ai-agents-for-beginners
(Кликните слику изнад да бисте гледали видео за ову лекцију)
Увод у AI агенте и случајеве употребе агената
Добродошли у курс AI агенти за почетнике! Овај курс вам пружа основно знање — и стварни радни код — за почетак прављења AI агената од нуле.
Дођите да кажете здраво у Azure AI Discord заједницу — пуна је ученика и градитеља AI који су срећни да одговоре на питања.
Пре него што почнемо да градимо, хајде да се уверимо да заиста разумемо шта је AI агент и када има смисла користити га.
Увод
Ова лекција покрива:
- Шта су AI агенти и различите врсте које постоје
- Којим задацима су AI агенти најпогоднији
- Основне градивне блокове које ћете користити при дизајнирању агентног решења
Циљеви учења
До краја ове лекције требало би да будете у могућности да:
- Објасните шта је AI агент и како се разликује од обичног AI решења
- Знате када користити AI агента (а када не)
- Скечирате основни дизајн агентног решења за стварни проблем
Дефинисање AI агената и врсте AI агената
Шта су AI агенти?
Ево једноставан начин да се размисли о томе:
AI агенти су системи који омогућавају великим језичким моделима (LLM) да заправо примењују ствари — пружајући им алате и знање да делују у свету, а не само да одговарају на упите.
Хајде да то мало разложимо:
- Систем — AI агент није само једна ствар. То је скуп делова који раде заједно. У својој основи, сваки агент има три дела:
- Окружење — Простор у којем агент ради. За агента за резервацију путовања, то би била платформа за резервације.
- Сензори — Како агент чита тренутно стање свог окружења. Наш агент за путовања може да проверава доступност хотела или цене летова.
- Акјутори (актуатори) — Како агент предузима акције. Агент за путовања може да резервише собу, пошаље потврду или откаже резервацију.
-
Велики језички модели — Агенти су постојали и пре LLM-ова, али LLM-ови су оно што савремене агенте чини тако моћним. Они могу да разумеју природни језик, доносе закључке о контексту и претварају нејасан кориснички захтев у конкретан план акције.
-
Извођење радњи — Без агенског система, LLM само генерише текст. Унутар агентног система, LLM може заправо извршити кораке — претражује базу података, позива API, шаље поруку.
-
Приступ алатима — Које алате агент може да користи зависи од (1) окружења у којем ради и (2) шта је програмер одлучио да му пружи. Агент за путовања може претраживати летове али не и мењати корисничке податке — све зависи шта сте повезали.
-
Меморија + Знање — Агенти могу имати краткорочну меморију (тренутни разговор) и дугорочну меморију (база корисника, претходне интеракције). Агент за путовања може “упамтити” да волите седишта поред прозора.
Различите врсте AI агената
Нису сви агенти направљени на исти начин. Ево прегледа главних врста, користећи агента за резервацију путовања као пример:
| Врста агента | Шта ради | Пример агента за путовања |
|---|---|---|
| Прости рефлексни агенти | Прате унапред дефинисана правила — нема меморије, нема планирања. | Види жалбени имејл → прослеђује га служби за кориснике. Тачка. |
| Рефлексни агенти засновани на моделу | Чувају интерни модел света и ажурирају га како се стање мења. | Праћење историјских цена летова и означавање рута које су одједном скупе. |
| Агенти засновани на циљевима | Имају циљ и корак по корак утврђују како да га достигну. | Резервација целог путовања (летови, ауто, хотел) од ваше тренутне локације до одредишта. |
| Агенти засновани на користи | Не само да пронађу решење, већ налазе најбоље решење мерењем компромиса. | Балансира трошкове и погодност да нађе путовање које највише одговара вашим преференцама. |
| Учећи агенти | Постају бољи с временом учећи из повратних информација. | Прилагођавају будуће препоруке за резервације на основу анкета након путовања. |
| Хијерархијски агенти | Виши ниво агента дели посао на подзадатке и делегира нижим агентима. | Захтев „откажи путовање“ се дели на: откажи лет, откажи хотел, откажи изнајмљивање аутомобила — и сваки обрађује подагент. |
| Мулти-агентски системи (MAS) | Више независних агената који раде заједно (или се такмиче). | Сараднички: посебни агенти се баве хотелима, летовима и забавом. Такмичарски: више агената се такмичи да попуни хотелске собе по најбољој цени. |
Када користити AI агенте
Само зато што могу користити AI агента, не значи да увек треба. Ево ситуација у којима агенти заиста сјаје:
- Отворени проблеми — Када кораке за решавање проблема није могуће унапред програмски дефинисати. Потребно је да LLM динамички пронађе пут.
- Вишестепени процеси — Задаци који захтевају коришћење алата преко више корака, а не само једно брзо претраживање или генерисање.
- Унапређење током времена — Када желите да систем постаје паметнији на основу корисничких повратних информација или сигнала из окружења.
Детаљније ћемо размотрити када (и када не) користити AI агенте у лекцији Прављење поузданих AI агената касније током курса.
Основе агентних решења
Развој агената
Прва ствар коју урадите када градите агента је да дефинишете шта он може да ради — његове алате, акције и понашања.
У овом курсу користимо Azure AI Agent Service као нашу главну платформу. Подржава:
- Отворене моделе као што су OpenAI, Mistral и Llama
- Лиценциране податке од добављача као што је Tripadvisor
- Стандардизоване OpenAPI 3.0 дефиниције алата
Агентни обрасци
Комуницирате са LLM-овима преко промптова. Са агентима, не можете увек ручно израдити сваки промпт — агент мора да делује кроз више корака. Тут су агентни обрасци. То су поновно употребљиве стратегије за израду промптова и оркестрацију LLM-ова на скалабилнији и поузданији начин.
Овај курс је структурисан око најчешћих и најкориснијих агентних образаца.
Агентни оквири
Агентни оквири програмерима дају унапред припремљене шаблоне, алате и инфраструктуру за прављење агената. Олакшавају:
- Повезивање алата и функционалности
- Праћење шта агент ради (и решавање проблема када нешто крене по злу)
- Сарадњу између више агената
У овом курсу се фокусирамо на Microsoft Agent Framework (MAF) за изградњу продукционо спремних агената.
Примери кода
Спремни да видите у пракси? Ево примера кода за ову лекцију:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Имате питања?
Придружите се Microsoft Foundry Discord да се повежете са другим ученицима, присуствујете радним сатима и добијете одговоре на ваша питања о AI агентима од заједнице.
Претходна лекција
Следећа лекција
Одрицање:
Овај документ је превео АИ сервис за превођење Co-op Translator. Иако тежимо тачности, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на оригиналном језику треба сматрати ауторитетом. За критичне информације препоручује се професионални превод од стране људи. Није нам одговорност за било какве неспоразуме или погрешна тумачења настала употребом овог превода.