ai-agents-for-beginners
(Kliknite na zgornjo sliko, da si ogledate video za to lekcijo)
Uvod v AI agente in primere uporabe agentov
Dobrodošli v tečaj AI agenti za začetnike! Ta tečaj vam nudi osnovno znanje — in delujočo kodo — za začetek gradnje AI agentov iz nič.
Pridite in se pozdravite v Azure AI Discord skupnosti — polni je učencev in graditeljev AI, ki z veseljem odgovarjajo na vprašanja.
Preden začnemo z gradnjo, se prepričajmo, da res razumemo, kaj AI agent je in kdaj je smiselno uporabiti enega.
Uvod
Ta lekcija obravnava:
- Kaj so AI agenti in različne vrste, ki obstajajo
- Za katere vrste nalog so AI agenti najbolj primerni
- Osnovni gradniki, ki jih boste uporabili pri oblikovanju agentne rešitve
Cilji učenja
Na koncu te lekcije bi morali biti sposobni:
- Razložiti, kaj je AI agent in kako se razlikuje od običajne AI rešitve
- Vedeti, kdaj uporabiti AI agenta (in kdaj ne)
- Načrtovati osnovno zasnovo agentne rešitve za resničen problem
Definiranje AI agentov in vrst AI agentov
Kaj so AI agenti?
Tukaj je enostaven način za razumevanje:
AI agenti so sistemi, ki Large Language Models (LLM) dejansko naredijo stvari — tako, da jim ponudijo orodja in znanje za delovanje v svetu, ne samo za odgovarjanje na pozive.
Poglejmo si to podrobneje:
- Sistem — AI agent ni samo ena stvar. Je zbirka delov, ki delujejo skupaj. Vsak agent ima v jedru tri dele:
- Okolje — Prostor, v katerem agent deluje. Pri agentu za rezervacijo potovanj je to sama platforma za rezervacije.
- Senzorji — Kako agent bere trenutno stanje svojega okolja. Naš potovalni agent lahko preverja razpoložljivost hotelov ali cene letov.
- Aktuatorji — Kako agent ukrepa. Potovalni agent lahko rezervira sobo, pošlje potrditev ali prekliče rezervacijo.
-
Large Language Models — Agenti so obstajali že pred LLM, a LLM so tisti, ki moderne agente naredijo tako močne. Razumejo naravni jezik, razmišljajo o kontekstu in nejasno uporabniško zahtevo spremenijo v konkreten načrt dejanj.
-
Izvajanje dejanj — Brez agentskega sistema LLM zgolj ustvarja besedilo. Znotraj agentnega sistema lahko LLM dejansko izvede korake — išče v bazi podatkov, kliče API, pošlje sporočilo.
-
Dostop do orodij — Katera orodja lahko agent uporablja, je odvisno od (1) okolja v katerem deluje in (2) kaj mu je razvijalec omogočil. Potovalni agent lahko morda išče lete, vendar ne ureja strankinih zapisov — vse je stvar povezav.
-
Spomin + Znanje — Agenti lahko imajo kratkoročni spomin (trenutni pogovor) in dolgoročni spomin (baza strank, pretekle interakcije). Potovalni agent si lahko “zapomni”, da imate raje sedeže ob oknu.
Različne vrste AI agentov
Niso vsi agenti zgrajeni enako. Tukaj je razčlenitev glavnih vrst, pri čemer kot primer uporabljamo potovalnega agenta:
| Vrsta agenta | Kaj počne | Primer potovalnega agenta |
|---|---|---|
| Preprosti refleksni agenti | Sledijo strogo določenim pravilom — brez spomina, brez načrtovanja. | Prejme reklamacijo po elektronski pošti → jo posreduje storitvi za stranke. To je vse. |
| Modelno osnovani refleksni agenti | Ohranjajo notranji model sveta in ga posodabljajo, ko se stvari spremenijo. | Spremlja zgodovinske cene letov in opozarja na poti, ki so nenadoma drage. |
| Agenti z vnaprejšnjim ciljem | Imajo cilj in ugotavljajo, kako ga doseči korak za korakom. | Rezervira celoten izlet (lete, avto, hotel) od vaše trenutne lokacije do cilja. |
| Agenti na osnovi uporabnosti | Ne najdejo samo neke rešitve — poiščejo najboljšo z tehtanjem kompromisov. | Uravnoveša ceno in udobje, da najde potovanje, ki najbolje ustreza vašim željam. |
| Učeči agenti | Sčasoma se izboljšujejo z učenjem iz povratnih informacij. | Prilagaja prihodnja priporočila za rezervacije glede na rezultate anket po potovanju. |
| Hierarhični agenti | Zgornji agent razdeli delo na podnaloge in jih delegira nižjim agentom. | Zahtevek “prekliči potovanje” se razdeli v: prekliči let, prekliči hotel, prekliči najem avta — vsak obravnava podagent. |
| Sistemi več agentov (MAS) | Več neodvisnih agentov, ki delajo skupaj (ali tekmujejo). | Sodelovanje: ločeni agenti skrbijo za hotele, lete in zabavo. Tekmovalno: več agentov tekmuje za najem hotelskih sob po najboljši ceni. |
Kdaj uporabljati AI agente
Samo zato, ker lahko uporabite AI agenta, še ne pomeni, da bi ga vedno morali. Tukaj so situacije, kjer agenti res izstopajo:
- Odprti problemi — Ko koraki za rešitev problema ne morejo biti vnaprej programirani. Potreben je dinamičen pristop LLM za iskanje poti.
- Večstopenjski procesi — Naloge, ki zahtevajo uporabo orodij skozi več korakov, ne samo en sam pogled ali generacijo.
- Izboljšave s časom — Ko želite, da sistem postaja pametnejši na podlagi povratnih informacij uporabnikov ali okoljskih signalov.
V lekciji Gradnja zaupanja vrednih AI agentov pozneje v tečaju bomo podrobneje raziskali, kdaj (in kdaj ne) uporabljati AI agente.
Osnove agentnih rešitev
Razvoj agenta
Prvo, kar naredite pri gradnji agenta, je definirati kaj lahko počne — njegova orodja, dejanja in vedenja.
V tem tečaju uporabljamo Azure AI Agent Service kot glavno platformo. Podpira:
- Odprte modele kot so OpenAI, Mistral in Llama
- Licencirane podatke od ponudnikov, kot je Tripadvisor
- Standardizirane definicije orodij OpenAPI 3.0
Agentni vzorci
Komunicirate z LLM prek pozivov. Pri agentih ne morete vedno ročno izdelati vsakega poziva — agent mora ukrepati skozi več korakov. Tu pridejo na vrsto agentni vzorci. To so ponovno uporabne strategije za pozivanje in orkestracijo LLM na bolj skalabilen in zanesljiv način.
Ta tečaj je strukturiran okoli najpogostejših in najbolj uporabnih agentnih vzorcev.
Agentni okviri
Agentni okviri razvijalcem ponujajo vnaprej pripravljene predloge, orodja in infrastrukturo za gradnjo agentov. Olajšajo:
- Povezovanje orodij in zmogljivosti
- Opazovanje, kaj agent počne (in odpravljanje napak, če gre kaj narobe)
- Sodelovanje med več agenti
V tem tečaju se osredotočamo na Microsoft Agent Framework (MAF) za gradnjo agentov pripravljenih za produkcijo.
Primeri kode
Pripravljeni za ogled v praksi? Tukaj so koda primeri za to lekcijo:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Imate vprašanja?
Pridružite se Microsoft Foundry Discord, da se povežete z drugimi učenci, udeležite pisarnkih ur in dobite odgovore na vprašanja o AI agentih od skupnosti.
Prejšnja lekcija
Naslednja lekcija
Raziskovanje agentnih okvirjev
Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za natančnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvorno jeziku velja za avtoritativni vir. Za ključne informacije priporočamo strokovni človeški prevod. Ne odgovarjamo za morebitne nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda.