה מלאכותית רגיל
- לדעת מתי להשתמש בסוכן בינה מלאכותית (ומתי לא)
- לתכנן סקיצה בסיסית של עיצוב פתרון סוכני לבעיה מהעולם האמיתי
הגדרת סוכני בינה מלאכותית וסוגי סוכנים
מה הם סוכני בינה מלאכותית?
הנה דרך פשוטה להתבונן על כך:
סוכני בינה מלאכותית הם מערכות שמאפשרות למודלים גדולים של שפה (LLMs) למעשה לבצע פעולות — על ידי מתן כלים וידע לפעול בעולם, לא רק להגיב לפקודות.
בואו נפרק את זה קצת:
- מערכת — סוכן בינה מלאכותית הוא לא רק דבר אחד. זו אוסף של חלקים שעובדים יחד. בלב כל סוכן יש שלושה אלמנטים:
- סביבה — המרחב שבו הסוכן פועל. עבור סוכן הזמנות טיולים, זו תהיה פלטפורמת ההזמנות עצמה.
- חיישנים — כיצד הסוכן קורא את מצב הסביבה הנוכחי. סוכן הטיולים שלנו עשוי לבדוק זמינות בתי מלון או מחירי טיסות.
- אקטואטורים — כיצד הסוכן נוקט פעולה. סוכן הטיולים עשוי להזמין חדר, לשלוח אישור, או לבטל הזמנה.
-
מודלים גדולים של שפה — סוכנים קיימים עוד לפני ה-LLMs, אבל ה-LLMs הם אלה שעושים את הסוכנים המודרניים לכפולי עוצמה. הם יכולים להבין שפה טבעית, לשכלל הקשר, ולהפוך בקשה מעורפלת לתוכנית פעולה ממשית.
-
ביצוע פעולות — בלי מערכת סוכנים, ה-LLM רק מייצר טקסט. בתוך מערכת סוכנים, ה-LLM יכול למעשה לבצע שלבים — לחפש בבסיס נתונים, לקרוא ל-API, לשלוח הודעה.
-
גישה לכלים — אילו כלים הסוכן יכול להשתמש תלוי ב(1) הסביבה שבה הוא פועל ו-(2) במה שהמפתח בחר לספק לו. סוכן טיולים עשוי לחפש טיסות אך לא לערוך רשומות לקוח — הכל תלוי במה שאתם מחברים.
-
זיכרון + ידע — לסוכנים יכול להיות זיכרון לטווח קצר (השיחה הנוכחית) וזיכרון לטווח ארוך (בסיס נתונים של לקוחות, אינטראקציות קודמות). סוכן הטיולים עשוי “לזכור” שאתם מעדיפים מקומות ליד החלון.
סוגי סוכני בינה מלאכותית השונים
לא כל הסוכנים בנויים באותו אופן. הנה פירוט הסוגים העיקריים, תוך שימוש בדוגמת סוכן הזמנות כטיולים:
| סוג סוכן | מה הוא עושה | דוגמת סוכן טיולים |
|---|---|---|
| סוכני רפלקס פשוטים | פועלים לפי כללים קשיחים — ללא זיכרון, ללא תכנון. | רואה מכתב תלונה → מעביר אותו לשירות הלקוחות. זהו. |
| סוכני רפלקס מבוססי מודל | שומר על מודל פנימי של העולם ומעדכן אותו כשדברים משתנים. | עוקב אחרי מחירי טיסות היסטוריים ומזהה מסלולים שעולים פתאום הרבה. |
| סוכני מבוססי מטרה | יש להם מטרה בראש ומוצאים איך להגיע אליה שלב אחר שלב. | מזמין טיול מלא (טיסות, רכב, מלון) מהמיקום הנוכחי שלך כדי להגיע ליעד שלך. |
| סוכני מבוססי תועלת | לא רק מוצא פתרון — מוצא את ההטוב ביותר על ידי שקלול פשרות. | מאזנים עלות מול נוחות כדי למצוא את הטיול שמקבל את הציון הגבוה ביותר להעדפות שלך. |
| סוכני למידה | משתפרים עם הזמן על ידי למידה ממשוב. | מתאימים המלצות הזמנה עתידיות על בסיס תוצאות סקר אחרי הטיול. |
| סוכנים היררכיים | סוכן ברמה גבוהה מפצל עבודה לתת-משימות ומעניק אותן לסוכנים ברמה נמוכה יותר. | בקשת “לבטל טיול” מפוצלת ל: לבטל טיסה, לבטל מלון, לבטל השכרת רכב — כל אחד מטופל על ידי תת-סוכן. |
| מערכות רב-סוכניות (MAS) | מספר סוכנים עצמאיים שעובדים יחד (או מתחרים). | שיתופי: סוכנים נפרדים מטפלים בבתי מלון, טיסות ובידור. תחרותי: מספר 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 מצטיינים:
- בעיות פתוחות — כאשר אין אפשרות לתכנת מראש את צעדי הפתרון. אתם זקוקים ל-LLM כדי לדלל את הדרך באופן דינמי.
- תהליכים מרובי שלבים — משימות שדורשות שימוש בכלים במספר שלבים, לא רק חיפוש או יצירה בודדים.
- שיפור עם הזמן — כאשר רוצים שהמערכת תהיה חכמה יותר על בסיס משוב משתמש או אותות סביבתיים.
נעמיק מתי (ומתי לא) להשתמש בסוכני בינה מלאכותית בשיעור בנייה של סוכני בינה מלאכותית אמינים מאוחר יותר בקורס.
יסודות הפתרונות הסוכניים
פיתוח סוכן
הדבר הראשון שעושים כשבונים סוכן הוא להגדיר מה הוא יכול לעשות — הכלים, הפעולות, וההתנהגויות שלו.
בקורס זה, אנחנו משתמשים בMicrosoft Foundry Agent Service כפלטפורמה העיקרית שלנו. היא תומכת ב:
- מודלים מספקים כמו OpenAI, Mistral, ו-Meta (Llama)
- נתונים מורשים מספקים כמו Tripadvisor
- הגדרות כלים מאורגנות ב-OpenAPI 3.0
תבניות סוכניות
אתם מתקשרים עם LLMs דרך בקשות (פרומפטים). עם סוכנים, לא תמיד אפשר ליצור כל פרומפט ידנית — הסוכן צריך לפעול במספר צעדים. כאן נכנסות תבניות סוכניות. אלו אסטרטגיות שימוש חוזר להנעת and orchestration של ה-LLMs בצורה נרחבת ואמינה יותר.
הקורס הזה מתבסס על התבניות הסוכניות הנפוצות והשימושיות ביותר.
מסגרות סוכניות
מסגרות סוכניות נותנות למפתחים תבניות מוכנות, כלים ותשתית לבניית סוכנים. הן מקלות על:
- חיבור כלים ויכולות
- צפייה במה שהסוכן עושה (ותיקון כשקורה טעות)
- שיתוף פעולה בין סוכנים מרובים
בקורס זה, אנו מתמקדים בMicrosoft Agent Framework (MAF) לבניית סוכנים מוכנים לייצור.
דוגמאות קוד
מוכנים לראות את זה בפעולה? הנה דוגמאות הקוד לשיעור זה:
- 🐍 פייתון: Agent Framework
- 🔷 .NET: Agent Framework
יש שאלות?
הצטרפו ל-Microsoft Foundry Discord כדי להתחבר ללומדים אחרים, להשתתף בשעות פתוחות, ולקבל תשובות לשאלות על סוכני בינה מלאכותית מהקהילה.
בדיקת עשן לסוכן זה (אופציונלי)
ברגע שלמדתם לפרוס סוכנים ב-Lesson 16, תוכלו להוסיף בדיקת בריאות מהירה אחרי פריסה לסוכן TravelAgent של השיעור הזה עם קטלוג מוכן tests/lesson-01-smoke-tests.json. ראו tests/README.md איך להריץ זאת.
השיעור הקודם
השיעור 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.