Većina industrije nije bila sasvim sigurna šta su oni, šta mogu realno učiniti, ili da li su to samo još jedna marketinška buzzword. Skoro svaki drugi inženjer čini se da gradi, eksperimentiše ili barem govori o agencijskoj AI u nekom obliku. Sećam se kada sam prvi put počeo čuti pojam "AI agenti", to se činilo kao jedan od onih koncepata na koje je svatko nagnuo, ali vrlo malo je moglo jasno objasniti. Čak i nisam bio siguran da li je to prava promjena ili samo još jedna buzzword na tržištu. ali kako je prošlo vreme i više sam istraživao; više sam shvatio da je ovo nešto što će se držati i nešto što bi svaki inženjer podataka trebao naučiti i razumjeti. Jedna stvar koju sam primetio tokom moje faze učenja je da se mnogi od postojećih blogova, objašnjenja o ovoj temi fokusiraju ili na teorijsku osnovu ili na praktične okvire i alate. Agentička AI postoji na prvom mestu i kada zapravo ima smisla koristiti je. Zašto U ovom članku pokušavam odgovoriti na ova osnovna pitanja za ciljnu publiku koja ali . already have a tech background haven’t worked with AI agents yet Do kraja ćete: 
 
 
 
 Shvatite šta agencija AI zapravo znači Saznajte glavne pojmove i pojmove Izgradite jednostavan projekt Agentic AI "Hello World" koji možete pokrenuti lokalno Šta je agencija AI? za je kao AI sistem koji ne samo da , ali takođe može U pitanju je i AI agent Odgovori na pitanja take actions make decisions work toward a goal. Razmislite o normalnom Kao neko ko pita: AI chatbot 
 
 Koji je najbolji restoran u blizini? Koji je najbolji restoran u blizini? Odgovara s prijedlozima. Međutim, jedan je kao pravi asistent koji može učiniti mnogo više od samo sugestija; kao što su AI agent 
 
 
 
 
 
 Pogledajte restorane Proverite rejting Knjiga o stolu Dodaj u svoj kalendar Podsećanje Umesto da samo dajemo informacije, . acts on your behalf Jednostavan način razmišljanja o tome bi bio sa sljedećom analogijom: 
 
 
 LLM = mozak Agent = mozak + memorija + alati + krug odluka LLM = Brain Agent = Brain + Memory + Tools + Decision Loop Ako LLM odgovara na pitanja, a . agent gets things done Zašto nam čak trebaju agenti? U nastavku primjera koji smo videli u prethodnom odjeljku, evo još jednog primjera kako bi se razjasnilo kako se AI agenti razlikuju za uobičajeni AI sistem i koju specifičnu potrebu ili prazninu ispunjavaju. Recimo da trebamo znati kako današnje vreme izgleda i na osnovu toga odlučiti hoćemo li ići na trčanje ili ne To bi zahtijevalo: 
 
 
 
 
 Pronađite podatke Razmišljanje o tome donošenje odluke Proizvodnja akcije Agent u ovom slučaju može biti koristan sa: 
 
 
 
 
 Odlučivanje o tome koji alat nazvati Upravljanje srednjim koracima Povratak ako nešto ne uspije Zaustavite kada je zadatak završen Core Agentic AI koncepti Nadam se da ste do sada prilično jasni o tome šta su AI agenti i zašto bi nam čak trebali.Sledeće, hajde da se uronimo u svet Agentic AI i pokušamo izgraditi neki osnovni vokabular koji bi pomogao da se pojednostavi učenje naprednijih koncepata. 1. agencija za To je sistem koji: agent 
 
 
 
 
 Imate cilj Može poduzeti akcije Može razmotriti korake ili stavke akcije Možete koristiti alate Razmislite o tome kao o A ne chatbot. long-running task executor Cilj / Cilj Ovo je The Za svog agenta. Severna zvezda Primeri : 
 
 
 
 “Savršiti dokument” “Odgovori na pitanja klijenata koristeći interne dokumente” “Monitor dnevnika i upozorenja na anomalije” Agenti ne samo da odgovaraju – oni . work towards a goal 3. alat Instrumenti su Agenti mogu pozvati. external capabilities Primeri : 
 
 
 
 
 API (vremenska prognoza, plaćanja, pretraživanje) Baze podataka Sistem fajlova Funkcije koje pišete u Pythonu/JS Agenti odlučuju i da ih koriste. Kada Kako 4. sećanje Agentima je često potreban kontekst koji prelazi jedan poziv. Sećanje može biti: 
 
 
 Kratkoročni (povijest razgovora) Dugoročno (skladištene činjenice, ugrađivanja, vektorski DB) Za osnovni agent, kratkoročna memorija je dovoljna. Planiranje / Razumevanje Loop To je srce agentičkog ponašanja. Tipičan krug: 
 
 
 
 
 
 
 Posmatrajte trenutnu situaciju Razmislite o sledećem koraku Odaberite akciju Izvršite akciju Posmatrajte rezultat Ponavljanje ili zaustavljanje Često ćete videti ovaj naziv ili . ReAct Plan-Act-Observe 
 
 Multi-agentski sistem A Postoji postavka gde , svaka sa svojom ulogom i odgovornošću, da reši problem kolaborativno kao tim. multi-agent system multiple AI agents work together 
 
 životne sredine Okruženje je u kojem agens deluje, kao što je: 
 
 
 
 
 
 Preduzetnik Sistem fajlova Kalendarski Poslovni instrumenti Aplikacije 
 
 Agencijski okvir Ovo su alati koji se koriste za izgradnju agenata. Neki od najčešće korišćenih okvira su kao u nastavku 
 
 
 
 
 Dugogodišnji Autoprevodnja Posada IzveštajIndex Vreme je da se naše ruke prljave... Dosta teorije, hajde da krenemo na izgradnju osnovnog AI agenta koji bi pomogao da se razjasne bilo kakve sumnje koje još uvijek možete imati. Mi ćemo izgraditi a To je: Task Agent 
 
 
 
 
 Preuzima zadatak od korisnika Odluči da li je potreban alat Koristite alat Povratak konačnog odgovora Šta će ovaj agent učiniti Primer zadatka : 
 
 “Kako je sada i treba li da popijem kafu?” “Kako je sada i treba li da popijem kafu?” Agencija će: 
 
 
 
 
 Odluči da mu je potrebno sadašnje vrijeme Pozovite alat za vreme Razlozi za kafu Odgovori Korak 1: Osnovno postavljanje Mi ćemo koristiti Python i OpenAI-kompatibilan API. Pokrenite sledeću komandu u terminalu ili zapovjednom prometu: pip install openai
 Korak 2: Definišite alat Definišemo alat kao jednostavnu Python funkciju u jednoj datoteci, recimo agent_hello_world.py. Za pravi projekat, verovatno biste organizovali alate u odvojene module, ali održavanje svega zajedno olakšava videti kako agent loop radi kraj do kraj. from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%H:%M")
 Korak 3: Definišite agenta prompt Ovde je ponašanje agenta Dodajte ovo u svoju Python datoteku kreiranu u prethodnom koraku. Dizajniran SYSTEM_PROMPT = """
You are a simple AI agent.

You can:
- Think step by step
- Decide when to call tools
- Use the tool: get_current_time

When the task is complete, respond with a final answer.
"""
 Korak 4: Agent Razumevanje Loop Zatim ćemo dodati logiku razmatranja u naš kod. Snimak ispod započinje slanjem korisničkog zadatka, zajedno sa sistemskim pozivom, na GPT-4 kroz ChatCompletion API. Onda ulazi u luk u kojem nastavlja primati odgovore modela. Ako modelov odgovor uključuje specifičan pokretač kao što je , agent poziva pomoćnu funkciju kako bi dobio trenutno vrijeme. Dodaje molbu za alat i rezultat alata nazad u istoriju poruka i nastavlja razgovor. Ako odgovor ne traži alat, agent pretpostavlja da je zadatak završen i vraća konačni odgovor. USE_TOOL:get_current_time import os
import openai
from openai import 

openai.api_key = "YOUR_API_KEY"

def run_agent(task):
    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": task}
    ]

    while True:
        response = openai.ChatCompletion.create(
            model="gpt-4",
            messages=messages
        )

        reply = response["choices"][0]["message"]["content"]

        if "USE_TOOL:get_current_time" in reply:
            time = get_current_time()
            messages.append({"role": "assistant", "content": reply})
            messages.append({"role": "tool", "content": time})
        else:
            return reply
 Korak 5: Isprobajte ga Konačno, dodajte ispod redova koda u skript i izvršite ga da biste ga testirali. task = "What time is it right now, and should I grab a coffee?"
result = run_agent(task)
print(result)
 Čestitke! ste upravo izgradili . basic agent Nije fantazija, već stvarnost sama po sebi. Upravo smo implementirali osnovnog lokalnog AI agenta sa: 
 
 
 
 
 Ciljno orijentirano ponašanje Upotreba alata Razumni loop Državno odlučivanje Ovo je The Napolju tamo. core of every agent framework LangChain, AutoGen, CrewAI - svi oni su apstraktni . Ovaj tačan uzorak Završne misli Za mene, agentički AI nije neka revolucija preko noći, već više je poput spora i stabilnog pomicanja u istom pravcu u kojem se krećemo godinama, što je da automatizujemo i učinimo sustave inteligentnijim.Kada uklonite buzzwords, to je još uvijek samo sistem koji radi u krugu, drži kontekst, donosi odluke i poziva alate kada je potrebno. ” komad sada može biti učinjeno od strane LLM. thinking Otkrila sam da agenti imaju mnogo više smisla kada ih tretirate kao još jednu inženjersku komponentu, a ne kao futuristički znanstveno-fantastični koncept. , ponekad najjednostavniji tok posla je i dalje najbolji. not every problem needs an agent

This story contains new, firsthand information uncovered by the writer.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Read My Stories

Ovaj audio je proizveden na originalnom jeziku priče!

Početak s Agentic AI: koncepti, terminologija i Python Hello World

About Author

KOMENTARI

HANG TAGS

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps