Pelajaran ini akan merangkumi 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, menjawab sebarang soalan tentang kursus, atau 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:

Repositori penuh boleh menjadi besar (~3 GB) apabila anda memuat turun sejarah penuh dan semua fail. Jika anda hanya menghadiri bengkel atau hanya memerlukan beberapa folder pelajaran, klon shallow (atau klon sparse) mengelakkan kebanyakan muat turun itu dengan memotong sejarah dan/atau melangkau blob.
Gantikan <your-username> dalam arahan di bawah dengan URL fork anda (atau URL upstream jika anda lebih suka).
Untuk mengklon hanya sejarah komit terkini (muat turun kecil):
git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git
Untuk mengklon cawangan tertentu:
git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git
Ini menggunakan klon separa dan sparse-checkout (memerlukan Git 2.25+ dan Git moden yang disyorkan dengan sokongan klon separa):
git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git
Masuk ke dalam folder repositori:
Untuk bash:
cd ai-agents-for-beginners
Untuk Powershell:
Set-Location ai-agents-for-beginners
Kemudian tentukan folder yang anda perlukan (contoh di bawah menunjukkan dua folder):
git sparse-checkout set 00-course-setup 01-intro-to-ai-agents
Selepas mengklon dan mengesahkan fail, jika anda hanya memerlukan fail dan ingin membebaskan ruang (tanpa sejarah git), sila padam metadata repositori (💀tidak boleh dipulihkan — anda akan kehilangan semua fungsi Git: tiada komit, tarik, tolak, atau akses sejarah).
Untuk Linux/macOS:
rm -rf .git
Untuk Windows:
Remove-Item -Recurse -Force .git
Buat Codespace baru untuk repositori ini melalui UI GitHub.
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 yang anda pilih 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, memberikan akses percuma kepada Model Bahasa Besar (LLMs) 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 bermakna 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, menjadikannya mudah dikenali kemudian.
🔐 Cadangan Tempoh Token
Tempoh yang disyorkan: 30 hari Untuk postur yang lebih selamat, anda boleh memilih tempoh yang lebih pendek—seperti 7 hari 🛡️ Ia adalah cara yang baik untuk menetapkan sasaran peribadi dan menyelesaikan kursus semasa momentum pembelajaran anda tinggi 🚀.

Hadkan skop token kepada fork repositori ini.

Hadkan kebenaran token: Di bawah Permissions, klik tab Account, dan klik butang “+ Add permissions”. Senarai 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 menambah ini 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 dalam medan GITHUB_TOKEN.

Anda kini sepatutnya boleh 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 dalam 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 “Azure OpenAI endpoints”, dan salin yang mengatakan “Language APIs”.
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 mengkodkan 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 semasa menjalankan tetapan ini, sertai Azure AI Community Discord kami atau buat isu.
Anda kini bersedia untuk menjalankan kod bagi kursus ini. Selamat belajar lebih lanjut tentang dunia Ejen AI!
Pengenalan kepada Ejen AI dan Kes Penggunaan Ejen
Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk 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 kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.