La majoria de la indústria no estaven molt segurs del que eren, el que podien fer realment, o si eren només una altra paraula de màrqueting. Gairebé tots els altres enginyers semblen estar construint, experimentant amb, o almenys parlant d'IA agent en alguna forma. Recordo quan vaig començar a escoltar el terme "agents d'IA", em va semblar un d'aquells conceptes als quals tothom es va acostar, però molt pocs podien explicar clarament. Fins i tot no estava segur de si era un canvi real o només una altra paraula buzzword en el mercat. Una cosa que vaig notar durant la meva fase d'aprenentatge és que molts dels blogs existents, explicacions sobre aquest tema se centren en la base teòrica o en marcs pràctics i eines. L’AI d’agent existeix en primer lloc i quan realment té sentit utilitzar-la. Per què En aquest article intentaré respondre a aquestes preguntes fonamentals per a un públic objectiu que però . already have a tech background haven’t worked with AI agents yet Al final, vostè serà: 
 
 
 
 Comprendre què significa en realitat l'agent AI Aprendre els conceptes i termes bàsics Construeix un simple projecte d'AI d'Agència "Hello World" que pots executar localment Què és l’agent AI? Una És un sistema que no només Però també es pot , , i AI agent Respondre a preguntes take actions make decisions work toward a goal. Penseu en una persona normal Com algú que pregunta: AI chatbot 
 
 Quin és el millor restaurant a prop? Quin és el millor restaurant a prop? I respon amb suggeriments. Però un és com un veritable assistent que pot fer molt més que suggeriments; com AI agent 
 
 
 
 
 
 Mira els restaurants Comprova les qualificacions Llibre a taula Afegeix-ho al teu calendari Recordeu que En comptes de donar informació, es . acts on your behalf Una manera senzilla de pensar-ho seria amb la següent analogia: 
 
 
 LLM = cervell Agent = cervell + memòria + eines + flux de decisió LLM = Brain Agent = Brain + Memory + Tools + Decision Loop Si un LLM respon a les preguntes, un . agent gets things done Per què fins i tot necessitem agents? A continuació de l'exemple que vam veure en la secció anterior, aquí hi ha un altre exemple per fer clares les coses sobre com els agents d'IA són diferents per al sistema d'IA habitual i quina necessitat o bretxa específica compleixen. Suposem que necessitem saber com és el temps d'avui i sobre aquesta base decidir si anar a córrer o no. Això requeriria: 
 
 
 
 
 Recuperació de dades Raonant sobre això Prenent una decisió Producció d'una acció Un agent en aquest cas pot ser útil amb: 
 
 
 
 
 Decidir quina eina trucar Tractament dels passos intermedis Retirar-se si alguna cosa falla Parar quan la tasca està feta Conceptes d'Agència Core AI Espero que per ara estiguis bastant clar sobre què són els agents d'IA i per què fins i tot ho necessitaríem.Seguim submergint-nos en el món de l'AI d'Agència i intentem construir algun vocabulari bàsic que ajudés a simplificar l'aprenentatge de conceptes més avançats. 1 Agència Una És un sistema que: agent 
 
 
 
 
 Tens un objectiu Poden prendre accions Pot raonar sobre passos o elements d'acció Pot utilitzar eines Penseu en això com a No és un chatbot. long-running task executor Objectiu / Objectiu Aquest és el Per a l’agent Estrella del Nord Exemples de: 
 
 
 
 “Resumir un document” “Respondre a una pregunta del client utilitzant documents interns” “Lloguer de monitors i alerta d’anomalies” Els agents no només responen - ells . work towards a goal 3 Els instruments Les eines són L’agent pot trucar. external capabilities Exemples de: 
 
 
 
 
 API (meteorologia, pagaments i cerca) Bases de dades Sistema de fitxers Funcions que escrius en Python/JS Els agents decideixen i per utilitzar-les Quan Com 4 Memòria Els agents sovint necessiten context més enllà d'una prompt. La memòria pot ser: 
 
 
 Història a curt termini (història de la conversa) A llarg termini (fets emmagatzemats, embeddings, DB de vectors) Per a un agent bàsic, la memòria a curt termini és suficient. Planificació / Raonament Loop Aquest és el cor del comportament agentístic. Tipus de loop: 
 
 
 
 
 
 
 Observació de l'estat actual Penseu en el següent pas Seleccioneu una acció Executar l'acció Observació del resultat Repetir o aturar Sovint es veurà anomenat o . ReAct Plan-Act-Observe 
 
 Sistema multiagent a És un establiment on , cadascú amb el seu propi paper i responsabilitat, per resoldre un problema col·laborativament com un equip. multi-agent system multiple AI agents work together 
 
 Medi Ambient Un entorn és on opera l'agent, com a: 
 
 
 
 
 
 navegador Sistema de fitxers Calendari Eines de negoci apps 
 
 El marc de l'agent Aquestes són les eines utilitzades per construir agents.Algunes de les marques més utilitzades són les següents: 
 
 
 
 
 Llarga cadena Autònoms tripulació Llàstima Ha arribat el moment de fer-nos les mans brutes... N’hi ha prou de teoria, anem a construir un agent d’IA bàsic que ajudaria a aclarir qualsevol dubte que encara pugui tenir. Construirem una Això : Task Agent 
 
 
 
 
 Pren una tasca de l'usuari Decideix si necessita una eina Utilitza l’eina Retorna la resposta final Què farà aquest agent Exemple de tasca: 
 
 “Quina és l’hora actual i he d’agafar un cafè?” “Quina és l’hora actual i he d’agafar un cafè?” L’agent va a: 
 
 
 
 
 Decideix que necessita el temps actual Fer servir una eina de temps La raó del cafè Respondre Pas 1: Instal·lació bàsica Utilitzarem Python i una API compatible amb OpenAI. Executa el següent comandament en el teu terminal o prompt de comandes: pip install openai
 Pas 2: Defineix una eina Definirem l'eina com una simple funció de Python en un sol arxiu, per exemple agent_hello_world.py. Per a un projecte real, probablement organitzaria eines en mòduls separats, però mantenir-ho tot junts fa que sigui més fàcil veure com funciona el bucle d'agent. from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%H:%M")
 Pas 3: Defineix l'Agent Prompt Aquí és on està el comportament de l'agent Afegiu-ho al vostre fitxer python creat en l'etapa anterior. Dissenyat 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.
"""
 Pas 4: L'Agent Raonant Loop A continuació, afegirem la lògica de raonament al nostre codi. El fragment següent comença enviant la tasca de l'usuari, juntament amb una invitació del sistema, a GPT-4 a través de l'API de ChatCompletion. , l'agent crida una funció d'ajuda per obtenir l'hora actual. Afegeix tant la sol·licitud d'eina com el resultat de l'eina de tornada a l'historial del missatge i continua la conversa. Si la resposta no sol·licita una eina, l'agent assumeix que la tasca està completa i retorna la resposta final. 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
 Pas 5: Prova de la Finalment, afegiu sota línies de codi al vostre guió i executeu-lo per provar-lo. task = "What time is it right now, and should I grab a coffee?"
result = run_agent(task)
print(result)
 Felicitats!Vostè acaba de construir un . basic agent No és fantàstic, sinó real per si mateix. Acabem d'implementar un agent local d'IA bàsic amb: 
 
 
 
 
 Comportament orientat a objectius Utilització de l'eina El raonament del loop Decisió estatal Aquest és el A fora allà. core of every agent framework LangChain, AutoGen, CrewAI - tots ells abstractes . Aquest patró exacte Pensaments finals Per a mi, l'IA agentística no és una revolució d'una nit, sinó que és més com un canvi lent i constant en la mateixa direcció que hem estat avançant durant anys, que és automatitzar i fer que els sistemes siguin més intel·ligents. "La peça ara es pot fer per un LLM. thinking He trobat que els agents tenen molt més sentit quan els tractes com un altre component d'enginyeria i no com un concepte de ciència-ficció futurista. , de vegades el flux de treball més simple és encara el millor. 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

Aquest àudio és produït a l'idioma original de la història!

Començar amb l'AI d'agència: conceptes, terminologia i un món de Python

About Author

COMENTARIS

Etiquetes penjant

AQUEST ARTICLE VA SER PRESENTAT A

Related Stories

Why Over-Explaining Your Tech Is Killing Your Content Strategy

New Features: They're Everything, We're Just Ken

How to Turn Year-End Reflections into Q1 Content Gold

Meet Catchpoint: HackerNoon Company of the Week

Why Over-Explaining Your Tech Is Killing Your Content Strategy

New Features: They're Everything, We're Just Ken

How to Turn Year-End Reflections into Q1 Content Gold

Meet Catchpoint: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps