Microsoft Начало работы с агентами ИИ: введение в агенты ИИ и примеры использования агентов

Информация о курсеОбновлено 6 месяцев назад Круг обмена ИИ

7.9K 00

Добро пожаловать на курс "Начало работы с агентами искусственного интеллекта"! В этом курсе вы узнаете об основах и примерах приложений для создания агентов искусственного интеллекта.

стать членом Сообщество Azure AI Discord Познакомьтесь с другими учащимися, создателями AI Agent и задайте все интересующие вас вопросы об этом курсе.

Чтобы начать этот курс, мы сначала лучше поймем, что такое агенты искусственного интеллекта и как использовать их в созданных приложениях и рабочих процессах.

краткое содержание

Этот курс охватывает:

Что такое агенты искусственного интеллекта и каковы их разновидности?
В каких случаях лучше всего использовать агентов ИИ и как они могут помочь?
Каковы основные компоненты при разработке агентского решения?

цель обучения

Пройдя этот курс, вы должны уметь:

Поймите концепцию агентов искусственного интеллекта и их отличие от других решений в области искусственного интеллекта.
наиболее эффективное применение агентов искусственного интеллекта.
Разработка эффективных агентских решений для пользователей и клиентов.

Определение агентов ИИ и типы агентов ИИ

Что такое агенты искусственного интеллекта?

Агенты искусственного интеллекта ДасистемыЭто делаетБольшие языковые модели (LLM) способный пройтиинструмент доступаответить пениемсвязанные со знаниямирасширить свои возможности и тем самымисполняемая операция.

Давайте разделим это определение на более мелкие части:

системы - Важно рассматривать агента как систему, состоящую из множества компонентов, а не только из одного компонента. На базовом уровне компоненты агента ИИ включают в себя:
- матрица - Определенное пространство, в котором работает агент ИИ. Например, если имеется агент ИИ для бронирования путешествий, то окружением может быть система бронирования путешествий, которую агент ИИ использует для выполнения своих задач.
- преобразователи - Окружающая среда обладает информацией и обеспечивает обратную связь, а агенты ИИ используют датчики для сбора и интерпретации этой информации о текущем состоянии среды. В примере с агентом бронирования путешествий система бронирования путешествий может предоставлять такую информацию, как наличие свободных мест в отеле или цены на авиабилеты.
- приводы - Получив текущее состояние среды, агент искусственного интеллекта определит, какое действие нужно выполнить, чтобы изменить обстановку. Для агента по бронированию туристических услуг это может быть бронирование свободного номера для пользователя.

微软 AI Agent 入门课程：AI Agents 和 Agent 应用案例介绍

модель макроязыка - Концепция агентов появилась еще до создания LLM. Преимущество использования LLM для создания агентов ИИ заключается в их способности интерпретировать человеческий язык и данные. Эта способность позволяет LLM интерпретировать информацию об окружающей среде и определять планы по ее изменению.

исполняемая операция - Вне системы ИИ-агента LLM ограничивается операциями, которые генерируют контент или информацию на основе подсказок пользователя. В системе AI Agent LLM может выполнять задачи, интерпретируя запросы пользователя и используя инструменты, доступные в его окружении.

инструмент доступа - Доступ к каким инструментам может получить LLM, определяется 1) средой, в которой он работает, и 2) разработчиком ИИ-агента. В нашем примере с турагентством инструменты агента ограничены операциями, доступными в системе бронирования, и/или разработчик может ограничить доступ агента к рейсам.

связанные со знаниями - В дополнение к информации, предоставляемой средой, агенты ИИ могут получать знания из других систем, сервисов, инструментов и даже от других агентов. В примере с туристическим агентом такими знаниями может быть информация о предпочтениях пользователя в поездках, находящаяся в базе данных клиентов.

Различные типы агентов

Теперь, когда у нас есть общее определение ИИ-агентов, давайте рассмотрим некоторые конкретные типы агентов и то, как они применяются к ИИ-агентам по бронированию путешествий.

Тип агента	описания	типичный пример
Простые агенты отражения	Выполняет немедленные операции на основе заранее заданных правил.	Турагент интерпретирует контекст письма и пересылает жалобу в службу поддержки клиентов.
Агенты отражения на основе моделей	Выполняйте операции, основанные на модели мира и изменениях в этой модели.	Турагент отдает предпочтение маршрутам со значительными изменениями цен, основываясь на данных об исторических ценах.
Агенты, основанные на целях	Создайте план достижения конкретной цели, объяснив ее и определив действия для ее достижения.	Турагент бронирует поездку, определяя необходимые схемы передвижения (автомобиль, общественный транспорт, перелеты) от вашего текущего местоположения до места назначения.
Агенты, основанные на полезности	Учитывайте предпочтения и численно взвешивайте компромиссы, чтобы определить пути достижения целей.	Турагент взвешивает удобство и стоимость при бронировании поездки, чтобы максимизировать полезность.
Обучающиеся агенты	Постоянное совершенствование путем реагирования на обратную связь и внесения соответствующих корректировок.	Турагентство совершенствуется, используя отзывы клиентов, полученные в ходе опросов после поездки, для внесения корректировок в будущие бронирования.
Агенты слоев	В иерархической системе с несколькими агентами агенты верхнего уровня декомпозируют задачи на подзадачи для выполнения агентами нижнего уровня.	Турагент отменяет поездку, разбивая задачу на подзадачи (например, отмена конкретного бронирования) и позволяя агенту низшего уровня выполнить их, а затем сообщая о них агенту высшего уровня.
Мультиагентная система (МАС)	Агенты выполняют задания самостоятельно, в сотрудничестве или на конкурсной основе.	Сотрудничество: несколько агентов бронируют конкретные туристические услуги, такие как отели, перелеты и развлечения. Конкуренция: несколько агентов управляют общим календарем бронирования отелей и конкурируют за бронирование отелей для своих клиентов.

Когда использовать агентов искусственного интеллекта

В предыдущем разделе мы использовали приложение Travel Agent, чтобы объяснить, как использовать различные типы агентов в различных сценариях бронирования путешествий. Мы продолжим использовать это приложение на протяжении всего курса.

Давайте рассмотрим типы сценариев, в которых лучше всего использовать агентов искусственного интеллекта:

Открытые вопросы - Позвольте LLM определить шаги, необходимые для выполнения задачи, так как они не всегда могут быть жестко закодированы в рабочем процессе.
многоступенчатый процесс - Задачи, требующие определенного уровня сложности, в которых агенту ИИ необходимо использовать инструмент или информацию в нескольких раундах, а не для однократного поиска.
Улучшения с течением времени - Агент может улучшать задачи со временем, получая обратную связь от окружения или пользователей, чтобы обеспечить лучшую полезность.

Мы рассмотрим дополнительные аспекты использования агентов ИИ в курсе "Создание надежных агентов ИИ".

Основы агентского решения

Разработка агентов

Первым шагом в разработке системы ИИ-агента является определение инструментов, операций и поведения. В этом курсе мы сосредоточимся на использовании Служба агентов искусственного интеллекта Azure Он обеспечивает следующую функциональность:

Выбор открытых моделей, таких как OpenAI, Mistral и Llama
Использование лицензионных данных через таких провайдеров, как Tripadvisor
Использование стандартизированных инструментов OpenAPI 3.0

Агентурный режим

Общение с LLM осуществляется с помощью подсказок. Учитывая полуавтономную природу ИИ-агентов, не всегда возможно или необходимо вручную повторно запрашивать LLM после изменения обстановки. Мы использовали Агентурный режимЭто позволяет нам более масштабируемым способом подсказывать LLM в несколько этапов.

Этот курс разделен на несколько популярных в настоящее время паттернов Agentic.

Агентская структура

Агентские фреймворки позволяют разработчикам реализовать агентские паттерны через код. Эти фреймворки предоставляют шаблоны, плагины и инструменты для улучшения взаимодействия агентов ИИ. Эти преимущества позволяют лучше наблюдать и устранять неполадки в системах агентов ИИ.

В этом курсе мы будем изучать научные исследования. AutoGen фреймворк и готовый к производству фреймворк Agent от Semantic Kernel.