ai-agents-for-beginners
(Klikk på bildet ovenfor for å se videoen av denne leksjonen)
Bygging av pålitelige AI-agenter
Introduksjon
Denne leksjonen vil dekke:
- Hvordan bygge og distribuere sikre og effektive AI-agenter
- Viktige sikkerhetsbetraktninger ved utvikling av AI-agenter.
- Hvordan opprettholde data- og brukerprivatliv ved utvikling av AI-agenter.
Læringsmål
Etter å ha fullført denne leksjonen vil du vite hvordan du:
- Identifisere og redusere risikoer ved opprettelse av AI-agenter.
- Implementere sikkerhetstiltak for å sikre at data og tilgang blir riktig håndtert.
- Lage AI-agenter som ivaretar personvern og gir en god brukeropplevelse.
Sikkerhet
La oss først se på å bygge sikre agentiske applikasjoner. Sikkerhet betyr at AI-agenten fungerer som tiltenkt. Som utviklere av agentiske applikasjoner har vi metoder og verktøy for å maksimere sikkerheten:
Å bygge et rammeverk for systemmeldinger
Hvis du noen gang har bygget en AI-applikasjon ved bruk av store språkmodeller (LLMs), vet du hvor viktig det er å utforme en robust systemprompt eller systemmelding. Disse promptene fastsetter meta-regler, instruksjoner og retningslinjer for hvordan LLM-en skal interagere med brukeren og dataene.
For AI-agentene er systemprompten enda viktigere, siden AI-agentene trenger svært spesifikke instruksjoner for å fullføre oppgavene vi har designet for dem.
For å lage skalerbare systemprompt kan vi bruke et rammeverk for systemmeldinger for å bygge én eller flere agenter i applikasjonen vår:
Trinn 1: Opprett en meta-systemmelding
Meta-prompten vil bli brukt av en LLM for å generere systempromptene for agentene vi oppretter. Vi utformer den som en mal slik at vi effektivt kan lage flere agenter hvis nødvendig.
Her er et eksempel på en meta-systemmelding vi ville gitt til LLM-en:
You are an expert at creating AI agent assistants.
You will be provided a company name, role, responsibilities and other
information that you will use to provide a system prompt for.
To create the system prompt, be descriptive as possible and provide a structure that a system using an LLM can better understand the role and responsibilities of the AI assistant.
Trinn 2: Opprett en grunnleggende prompt
Neste trinn er å lage en grunnleggende prompt for å beskrive AI-agenten. Du bør inkludere agentens rolle, oppgavene agenten skal utføre, og eventuelle andre ansvarsområder agenten har.
Her er et eksempel:
You are a travel agent for Contoso Travel that is great at booking flights for customers. To help customers you can perform the following tasks: lookup available flights, book flights, ask for preferences in seating and times for flights, cancel any previously booked flights and alert customers on any delays or cancellations of flights.
Trinn 3: Gi grunnleggende systemmelding til LLM
Nå kan vi optimalisere denne systemmeldingen ved å gi meta-systemmeldingen som systemmelding og vår grunnleggende systemmelding.
Dette vil produsere en systemmelding som er bedre utformet for å veilede AI-agentene våre:
**Company Name:** Contoso Travel
**Role:** Travel Agent Assistant
**Objective:**
You are an AI-powered travel agent assistant for Contoso Travel, specializing in booking flights and providing exceptional customer service. Your main goal is to assist customers in finding, booking, and managing their flights, all while ensuring that their preferences and needs are met efficiently.
**Key Responsibilities:**
1. **Flight Lookup:**
- Assist customers in searching for available flights based on their specified destination, dates, and any other relevant preferences.
- Provide a list of options, including flight times, airlines, layovers, and pricing.
2. **Flight Booking:**
- Facilitate the booking of flights for customers, ensuring that all details are correctly entered into the system.
- Confirm bookings and provide customers with their itinerary, including confirmation numbers and any other pertinent information.
3. **Customer Preference Inquiry:**
- Actively ask customers for their preferences regarding seating (e.g., aisle, window, extra legroom) and preferred times for flights (e.g., morning, afternoon, evening).
- Record these preferences for future reference and tailor suggestions accordingly.
4. **Flight Cancellation:**
- Assist customers in canceling previously booked flights if needed, following company policies and procedures.
- Notify customers of any necessary refunds or additional steps that may be required for cancellations.
5. **Flight Monitoring:**
- Monitor the status of booked flights and alert customers in real-time about any delays, cancellations, or changes to their flight schedule.
- Provide updates through preferred communication channels (e.g., email, SMS) as needed.
**Tone and Style:**
- Maintain a friendly, professional, and approachable demeanor in all interactions with customers.
- Ensure that all communication is clear, informative, and tailored to the customer's specific needs and inquiries.
**User Interaction Instructions:**
- Respond to customer queries promptly and accurately.
- Use a conversational style while ensuring professionalism.
- Prioritize customer satisfaction by being attentive, empathetic, and proactive in all assistance provided.
**Additional Notes:**
- Stay updated on any changes to airline policies, travel restrictions, and other relevant information that could impact flight bookings and customer experience.
- Use clear and concise language to explain options and processes, avoiding jargon where possible for better customer understanding.
This AI assistant is designed to streamline the flight booking process for customers of Contoso Travel, ensuring that all their travel needs are met efficiently and effectively.
Trinn 4: Iterer og forbedre
Verdien av dette rammeverket for systemmeldinger er at det gjør det enklere å skalere opp opprettelsen av systemmeldinger for flere agenter, samt å forbedre systemmeldingene dine over tid. Det er sjelden du har en systemmelding som fungerer perfekt første gang for hele bruksområdet ditt. Å kunne gjøre små justeringer og forbedringer ved å endre den grunnleggende systemmeldingen og kjøre den gjennom systemet, vil gjøre det mulig å sammenligne og evaluere resultater.
Forstå trusler
For å bygge pålitelige AI-agenter er det viktig å forstå og redusere risikoene og truslene mot AI-agenten din. La oss se på noen av de forskjellige truslene mot AI-agenter og hvordan du bedre kan planlegge og forberede deg på dem.
Oppgave og instruksjon
Beskrivelse: Angripere prøver å endre instruksjonene eller målene for AI-agenten gjennom prompting eller ved å manipulere input.
Avbøtning: Utfør valideringskontroller og inputfiltre for å oppdage potensielt farlige prompt før de behandles av AI-agenten. Siden disse angrepene vanligvis krever hyppig interaksjon med agenten, er det også en måte å forhindre denne typen angrep ved å begrense antall runder i en samtale.
Tilgang til kritiske systemer
Beskrivelse: Hvis en AI-agent har tilgang til systemer og tjenester som lagrer sensitive data, kan angripere kompromittere kommunikasjonen mellom agenten og disse tjenestene. Dette kan være direkte angrep eller indirekte forsøk på å skaffe informasjon om disse systemene gjennom agenten.
Avbøtning: AI-agenters tilgang til systemer bør være basert på behov for å forhindre denne typen angrep. Kommunikasjonen mellom agenten og systemet bør også være sikker. Implementering av autentisering og tilgangskontroll er en annen måte å beskytte denne informasjonen på.
Overbelastning av ressurser og tjenester
Beskrivelse: AI-agentene kan få tilgang til forskjellige verktøy og tjenester for å fullføre oppgaver. Angripere kan bruke denne muligheten til å angripe disse tjenestene ved å sende et stort antall forespørsler gjennom AI-agenten, noe som kan resultere i systemfeil eller høye kostnader.
Avbøtning: Implementer retningslinjer for å begrense antall forespørsler en AI-agent kan sende til en tjeneste. Å begrense antall samtale-runder og forespørsler til AI-agenten din er en annen måte å forhindre denne typen angrep på.
Forurensning av kunnskapsbasen
Beskrivelse: Denne typen angrep retter seg ikke direkte mot AI-agenten, men mot kunnskapsbasen og andre tjenester som AI-agenten vil bruke. Dette kan innebære å korrumpere dataene eller informasjonen som AI-agenten vil bruke for å fullføre en oppgave, noe som fører til partiske eller utilsiktede svar til brukeren.
Avbøtning: Utfør regelmessig verifisering av dataene som AI-agenten vil bruke i arbeidsflytene sine. Sørg for at tilgangen til disse dataene er sikker og kun endret av betrodde personer for å unngå denne typen angrep.
Kaskaderende feil
Beskrivelse: AI-agentene får tilgang til ulike verktøy og tjenester for å fullføre oppgaver. Feil forårsaket av angripere kan føre til at andre systemer som AI-agenten er koblet til svikter, noe som gjør at angrepet blir mer omfattende og vanskeligere å feilsøke.
Avbøtning: En metode for å unngå dette er å la AI-agenten operere i et begrenset miljø, for eksempel ved å utføre oppgaver i en Docker-container, for å forhindre direkte systemangrep. Å lage fallback-mekanismer og retry-logikk når visse systemer svarer med en feil er en annen måte å forhindre større systemfeil på.
Menneske-i-løkken
En annen effektiv måte å bygge pålitelige AI-agent-systemer på er å bruke en menneske-i-løkken. Dette skaper en flyt der brukere kan gi tilbakemelding til agentene under kjøringen. Brukere fungerer i praksis som agenter i et multi-agent system og ved å gi godkjenning eller avslutte den pågående prosessen.
Her er et kodeeksempel som bruker Microsoft Agent Framework for å vise hvordan dette konseptet er implementert:
import os
from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential
# Opprett leverandøren med menneskelig godkjenning
provider = AzureAIProjectAgentProvider(
credential=AzureCliCredential(),
)
# Opprett agenten med et trinn for menneskelig godkjenning
response = provider.create_response(
input="Write a 4-line poem about the ocean.",
instructions="You are a helpful assistant. Ask for user approval before finalizing.",
)
# Brukeren kan gjennomgå og godkjenne svaret
print(response.output_text)
user_input = input("Do you approve? (APPROVE/REJECT): ")
if user_input == "APPROVE":
print("Response approved.")
else:
print("Response rejected. Revising...")
Konklusjon
Å bygge pålitelige AI-agenter krever nøye design, robuste sikkerhetstiltak og kontinuerlig iterasjon. Ved å implementere strukturerte meta-promptingsystemer, forstå potensielle trusler og anvende avbøtende strategier, kan utviklere lage AI-agenter som både er trygge og effektive. I tillegg sikrer innføring av en menneske-i-løkken-tilnærming at AI-agentene forblir i samsvar med brukernes behov samtidig som risiko minimeres. Ettersom AI fortsetter å utvikle seg, vil det å opprettholde en proaktiv holdning til sikkerhet, personvern og etiske vurderinger være nøkkelen til å fremme tillit og pålitelighet i AI-drevne systemer.
Har du flere spørsmål om å bygge pålitelige AI-agenter?
Bli med i Microsoft Foundry Discord for å møte andre lærende, delta i kontortid og få svar på spørsmål om AI-agentene dine.
Ytterligere ressurser
- Oversikt over ansvarlig AI
- Evaluering av generative AI-modeller og AI-applikasjoner
- Systemmeldinger for sikkerhet
- Mal for risikovurdering
Forrige leksjon
Neste leksjon
Ansvarsfraskrivelse: Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på sitt originalspråk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.