บทเรียนนี้จะครอบคลุมวิธีการรันตัวอย่างโค้ดในคอร์สนี้
ก่อนที่คุณจะเริ่มโคลน repo ของคุณ เข้าร่วม ช่อง Discord AI Agents For Beginners เพื่อขอความช่วยเหลือเกี่ยวกับการตั้งค่า ถามคำถามเกี่ยวกับคอร์ส หรือเชื่อมต่อกับผู้เรียนคนอื่น
เริ่มต้นโดยการโคลนหรือ fork GitHub Repository สิ่งนี้จะสร้างเวอร์ชันของคอร์สที่เป็นของคุณเองเพื่อให้คุณสามารถรัน ทดสอบ และปรับแต่งโค้ดได้!
คุณสามารถทำได้โดยคลิกลิงก์ fork repo
ตอนนี้คุณควรมีเวอร์ชัน fork ของคอร์สนี้ในลิงก์ต่อไปนี้:
คอร์สนี้มีชุด Jupyter Notebooks ที่คุณสามารถรันเพื่อสัมผัสประสบการณ์การสร้าง AI Agents ด้วยตัวเอง
ตัวอย่างโค้ดใช้:
ต้องมีบัญชี GitHub - ฟรี:
1) Semantic Kernel Agent Framework + GitHub Models Marketplace ระบุว่า (semantic-kernel.ipynb) 2) AutoGen Framework + GitHub Models Marketplace ระบุว่า (autogen.ipynb)
ต้องมีการสมัครสมาชิก Azure: 3) Azure AI Foundry + Azure AI Agent Service ระบุว่า (azureaiagent.ipynb)
เราขอแนะนำให้คุณลองใช้ตัวอย่างทั้งสามประเภทเพื่อดูว่าแบบใดเหมาะกับคุณที่สุด
ตัวเลือกที่คุณเลือกจะกำหนดขั้นตอนการตั้งค่าที่คุณต้องทำตามด้านล่าง:
NOTE: หากคุณยังไม่มี Python3.12 ติดตั้งอยู่ ให้ติดตั้งก่อน จากนั้นสร้าง venv โดยใช้ python3.12 เพื่อให้แน่ใจว่าเวอร์ชันที่ถูกต้องจะถูกติดตั้งจากไฟล์ requirements.txt
ตัวอย่าง
สร้างไดเรกทอรี Python venv:
python3 -m venv venv
จากนั้นเปิดใช้งาน venv environment สำหรับ:
macOS และ Linux
source venv/bin/activate
Windows
venv\Scripts\activate
เราได้รวมไฟล์ requirements.txt
ไว้ใน root ของ repository นี้ ซึ่งมี Python packages ที่จำเป็นทั้งหมดสำหรับการรันตัวอย่างโค้ด
คุณสามารถติดตั้งได้โดยรันคำสั่งต่อไปนี้ใน terminal ที่ root ของ repository:
pip install -r requirements.txt
เราขอแนะนำให้สร้าง Python virtual environment เพื่อหลีกเลี่ยงปัญหาและความขัดแย้งใดๆ
ตรวจสอบให้แน่ใจว่าคุณใช้เวอร์ชัน Python ที่ถูกต้องใน VSCode
คอร์สนี้ใช้ GitHub Models Marketplace ซึ่งให้การเข้าถึง Large Language Models (LLMs) ฟรีที่คุณจะใช้ในการสร้าง AI Agents
ในการใช้ GitHub Models คุณจะต้องสร้าง GitHub Personal Access Token
คุณสามารถทำได้โดยไปที่ การตั้งค่า Personal Access Tokens ในบัญชี GitHub ของคุณ
โปรดปฏิบัติตาม หลักการของการให้สิทธิ์น้อยที่สุด เมื่อสร้าง token ซึ่งหมายความว่าคุณควรให้ token เฉพาะสิทธิ์ที่จำเป็นในการรันตัวอย่างโค้ดในคอร์สนี้
เลือกตัวเลือก Fine-grained tokens
ทางด้านซ้ายของหน้าจอโดยไปที่ Developer settings
จากนั้นเลือก Generate new token
.
ใส่ชื่อที่อธิบายได้สำหรับ token ของคุณที่สะท้อนถึงวัตถุประสงค์ของมัน เพื่อให้ง่ายต่อการระบุในภายหลัง
🔐 คำแนะนำระยะเวลาของ Token
ระยะเวลาที่แนะนำ: 30 วัน เพื่อความปลอดภัยมากขึ้น คุณสามารถเลือกช่วงเวลาที่สั้นลง เช่น 7 วัน 🛡️ เป็นวิธีที่ดีในการตั้งเป้าหมายส่วนตัวและทำคอร์สให้เสร็จในขณะที่คุณมีแรงจูงใจในการเรียนรู้ 🚀.
จำกัดขอบเขตของ token ให้กับ fork ของ repository นี้
จำกัดสิทธิ์ของ token: ภายใต้ Permissions คลิกแท็บ Account และคลิกปุ่ม “+ Add permissions” จะมี dropdown ปรากฏขึ้น ค้นหา Models และทำเครื่องหมายในช่องสำหรับมัน
ตรวจสอบสิทธิ์ที่จำเป็นก่อนสร้าง token
ก่อนสร้าง token ตรวจสอบให้แน่ใจว่าคุณพร้อมที่จะเก็บ token ไว้ในที่ปลอดภัย เช่น vault ของ password manager เนื่องจากมันจะไม่แสดงอีกหลังจากที่คุณสร้างมัน
คัดลอก token ใหม่ที่คุณเพิ่งสร้างขึ้น ตอนนี้คุณจะเพิ่ม token นี้ลงในไฟล์ .env
ที่รวมอยู่ในคอร์สนี้
.env
ของคุณในการสร้างไฟล์ .env
ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ
cp .env.example .env
คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env
ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของ environment variables
เมื่อคุณคัดลอก token แล้ว ให้เปิดไฟล์ .env
ใน text editor ที่คุณชื่นชอบและวาง token ลงในฟิลด์ GITHUB_TOKEN
ตอนนี้คุณควรสามารถรันตัวอย่างโค้ดในคอร์สนี้ได้แล้ว
ทำตามขั้นตอนการสร้าง hub และโปรเจกต์ใน Azure AI Foundry ได้ที่นี่: Hub resources overview
เมื่อคุณสร้างโปรเจกต์ของคุณแล้ว คุณจะต้องรับ connection string สำหรับโปรเจกต์ของคุณ
คุณสามารถทำได้โดยไปที่หน้า Overview ของโปรเจกต์ใน Azure AI Foundry portal
.env
ของคุณในการสร้างไฟล์ .env
ให้รันคำสั่งต่อไปนี้ใน terminal ของคุณ
cp .env.example .env
คำสั่งนี้จะคัดลอกไฟล์ตัวอย่างและสร้าง .env
ในไดเรกทอรีของคุณ ซึ่งคุณจะเติมค่าของ environment variables
เมื่อคุณคัดลอก token แล้ว ให้เปิดไฟล์ .env
ใน text editor ที่คุณชื่นชอบและวาง token ลงในฟิลด์ PROJECT_ENDPOINT
เพื่อความปลอดภัยที่ดีที่สุด เราจะใช้ keyless authentication เพื่อยืนยันตัวตนกับ Azure OpenAI ด้วย Microsoft Entra ID
ถัดไป เปิด terminal และรัน az login --use-device-code
เพื่อเข้าสู่บัญชี Azure ของคุณ
เมื่อคุณเข้าสู่ระบบแล้ว ให้เลือก subscription ของคุณใน terminal
สำหรับบทเรียน Agentic RAG - บทเรียนที่ 5 - มีตัวอย่างที่ใช้ Azure Search และ Azure OpenAI
หากคุณต้องการรันตัวอย่างเหล่านี้ คุณจะต้องเพิ่ม environment variables ต่อไปนี้ลงในไฟล์ .env
ของคุณ:
AZURE_SUBSCRIPTION_ID
- ตรวจสอบ Project details ในหน้า Overview ของโปรเจกต์ของคุณ
AZURE_AI_PROJECT_NAME
- ดูที่ด้านบนของหน้า Overview สำหรับโปรเจกต์ของคุณ
AZURE_OPENAI_SERVICE
- พบในแท็บ Included capabilities สำหรับ Azure OpenAI Service ในหน้า Overview
AZURE_OPENAI_RESOURCE_GROUP
- ไปที่ Project properties ในหน้า Overview ของ Management Center
GLOBAL_LLM_SERVICE
- ภายใต้ Connected resources ค้นหาชื่อการเชื่อมต่อ Azure AI Services หากไม่พบ ให้ตรวจสอบ Azure portal ใน resource group ของคุณสำหรับชื่อ resource AI Services
AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME
- เลือก embedding model ของคุณ (เช่น text-embedding-ada-002
) และจดชื่อ Deployment name จากรายละเอียดของ model
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME
- เลือก chat model ของคุณ (เช่น gpt-4o-mini
) และจดชื่อ Deployment name จากรายละเอียดของ model
AZURE_OPENAI_ENDPOINT
- ค้นหา Azure AI services คลิกที่มัน จากนั้นไปที่ Resource Management, Keys and Endpoint, เลื่อนลงไปที่ “Azure OpenAI endpoints” และคัดลอก endpoint ที่ระบุว่า “Language APIs”
AZURE_OPENAI_API_KEY
- จากหน้าจอเดียวกัน คัดลอก KEY 1 หรือ KEY 2
AZURE_SEARCH_SERVICE_ENDPOINT
- ค้นหา resource Azure AI Search ของคุณ คลิกที่มัน และดูที่ Overview
AZURE_SEARCH_API_KEY
- จากนั้นไปที่ Settings และ Keys เพื่อคัดลอก primary หรือ secondary admin key
AZURE_OPENAI_API_VERSION
- เยี่ยมชมหน้า API version lifecycle ภายใต้ Latest GA API releaseแทนที่จะ hardcode credentials ของคุณ เราจะใช้ keyless connection กับ Azure OpenAI ในการทำเช่นนั้น เราจะ import DefaultAzureCredential
และเรียกฟังก์ชัน DefaultAzureCredential
เพื่อรับ credential
from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential
หากคุณมีปัญหาใดๆ ในการตั้งค่านี้ เข้าร่วม Azure AI Community Discord หรือ สร้าง issue
ตอนนี้คุณพร้อมที่จะรันโค้ดสำหรับคอร์สนี้แล้ว ขอให้สนุกกับการเรียนรู้เพิ่มเติมเกี่ยวกับโลกของ AI Agents!
Introduction to AI Agents and Agent Use Cases
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้