Pelajaran ini akan membincangkan cara menjalankan contoh kod dalam kursus ini.
Sebelum anda mula mengklon repositori anda, sertai saluran Discord AI Agents For Beginners untuk mendapatkan bantuan dengan persediaan, sebarang soalan tentang kursus, atau untuk berhubung dengan pelajar lain.
Untuk memulakan, sila klon atau fork repositori GitHub. Ini akan membuat versi kursus anda sendiri supaya anda boleh menjalankan, menguji, dan mengubah kod!
Ini boleh dilakukan dengan mengklik pautan untuk fork repositori
Anda kini sepatutnya mempunyai versi fork kursus ini di pautan berikut:
Kursus ini menawarkan siri Jupyter Notebooks yang boleh anda jalankan untuk mendapatkan pengalaman langsung membina AI Agents.
Contoh kod menggunakan:
Memerlukan Akaun GitHub - Percuma:
1) Rangka Kerja Semantic Kernel Agent + Pasar Model GitHub. Dilabelkan sebagai (semantic-kernel.ipynb) 2) Rangka Kerja AutoGen + Pasar Model GitHub. Dilabelkan sebagai (autogen.ipynb)
Memerlukan Langganan Azure: 3) Azure AI Foundry + Perkhidmatan Azure AI Agent. Dilabelkan sebagai (azureaiagent.ipynb)
Kami menggalakkan anda mencuba ketiga-tiga jenis contoh untuk melihat mana yang paling sesuai untuk anda.
Pilihan mana pun yang anda pilih, ia akan menentukan langkah persediaan yang perlu anda ikuti di bawah:
NOTA: Jika anda tidak mempunyai Python3.12 dipasang, pastikan anda memasangnya. Kemudian buat venv anda menggunakan python3.12 untuk memastikan versi yang betul dipasang dari fail requirements.txt.
Contoh
Buat direktori Python venv:
python3 -m venv venv
Kemudian aktifkan persekitaran venv untuk:
macOS dan Linux
source venv/bin/activate
Windows
venv\Scripts\activate
Kami telah menyertakan fail requirements.txt
di akar repositori ini yang mengandungi semua pakej Python yang diperlukan untuk menjalankan contoh kod.
Anda boleh memasangnya dengan menjalankan arahan berikut di terminal anda di akar repositori:
pip install -r requirements.txt
Kami mengesyorkan membuat persekitaran maya Python untuk mengelakkan sebarang konflik dan masalah.
Pastikan anda menggunakan versi Python yang betul dalam VSCode.
Kursus ini menggunakan Pasar Model GitHub, yang menyediakan akses percuma kepada Model Bahasa Besar (LLM) yang akan anda gunakan untuk membina AI Agents.
Untuk menggunakan Model GitHub, anda perlu membuat Token Akses Peribadi GitHub.
Ini boleh dilakukan dengan pergi ke tetapan Token Akses Peribadi dalam Akaun GitHub anda.
Sila ikuti Prinsip Privasi Minimum semasa membuat token anda. Ini bermaksud anda hanya perlu memberikan token kebenaran yang diperlukan untuk menjalankan contoh kod dalam kursus ini.
Pilih pilihan Fine-grained tokens
di sebelah kiri skrin anda dengan pergi ke Developer settings
Kemudian pilih Generate new token
.
Masukkan nama deskriptif untuk token anda yang mencerminkan tujuannya, supaya mudah dikenali kemudian.
š Cadangan Tempoh Token
Tempoh yang disyorkan: 30 hari Untuk keselamatan yang lebih baik, anda boleh memilih tempoh yang lebih pendekāseperti 7 hari š”ļø Ini adalah cara yang baik untuk menetapkan sasaran peribadi dan menyelesaikan kursus sambil momentum pembelajaran anda tinggi š.
Hadkan skop token kepada fork repositori ini.
Hadkan kebenaran token: Di bawah Permissions, klik tab Account, dan klik butang ā+ Add permissionsā. Dropdown akan muncul. Sila cari Models dan tandakan kotak untuknya.
Sahkan kebenaran yang diperlukan sebelum menghasilkan token.
Sebelum menghasilkan token, pastikan anda bersedia untuk menyimpan token di tempat yang selamat seperti peti simpanan pengurus kata laluan, kerana ia tidak akan ditunjukkan lagi selepas anda menciptanya.
Salin token baru anda yang baru sahaja anda buat. Anda kini akan menambahkannya ke fail .env
yang disertakan dalam kursus ini.
.env
AndaUntuk membuat fail .env
anda, jalankan arahan berikut di terminal anda.
cp .env.example .env
Ini akan menyalin fail contoh dan membuat .env
dalam direktori anda di mana anda mengisi nilai untuk pembolehubah persekitaran.
Dengan token anda disalin, buka fail .env
dalam editor teks kegemaran anda dan tampal token anda ke medan GITHUB_TOKEN
.
Anda kini sepatutnya dapat menjalankan contoh kod dalam kursus ini.
Ikuti langkah-langkah untuk membuat hub dan projek dalam Azure AI Foundry yang terdapat di sini: Gambaran Keseluruhan Sumber Hub
Setelah anda membuat projek anda, anda perlu mendapatkan string sambungan untuk projek anda.
Ini boleh dilakukan dengan pergi ke halaman Overview projek anda di portal Azure AI Foundry.
.env
AndaUntuk membuat fail .env
anda, jalankan arahan berikut di terminal anda.
cp .env.example .env
Ini akan menyalin fail contoh dan membuat .env
dalam direktori anda di mana anda mengisi nilai untuk pembolehubah persekitaran.
Dengan token anda disalin, buka fail .env
dalam editor teks kegemaran anda dan tampal token anda ke medan PROJECT_ENDPOINT
.
Sebagai amalan keselamatan terbaik, kami akan menggunakan pengesahan tanpa kunci untuk mengesahkan ke Azure OpenAI dengan Microsoft Entra ID.
Seterusnya, buka terminal dan jalankan az login --use-device-code
untuk log masuk ke akaun Azure anda.
Setelah anda log masuk, pilih langganan anda di terminal.
Untuk Pelajaran Agentic RAG - Pelajaran 5 - terdapat contoh yang menggunakan Azure Search dan Azure OpenAI.
Jika anda ingin menjalankan contoh ini, anda perlu menambah pembolehubah persekitaran berikut ke fail .env
anda:
AZURE_SUBSCRIPTION_ID
- Semak Project details di halaman Overview projek anda.
AZURE_AI_PROJECT_NAME
- Lihat di bahagian atas halaman Overview projek anda.
AZURE_OPENAI_SERVICE
- Cari ini di tab Included capabilities untuk Azure OpenAI Service di halaman Overview.
AZURE_OPENAI_RESOURCE_GROUP
- Pergi ke Project properties di halaman Overview di Management Center.
GLOBAL_LLM_SERVICE
- Di bawah Connected resources, cari nama sambungan Azure AI Services. Jika tidak disenaraikan, semak Azure portal di bawah kumpulan sumber anda untuk nama sumber AI Services.
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- Pilih model embedding anda (contohnya, text-embedding-ada-002
) dan catat Deployment name dari butiran model.
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- Pilih model chat anda (contohnya, gpt-4o-mini
) dan catat Deployment name dari butiran model.
AZURE_OPENAI_ENDPOINT
- Cari Azure AI services, klik padanya, kemudian pergi ke Resource Management, Keys and Endpoint, skrol ke bawah ke āAzure OpenAI endpointsā, dan salin yang mengatakan āLanguage APIsā.
AZURE_OPENAI_API_KEY
- Dari skrin yang sama, salin KEY 1 atau KEY 2.
AZURE_SEARCH_SERVICE_ENDPOINT
- Cari sumber Azure AI Search anda, klik padanya, dan lihat Overview.
AZURE_SEARCH_API_KEY
- Kemudian pergi ke Settings dan kemudian Keys untuk menyalin kunci admin utama atau sekunder.
AZURE_OPENAI_API_VERSION
- Lawati halaman kitaran hayat versi API di bawah Latest GA API release.Daripada mengekodkan kelayakan anda, kami akan menggunakan sambungan tanpa kunci dengan Azure OpenAI. Untuk melakukannya, kami akan mengimport DefaultAzureCredential
dan kemudian memanggil fungsi DefaultAzureCredential
untuk mendapatkan kelayakan.
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
Jika anda menghadapi sebarang masalah menjalankan persediaan ini, sertai Discord Komuniti Azure AI kami atau buat isu.
Anda kini bersedia untuk menjalankan kod untuk kursus ini. Selamat belajar lebih lanjut tentang dunia AI Agents!
Pengenalan kepada AI Agents dan Kes Penggunaan Agent
Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.