ai-agents-for-beginners
(點擊上方圖片觀看本課程影片)
AI代理與應用案例簡介
歡迎來到「AI代理入門」課程！本課程提供構建AI代理的基礎知識與應用範例。
加入 Azure AI Foundry Discord，與其他學員及AI代理開發者交流，並提出您對本課程的任何問題。
在開始本課程之前，我們將先了解什麼是AI代理，以及如何在我們構建的應用程序和工作流程中使用它們。
課程簡介
本課程涵蓋以下內容：
- 什麼是AI代理？有哪些不同類型的代理？
- 哪些應用場景最適合AI代理？它們如何幫助我們？
- 設計代理解決方案時的一些基本構建模塊是什麼？
學習目標
完成本課程後，您應該能夠：
- 理解AI代理的概念及其與其他AI解決方案的區別。
- 高效地應用AI代理。
- 為用戶和客戶設計高效的代理解決方案。
定義AI代理及其類型
什麼是AI代理？
AI代理是系統，它通過為大型語言模型（LLMs）提供工具和知識的訪問權限，來擴展LLMs的能力，使其能夠執行操作。
讓我們將這一定義拆解為幾個部分：
- 系統 - 需要將代理視為由多個組件組成的系統，而非單一組件。AI代理的基本組件包括：
- 環境 - 定義AI代理運行的空間。例如，若有一個旅遊預訂AI代理，其環境可能是代理用來完成任務的旅遊預訂系統。
- 感測器 - 環境提供信息和反饋。AI代理使用感測器來收集並解讀有關環境當前狀態的信息。在旅遊預訂代理的例子中，旅遊預訂系統可以提供如酒店可用性或航班價格的信息。
- 執行器 - 當AI代理接收到環境的當前狀態後，代理會根據當前任務決定採取何種行動來改變環境。對於旅遊預訂代理，這可能是為用戶預訂一間可用的房間。
大型語言模型 - 代理的概念早於LLMs的出現。使用LLMs構建AI代理的優勢在於其解讀人類語言和數據的能力。這使得LLMs能夠解讀環境信息並制定改變環境的計劃。
執行操作 - 在AI代理系統之外，LLMs的作用通常僅限於根據用戶的提示生成內容或信息。而在AI代理系統內，LLMs可以通過解讀用戶請求並使用環境中的工具來完成任務。
訪問工具 - LLM可以訪問的工具由1）其運行的環境和2）AI代理的開發者所定義。例如，在旅遊代理的例子中，代理的工具可能僅限於預訂系統中的操作，或者開發者可以限制代理的工具訪問範圍，例如僅限於航班。
記憶+知識 - 記憶可以是短期的，例如用戶與代理之間對話的上下文。長期來看，除了環境提供的信息外，AI代理還可以從其他系統、服務、工具甚至其他代理中檢索知識。在旅遊代理的例子中，這些知識可能是存儲在客戶數據庫中的用戶旅遊偏好信息。
不同類型的代理
現在我們已經了解了AI代理的一般定義，接下來讓我們看看一些具體的代理類型，以及它們如何應用於旅遊預訂AI代理。
| 代理類型 | 描述 | 範例 |
|---|---|---|
| 簡單反射代理 | 根據預定義規則執行即時操作。 | 旅遊代理解讀電子郵件內容，並將旅遊投訴轉發至客服部門。 |
| 基於模型的反射代理 | 根據世界模型及其變化執行操作。 | 旅遊代理根據歷史價格數據的訪問權限，優先考慮價格變化顯著的路線。 |
| 基於目標的代理 | 通過解讀目標並確定達成目標的行動來制定計劃。 | 旅遊代理通過確定從當前位置到目的地所需的旅行安排（如汽車、公共交通、航班）來預訂行程。 |
| 基於效用的代理 | 考慮偏好並以數值方式權衡取捨，以確定如何實現目標。 | 旅遊代理在預訂旅行時，通過權衡便利性與成本來最大化效用。 |
| 學習型代理 | 通過響應反饋並相應調整行動來隨時間改進。 | 旅遊代理通過使用客戶在行程後的調查反饋，對未來的預訂進行調整以改進服務。 |
| 分層代理 | 包含多個代理的分層系統，高層代理將任務分解為子任務，由低層代理完成。 | 旅遊代理通過將取消行程的任務分解為子任務（例如取消具體預訂），並由低層代理完成，然後向高層代理回報。 |
| 多代理系統（MAS） | 代理獨立完成任務，可以是合作的，也可以是競爭的。 | 合作：多個代理分別預訂具體的旅遊服務，如酒店、航班和娛樂活動。競爭：多個代理管理並競爭共享的酒店預訂日曆，為客戶預訂酒店。 |
什麼時候使用AI代理
在前面的部分中，我們使用旅遊代理的應用案例來解釋不同類型的代理如何應用於旅遊預訂的不同場景。我們將在整個課程中繼續使用這個應用案例。
讓我們看看AI代理最適合的應用場景類型：
- 開放式問題 - 允許LLM確定完成任務所需的步驟，因為這些步驟無法總是硬編碼到工作流程中。
- 多步驟流程 - 需要一定複雜度的任務，AI代理需要在多個回合中使用工具或信息，而不是一次性檢索。
- 隨時間改進 - 代理可以通過接收來自環境或用戶的反饋來改進，從而提供更好的效用。
我們將在「構建可信任的AI代理」課程中更深入探討使用AI代理的考量。
代理解決方案的基礎
代理開發
設計AI代理系統的第一步是定義工具、行動和行為。在本課程中，我們專注於使用 Azure AI Agent Service 來定義我們的代理。該服務提供以下功能：
- 選擇開放模型，如OpenAI、Mistral和Llama
- 通過Tripadvisor等提供商使用授權數據
- 使用標準化的OpenAPI 3.0工具
代理模式
與LLM的通信是通過提示完成的。由於AI代理具有半自主性，因此在環境發生變化後並不總是可能或必要手動重新提示LLM。我們使用 代理模式，允許我們在多個步驟中以更具規模化的方式提示LLM。
本課程涵蓋了一些當前流行的代理模式。
代理框架
代理框架允許開發者通過代碼實現代理模式。這些框架提供模板、插件和工具，以促進更好的AI代理協作。這些優勢使得AI代理系統的可觀測性和故障排除能力更強。
在本課程中，我們將探索以研究為導向的AutoGen框架，以及Semantic Kernel的生產就緒型Agent框架。
還有更多關於AI代理的問題嗎？
加入 Azure AI Foundry Discord，與其他學員交流，參加辦公時間，並獲得您的AI代理相關問題的解答。
上一課
下一課
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。