ai-agents-for-beginners
(Кликните на слику изнад да бисте погледали видео за ову лекцију)
Увод у AI агенте и случајеве коришћења агената
Добродошли на курс AI агенти за почетнике! Овај курс вам пружа основно знање — и стварни радни код — да започнете прављење AI агената од нуле.
Дођите да поздравите у Azure AI Discord заједницу — пуна је ученика и AI градитеља који радо одговарају на питања.
Пре него што кренемо са прављењем, хајде да се уверимо да стварно разумемо шта је AI агент и када има смисла користити га.
Увод
Ова лекција обухвата:
- Шта су AI агенти и које различите врсте постоје
- За које врсте задатака су AI агенти најприкладнији
- Основне градивне блокове које ћете користити при дизајнирању агентског решења
Циљеви учења
На крају ове лекције треба да будете у стању да:
- Објасните шта је AI агент и како се разликује од уобичајеног AI решења
- Знате када треба приступити AI агенту (а када не)
- Направите груби нацрт дизајна агентског решења за проблем из стварног света
Дефинисање AI агената и врсте AI агената
Шта су AI агенти?
Ево једног једноставног начина да то схватите:
AI агенти су системи који омогућавају да Large Language Models (LLM) заправо раде ствари — тако што им пружају 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 основи, сваки агент има три дела:
- Окружење — Простор у којем агент ради. За агента за резервацију путовања, то би била сама платформа за резервацију.
- Сензори — Како агент чита тренутно стање свог окружења. Наш агент за путовања може проверавати доступност хотела или цене летова.
- Актуатори — Како агент делује. Агент за путовање може резервисати собу, послати потврду или отказати резервацију.
-
Large Language Models — Агенти су постојали и пре LLM-а, али LLM-и су оно што модерним агентима даје снагу. Они могу да разумеју природни језик, закључују о контексту и претварају нејасан захтев корисника у конкретан план акције.
-
Обављање радњи — Без агентског система, LLM само генерише текст. Унутар агентског система, LLM може заправо извршавати кораке — претраживати базу података, позивати API, слати поруку.
-
Приступ алатима — Које алате агент може користити зависи од (1) окружења у коме ради и (2) шта је програмер одлучио да му да. Агент за путовања може претраживати летове али не и уређивати податке клијената — све зависи од тога шта спојите.
-
Меморија + Знање — Агенти могу имати краткорочну меморију (тренутни разговор) и дугорочну меморију (базу података корисника, претходне интеракције). Агент за путовања може „памтити“ да више волите прозорска седишта.
Различите врсте AI агената
Нису сви агенти направљени на исти начин. Ево прегледа главних врста, користећи агента за резервацију путовања као примера:
| Врста агента | Шта ради | Пример агента за путовања |
|---|---|---|
| Једноставни рефлексни агенти | Следи унапред дефинисана правила — без меморије, без планирања. | Види жалбу у имејлу → прослеђује је служби за кориснике. То је све. |
| Рефлексни агенти базирани на моделу | Чува унутрашњи модел света и ажурира га како се ствари мењају. | Прати историјске цене летова и обележава руте које су изненада скупе. |
| Агенти засновани на циљевима | Има циљ у виду и корак по корак планира како да га достигне. | Резервише цело путовање (летове, аутомобил, хотел) кренувши од ваше тренутне локације до дестинације. |
| Агенти засновани на корисности | Не само да налази неко решење — проналази најбоље решење узимајући у обзир компромисе. | Балансира трошкове и погодности да пронађе путовање које највише одговара вашим жељама. |
| Агенти који уче | Побољшавају се током времена учењем из повратних информација. | Прилагођава будуће препоруке за резервације на основу анкете након путовања. |
| Хијерархијски агенти | Виши ниво агента расподељује послове у подзадатке и делегира их нижим агентима. | Захтев за „отказивање путовања“ се деле на: отказивање лета, хотела, изнајмљивања аутомобила — сваки обавља потагент. |
| Системи са више агената (MAS) | Више независних агената ради заједно (или се такмиче). | Сараднички: посебни агенти се баве хотелима, летовима и забавом. Конкурентски: више агената се такмичи да попуне хотелске собе по најбољој цени. |
Када користити AI агенте
Само зато што можете користити AI агента, не значи да увек треба. Ево ситуација у којима агенти заиста спадају у најбоље решење:
- Отворени проблеми — Када кораци за решавање проблема не могу бити унапред програмирани. Тада је потребно да LLM динамички нађе пут.
- Вишестепени процеси — Задаци који захтевају коришћење алата у више корака, а не само једно прегледавање или генерисање.
- Побољшање током времена — Када желите да систем постаје паметнији на основу повратних информација корисника или сигнале из окружења.
Детаљније ћемо обрадити када (и када не) користити AI агенте у лекцији Изградња поузданих AI агената касније на курсу.
Основе агентских решења
Развој агената
Прва ствар коју радите кад правите агента је да дефинишете шта може да ради — његове алате, радње и понашања.
У овом курсу користимо Azure AI Agent Service као нашу главну платформу. Подржава:
- Моделе од провајдера попут OpenAI, Mistral и Meta (Llama)
- Лиценциране податке од провајдера као што је Tripadvisor
- Стандардизоване OpenAPI 3.0 дефиниције алата
Агентски обрасци
Комуницирате са LLM-има преко упита. Са агентима не можете ручно направити сваки упит — агент мора да делује у више корака. Ту долазе агентски обрасци. То су поновно употребљиве стратегије за вођење и оркестрацију LLM-а на скалабилнији и поузданији начин.
Овај курс је структуиран око најчешћих и најкориснијих агентских образаца.
Агентски оквири
Агентски оквири пружају програмерима спремне шаблоне, алате и инфраструктуру за прављење агената. Олакшавају:
- Повезивање алата и могућности
- Праћење шта агент ради (и отклањање грешака када нешто није како треба)
- Сарадњу између више агената
У овом курсу фокусирамо се на Microsoft Agent Framework (MAF) за прављење агената спремних за производњу.
Примери кода
Спремни да видите како то ради? Ево примера кода за ову лекцију:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Имaте питања?
Придружите се Microsoft Foundry Discord да се повежете са другим ученицима, присуствујете канцеларијским часовима и добијете одговоре на питања о AI агентима од заједнице.
Претходна лекција
Следећа лекција
Изјава о одрицању одговорности: Овај документ је преведен коришћењем услуге за аутоматски превод Co-op Translator. Иако тежимо тачности, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.