欢迎来到“AI Agents 新手入门”课程！本课程为你提供有关构建 AI Agents 的基础知识和应用示例。
加入 Azure AI Discord 社区 认识其他学习者、AI Agent 构建者，并提出你对本课程的任何问题。
要开始本课程，我们首先要更好地了解什么是 AI Agents，以及如何在构建的应用程序和工作流程中使用它们。
简介
本课程涵盖：
- 什么是 AI Agents，以及不同类型的 agent 有哪些？
- 哪些应用案例最适合 AI Agents，它们如何帮助我们？
- 设计 Agentic 解决方案时的一些基本构建模块是什么？
学习目标
完成本课程后，你应该能够：
- 了解 AI Agent 的概念以及它们与其他 AI 解决方案的区别。
- 最有效地应用 AI Agents。
- 为用户和客户高效地设计 Agentic 解决方案。
定义 AI Agents 和 AI Agents 的类型
什么是 AI Agents？
AI Agents 是系统，它使大语言模型 (LLMs) 能够通过访问工具和知识来扩展其能力，从而执行操作。
让我们将此定义分解为更小的部分：
- 系统 - 将 agent 视为一个由许多组件组成的系统，而不仅仅是单个组件，这一点很重要。在基本层面上，AI Agent 的组件包括：
- 环境 - AI Agent 运行的定义空间。例如，如果有一个旅行预订 AI Agent，则环境可以是 AI Agent 用来完成任务的旅行预订系统。
- 传感器 - 环境具有信息并提供反馈。AI Agents 使用传感器收集和解释有关环境当前状态的这些信息。在旅行预订 Agent 示例中，旅行预订系统可以提供诸如酒店可用性或航班价格之类的信息。
- 执行器 - 一旦 AI Agent 接收到环境的当前状态，对于当前任务，agent 将确定要执行的操作以更改环境。对于旅行预订 agent，它可能是为用户预订可用房间。
大语言模型 - agent 的概念在 LLM 创建之前就已存在。使用 LLM 构建 AI Agents 的优势在于它们能够解释人类语言和数据。这种能力使 LLM 能够解释环境信息并定义更改环境的计划。
执行操作 - 在 AI Agent 系统之外，LLM 仅限于根据用户提示生成内容或信息的操作。在 AI Agent 系统中，LLM 可以通过解释用户请求并使用其环境中可用的工具来完成任务。
访问工具 - LLM 可以访问哪些工具由 1) 它运行的环境和 2) AI Agent 的开发者定义。对于我们的旅行 agent 示例，agent 的工具受到预订系统中可用操作的限制，和/或开发者可以将 agent 的工具访问权限限制为航班。
知识 - 除了环境提供的信息外，AI Agents 还可以从其他系统、服务、工具甚至其它 agent 中检索知识。在旅行 agent 示例中，这些知识可能是位于客户数据库中的用户旅行偏好信息。
不同类型的 agent
现在我们对 AI Agents 有了一个通用的定义，让我们看看一些特定的 agent 类型，以及它们如何应用于旅行预订 AI agent。
| Agent 类型 | 描述 | 示例 |
|---|---|---|
| 简单反射 Agents | 根据预定义的规则执行即时操作。 | 旅行 agent 解释电子邮件的上下文并将旅行投诉转发给客户服务。 |
| 基于模型的反射 Agents | 根据世界模型和对该模型的更改执行操作。 | 旅行 agent 根据对历史定价数据的访问权限，优先考虑价格发生重大变化的路线。 |
| 基于目标的 Agents | 通过解释目标并确定实现目标的行动来创建计划以实现特定目标。 | 旅行 agent 通过确定从当前位置到目的地的必要旅行安排 (汽车、公共交通、航班) 来预订行程。 |
| 基于效用的 Agents | 考虑偏好并在数值上权衡取舍，以确定如何实现目标。 | 旅行 agent 在预订旅行时权衡便利性与成本，从而最大化效用。 |
| 学习 Agents | 通过响应反馈并相应地调整行动来不断改进。 | 旅行 agent 通过使用旅行后调查中的客户反馈来改进，以便对未来的预订进行调整。 |
| 分层 Agents | 在分层系统中具有多个 agent，其中较高级别的 agent 将任务分解为子任务，供较低级别的 agent 完成。 | 旅行 agent 通过将任务划分为子任务 (例如，取消特定预订) 并让较低级别的 agent 完成它们，然后向较高级别的 agent 报告，从而取消行程。 |
| 多 Agent 系统 (MAS) | Agents 独立完成任务，可以是合作的，也可以是竞争的。 | 合作：多个 agent 预订特定的旅行服务，例如酒店、航班和娱乐。竞争：多个 agent 管理共享的酒店预订日历并竞争，以便为客户预订酒店。 |
何时使用 AI Agents
在前面的部分中，我们使用旅行 Agent 的应用案例来解释如何在不同的旅行预订场景中使用不同类型的 agent。我们将在整个课程中继续使用此应用程序。
让我们看看最适合使用 AI Agents 的应用案例类型：
- 开放式问题 - 允许 LLM 确定完成任务所需的步骤，因为它不能总是硬编码到工作流程中。
- 多步骤流程 - 需要一定复杂程度的任务，其中 AI Agent 需要在多个回合中使用工具或信息，而不是单次检索。
- 随着时间的推移而改进 - agent 可以通过从其环境或用户接收反馈来随着时间的推移而改进的任务，以便提供更好的效用。
我们将在“构建值得信赖的 AI Agents”课程中介绍更多使用 AI Agents 的注意事项。
Agentic 解决方案基础知识
Agent 开发
设计 AI Agent 系统的第一步是定义工具、操作和行为。在本课程中，我们专注于使用 Azure AI Agent Service 来定义我们的 Agents。它提供以下功能：
- 选择开放模型，例如 OpenAI、Mistral 和 Llama
- 通过 Tripadvisor 等提供商使用许可数据
- 使用标准化的 OpenAPI 3.0 工具
Agentic 模式
与 LLM 的通信是通过提示进行的。鉴于 AI Agents 的半自主性质，在环境发生变化后手动重新提示 LLM 并非总是可行或必需的。我们使用 Agentic 模式，它允许我们以更具可扩展性的方式在多个步骤中提示 LLM。
本课程分为一些当前流行的 Agentic 模式。
Agentic 框架
Agentic 框架允许开发人员通过代码实现 agentic 模式。这些框架提供模板、插件和工具，以实现更好的 AI Agent 协作。这些优势为更好地观察和排除 AI Agent 系统故障提供了能力。
在本课程中，我们将探索研究驱动的 AutoGen 框架和来自 Semantic Kernel 的生产就绪 Agent 框架。
简体中文 
English 
日本語 
Deutsch (Sie) 
Português do Brasil