ai-agents-for-beginners
(คลิกที่ภาพด้านบนเพื่อดูวิดีโอสำหรับบทเรียนนี้)
บทนำสู่เอเย่นต์ AI และกรณีการใช้งานเอเย่นต์
ยินดีต้อนรับสู่คอร์ส AI Agents for Beginners! คอร์สนี้ให้ความรู้พื้นฐาน — และโค้ดที่ใช้ได้จริง — เพื่อเริ่มต้นสร้างเอเย่นต์ AI ตั้งแต่ต้น
มาทักทายใน Azure AI Discord Community — ที่นี่เต็มไปด้วยผู้เรียนและผู้สร้าง AI ที่ยินดีตอบคำถาม
ก่อนที่เราจะเริ่มสร้าง เรามาแน่ใจก่อนว่าเราเข้าใจว่าเอเย่นต์ AI คืออะไร และเมื่อใดจึงเหมาะสมที่จะใช้
บทนำ
บทเรียนนี้ครอบคลุม:
- เอเย่นต์ AI คืออะไร และประเภทต่าง ๆ ที่มีอยู่
- งานชนิดใดที่เอเย่นต์ AI เหมาะสมที่สุด
- บล็อกหัวใจหลักที่คุณจะใช้เมื่อออกแบบโซลูชันแบบเอเย่นต์
เป้าหมายการเรียนรู้
เมื่อจบบทเรียนนี้ คุณควรจะสามารถ:
- อธิบายว่าเอเย่นต์ AI คืออะไร และแตกต่างจากโซลูชัน AI ปกติอย่างไร
- รู้ว่าเมื่อใดควรใช้เอเย่นต์ AI (และเมื่อใดไม่ควร)
- ร่างภาพรวมการออกแบบโซลูชันแบบเอเย่นต์สำหรับปัญหาในโลกจริง
การนิยามเอเย่นต์ AI และประเภทของเอเย่นต์ AI
เอเย่นต์ AI คืออะไร?
นี่คือตัวอย่างการคิดง่าย ๆ:
เอเย่นต์ AI คือระบบที่ให้โมเดลภาษาขนาดใหญ่ (LLMs) สามารถ ทำสิ่งต่าง ๆ ได้จริง — โดยการให้เครื่องมือและความรู้เพื่อดำเนินการต่อโลก, ไม่ใช่แค่ตอบคำถามเฉย ๆ
มาลองขยายความอีกเล็กน้อย:
- ระบบ — เอเย่นต์ AI ไม่ใช่แค่สิ่งเดียว มันคือชุดส่วนประกอบที่ทำงานร่วมกัน โดยแกนกลางเอเย่นต์แต่ละตัวมีสามส่วน:
- สภาพแวดล้อม — พื้นที่ที่เอเย่นต์ทำงาน สำหรับเอเย่นต์จองการเดินทาง นี่ก็คือแพลตฟอร์มการจองนั้นเอง
- เซ็นเซอร์ — วิธีที่เอเย่นต์รับรู้สภาพปัจจุบันของสิ่งแวดล้อม เอเย่นต์ท่องเที่ยวอาจตรวจสอบสถานะห้องพักหรือราคาตั๋วเครื่องบิน
- แอคชูเอเตอร์ — วิธีที่เอเย่นต์ทำการดำเนินการ เอเย่นต์ท่องเที่ยวอาจจองห้อง ส่งข้อความยืนยัน หรือยกเลิกการจอง
-
โมเดลภาษาขนาดใหญ่ — เอเย่นต์มีมาก่อนโมเดลภาษา แต่โมเดลภาษาเป็นสิ่งที่ทำให้อเอเย่นต์สมัยใหม่ทรงพลังมากขึ้น พวกมันเข้าใจภาษาธรรมชาติ, วิเคราะห์บริบท และเปลี่ยนคำขอที่คลุมเครือให้เป็นแผนการดำเนินการที่ชัดเจนได้
-
ดำเนินการ — หากไม่มีระบบเอเย่นต์ LLM ก็แค่สร้างข้อความ แต่ในระบบเอเย่นต์ LLM สามารถ ดำเนินการ ได้จริง — ค้นหาฐานข้อมูล, เรียก API, ส่งข้อความ
-
เข้าถึงเครื่องมือ — เครื่องมือที่เอเย่นต์ใช้ขึ้นอยู่กับ (1) สภาพแวดล้อมที่รันตัวมันและ (2) สิ่งที่นักพัฒนาตัดสินใจให้ ยกตัวอย่างเอเย่นต์ท่องเที่ยว อาจสามารถค้นหาตั๋วเครื่องบินแต่ไม่สามารถแก้ไขข้อมูลลูกค้า — ทั้งหมดขึ้นอยู่กับสิ่งที่คุณเชื่อมต่อ
-
หน่วยความจำ + ความรู้ — เอเย่นต์สามารถมีหน่วยความจำระยะสั้น (บทสนทนาปัจจุบัน) และหน่วยความจำระยะยาว (ฐานข้อมูลลูกค้า, การโต้ตอบที่ผ่านมา) เอเย่นต์ท่องเที่ยวอาจ “จดจำ” ว่าคุณชอบที่นั่งริมหน้าต่าง
ประเภทของเอเย่นต์ AI
ไม่ใช่เอเย่นต์ทุกตัวจะถูกสร้างเหมือนกัน นี่คือการแบ่งประเภทหลัก โดยใช้เอเย่นต์จองการเดินทางเป็นตัวอย่าง:
| ประเภทเอเย่นต์ | สิ่งที่ทำ | ตัวอย่างเอเย่นต์ท่องเที่ยว |
|---|---|---|
| เอเย่นต์สะท้อนตอบสนองง่าย | ทำตามกฎที่กำหนดไว้ — ไม่มีหน่วยความจำ ไม่มีการวางแผน | เห็นอีเมลร้องเรียน → ส่งต่อให้ฝ่ายบริการลูกค้า เท่านั้น |
| เอเย่นต์สะท้อนตามแบบจำลอง | เก็บแบบจำลองภายในโลกและอัปเดตเมื่อมีการเปลี่ยนแปลง | ติดตามราคาตั๋วเครื่องบินในอดีตและแจ้งเตือนเส้นทางที่ราคาแพงขึ้น |
| เอเย่นต์ตามเป้าหมาย | มีเป้าหมายในใจและค่อย ๆ หาวิธีไปถึงเป้าหมาย | จองทริปเต็มรูปแบบ (ตั๋ว, รถ, โรงแรม) จากสถานที่ของคุณไปยังจุดหมายปลายทาง |
| เอเย่นต์แบบใช้ประโยชน์ | ไม่แค่หาทางแก้ หนึ่ง — แต่หาทางแก้ ดีที่สุด โดยชั่งน้ำหนักข้อแลกเปลี่ยน | ประเมินความคุ้มค่าระหว่างราคาและความสะดวกเพื่อหาทริปที่เหมาะกับความต้องการ |
| เอเย่นต์เรียนรู้ | ดีขึ้นเรื่อย ๆ จากการเรียนรู้จากข้อเสนอแนะ | ปรับคำแนะนำการจองในอนาคตตามผลสำรวจหลังทริป |
| เอเย่นต์เชิงลำดับชั้น | เอเย่นต์ระดับสูงแบ่งงานเป็นงานย่อยและมอบหมายให้เอเย่นต์ระดับล่าง | คำขอยกเลิกทริปแบ่งเป็น: ยกเลิกตั๋ว, ยกเลิกโรงแรม, ยกเลิกรถเช่า — แต่ละอย่างจัดการโดยเอเย่นต์ย่อยต่างหาก |
| ระบบมัลติเซเย่นต์ (MAS) | หลายเอเย่นต์อิสระทำงานร่วมกัน (หรือแข่งขันกัน) | ร่วมมือ: เอเย่นต์แยกกันดูแลโรงแรม, ตั๋วเครื่องบิน, และความบันเทิง แข่งขัน: หลายเอเย่นต์แข่งกันจองห้องโรงแรมในราคาดีที่สุด |
เมื่อใดควรใช้เอเย่นต์ AI
แค่คุณ สามารถ ใช้เอเย่นต์ AI ไม่ได้หมายความว่าคุณ ควรใช้ ในทุกกรณี นี่คือสถานการณ์ที่เอเย่นต์แสดงศักยภาพได้ดีจริงๆ:
- ปัญหาที่เปิดกว้าง — เมื่อขั้นตอนแก้ปัญหาไม่สามารถตั้งโปรแกรมไว้ล่วงหน้าได้ คุณต้องการให้ LLM ค้นหาเส้นทางแบบไดนามิก
- กระบวนการหลายขั้นตอน — งานที่ต้องใช้เครื่องมือหลายขั้นตอน ไม่ใช่แค่ค้นหาหรือสร้างข้อความครั้งเดียว
- พัฒนาได้ตามเวลา — เมื่อคุณต้องการให้ระบบฉลาดขึ้นจากข้อเสนอแนะของผู้ใช้หรือสัญญาณจากสภาพแวดล้อม
เราจะลงลึกเมื่อใด (และเมื่อใด ไม่ควร) ใช้เอเย่นต์ AI ในบทเรียน Building Trustworthy AI Agents ในภายหลัง
พื้นฐานโซลูชันแบบเอเย่นต์
การพัฒนาเอเย่นต์
สิ่งแรกที่คุณทำเมื่อสร้างเอเย่นต์คือกำหนด สิ่งที่มันทำได้ — เครื่องมือ, การกระทำ และพฤติกรรม
ในคอร์สนี้ เราใช้ Azure AI Agent Service เป็นแพลตฟอร์มหลัก ซึ่งรองรับ:
- โมเดลเปิดอย่าง OpenAI, Mistral, และ Llama
- ข้อมูลที่ได้รับอนุญาตจากผู้ให้บริการเช่น Tripadvisor
- คำนิยามเครื่องมือแบบมาตรฐาน OpenAPI 3.0
รูปแบบแบบเอเย่นต์
คุณจะสื่อสารกับ LLM ผ่านพรอมต์ โดยกับเอเย่นต์ คุณไม่สามารถรังสรรค์พรอมต์ทุกตัวด้วยตัวเองได้ — เอเย่นต์ต้องดำเนินการในหลายขั้นตอน นี่คือที่มาของ Agentic Patterns — กลยุทธ์ที่ใช้ซ้ำได้ในการสั่งงานและประสานงาน LLM อย่างมีประสิทธิภาพและมั่นคง
คอร์สนี้จัดโครงสร้างรอบรูปแบบเอเย่นต์ที่พบได้บ่อยและมีประโยชน์สูงสุด
เฟรมเวิร์กแบบเอเย่นต์
เฟรมเวิร์กแบบเอเย่นต์มอบแม่แบบ เครื่องมือ และโครงสร้างพื้นฐานที่พร้อมใช้สำหรับนักพัฒนา ทำให้สะดวกในการ:
- เชื่อมต่อเครื่องมือและความสามารถต่าง ๆ
- สังเกตว่าเอเย่นต์ทำอะไร (และดีบักเมื่อมีข้อผิดพลาด)
- ทำงานร่วมกันระหว่างหลายเอเย่นต์
ในคอร์สนี้ เรามุ่งเน้นที่ Microsoft Agent Framework (MAF) สำหรับการสร้างเอเย่นต์ที่พร้อมใช้งานจริง
ตัวอย่างโค้ด
พร้อมดูจริงไหม? นี่คือตัวอย่างโค้ดสำหรับบทเรียนนี้:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
มีคำถามไหม?
เข้าร่วมใน Microsoft Foundry Discord เพื่อเชื่อมต่อกับผู้เรียนคนอื่น ๆ, เข้าร่วมช่วงเวลาสอบถาม และรับคำตอบเกี่ยวกับเอเย่นต์ AI จากชุมชน
บทเรียนก่อนหน้า
บทเรียนถัดไป
ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลฉบับนี้