ai-agents-for-beginners
(點擊上方圖片觀看本課程的影片)
AI Agents 與其應用案例介紹
歡迎來到「AI Agents 初學者課程」！本課程將提供構建 AI Agents 的基礎知識與實際範例。
加入 Azure AI Foundry Discord，與其他學員和 AI Agent 開發者交流，並提出您對本課程的任何問題。
在開始本課程之前，我們將先了解什麼是 AI Agents，以及如何在我們構建的應用程式和工作流程中使用它們。
課程介紹
本課程將涵蓋以下內容：
- 什麼是 AI Agents？有哪些不同類型的 Agents？
- 哪些應用案例最適合使用 AI Agents？它們如何幫助我們？
- 設計 Agentic 解決方案時的一些基本構建模組。
學習目標
完成本課程後，您應該能夠：
- 理解 AI Agent 的概念及其與其他 AI 解決方案的不同之處。
- 高效地應用 AI Agents。
- 為用戶和客戶設計高效的 Agentic 解決方案。
定義 AI Agents 與其類型
什麼是 AI Agents？
AI Agents 是一種系統，它通過為大型語言模型（LLMs）提供工具和知識的訪問權限，來擴展其能力並使其能夠執行操作。
讓我們將這一定義拆解為幾個部分：
- 系統 - 將 Agents 視為一個由多個組件組成的系統，而非單一組件非常重要。AI Agent 的基本組件包括：
- 環境 - 定義 AI Agent 運行的空間。例如，若有一個旅遊預訂 AI Agent，其環境可能是該 AI Agent 用於完成任務的旅遊預訂系統。
- 感測器 - 環境提供信息和反饋。AI Agents 使用感測器來收集並解讀有關環境當前狀態的信息。在旅遊預訂 Agent 的例子中，旅遊預訂系統可以提供如酒店可用性或航班價格等信息。
- 執行器 - 當 AI Agent 獲取到環境的當前狀態後，根據當前任務決定執行哪些操作來改變環境。對於旅遊預訂 Agent，這可能是為用戶預訂一間可用的房間。
大型語言模型（LLMs） - Agents 的概念早於 LLM 的出現。使用 LLM 構建 AI Agents 的優勢在於其解讀人類語言和數據的能力。這使得 LLM 能夠解讀環境信息並制定改變環境的計劃。
執行操作 - 在沒有 AI Agent 系統的情況下，LLM 的作用僅限於根據用戶的提示生成內容或信息。而在 AI Agent 系統中，LLM 可以通過解讀用戶的請求並使用環境中可用的工具來完成任務。
訪問工具 - LLM 可訪問的工具由 1）其運行的環境和 2）AI Agent 的開發者所定義。以旅遊預訂 Agent 為例，該 Agent 的工具可能受限於預訂系統中的操作，或者開發者可以限制 Agent 的工具訪問範圍，例如僅限於航班預訂。
記憶與知識 - 記憶可以是短期的，例如用戶與 Agent 之間對話的上下文。長期來看，除了環境提供的信息外，AI Agents 還可以從其他系統、服務、工具甚至其他 Agents 中檢索知識。在旅遊預訂 Agent 的例子中，這些知識可能是存儲在客戶數據庫中的用戶旅遊偏好信息。
不同類型的 Agents
現在我們已經了解了 AI Agents 的基本定義，接下來讓我們看看一些具體的 Agent 類型，以及它們如何應用於旅遊預訂 AI Agent。
| Agent 類型 | 描述 | 範例 |
|---|---|---|
| 簡單反射型 Agents | 根據預定義規則執行即時操作。 | 旅遊 Agent 解讀電子郵件內容，並將旅遊投訴轉發至客服部門。 |
| 基於模型的反射型 Agents | 根據世界模型及其變化執行操作。 | 旅遊 Agent 根據歷史價格數據，優先考慮價格變化顯著的路線。 |
| 基於目標的 Agents | 通過解讀目標並確定達成目標的行動來制定計劃。 | 旅遊 Agent 通過確定從當前位置到目的地所需的旅行安排（如汽車、公共交通、航班）來預訂行程。 |
| 基於效用的 Agents | 考慮偏好並以數值方式權衡取捨，以確定如何實現目標。 | 旅遊 Agent 在預訂旅行時，通過權衡便利性與成本來最大化效用。 |
| 學習型 Agents | 通過回應反饋並相應調整行動來隨時間改進。 | 旅遊 Agent 通過使用客戶在行程後的調查反饋，改進未來的預訂。 |
| 分層型 Agents | 包含多個分層的 Agents，高層 Agents 將任務分解為子任務，由低層 Agents 完成。 | 旅遊 Agent 通過將取消行程的任務分解為子任務（例如取消具體預訂），並由低層 Agents 完成，然後向高層 Agent 回報。 |
| 多 Agent 系統（MAS） | Agents 獨立完成任務，可以是合作的，也可以是競爭的。 | 合作型：多個 Agents 預訂具體的旅遊服務，如酒店、航班和娛樂活動。競爭型：多個 Agents 管理並競爭共享的酒店預訂日曆，為客戶預訂酒店。 |
什麼時候使用 AI Agents
在前面的部分中，我們使用旅遊 Agent 的應用案例來說明不同類型的 Agents 如何應用於旅遊預訂的不同場景。我們將在整個課程中繼續使用這個應用案例。
讓我們來看看 AI Agents 最適合用於哪些類型的應用案例：
- 開放式問題 - 允許 LLM 確定完成任務所需的步驟，因為這些步驟無法總是硬編碼到工作流程中。
- 多步驟流程 - 需要一定複雜度的任務，AI Agent 需要在多次交互中使用工具或信息，而非一次性檢索。
- 隨時間改進 - 任務可以通過從環境或用戶接收反饋來隨時間改進，以提供更好的效用。
我們將在「構建可信賴的 AI Agents」課程中更深入探討使用 AI Agents 的考量。
Agentic 解決方案的基礎
Agent 開發
設計 AI Agent 系統的第一步是定義工具、操作和行為。在本課程中，我們專注於使用 Azure AI Agent Service 來定義我們的 Agents。該服務提供以下功能：
- 選擇開放模型，如 OpenAI、Mistral 和 Llama
- 通過提供商（如 Tripadvisor）使用授權數據
- 使用標準化的 OpenAPI 3.0 工具
Agentic 模式
與 LLM 的通信是通過提示完成的。由於 AI Agents 的半自主性質，在環境發生變化後並不總是可能或必要手動重新提示 LLM。我們使用 Agentic 模式，允許我們在多個步驟中以更具可擴展性的方式提示 LLM。
本課程將介紹一些當前流行的 Agentic 模式。
Agentic 框架
Agentic 框架允許開發者通過代碼實現 Agentic 模式。這些框架提供模板、插件和工具，以促進更好的 AI Agent 協作。這些優勢還提供了更好的可觀測性和 AI Agent 系統的故障排除能力。
在本課程中，我們將探索以研究為導向的 AutoGen 框架，以及來自 Semantic Kernel 的生產就緒型 Agent 框架。
還有關於 AI Agents 的問題嗎？
加入 Azure AI Foundry Discord，與其他學員交流，參加辦公時間，並解答您對 AI Agents 的疑問。
上一課程
下一課程
免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。