Većina industrije nije bila sasvim sigurna što su to, što bi realno mogli učiniti, ili jesu li to samo još jedna marketinška buzzword. Gotovo svaki drugi inženjer čini se da gradi, eksperimentira s, ili barem govori o agencijskoj AI u nekom obliku. Sjećam se kada sam prvi put počeo čuti pojam "AI agenti", osjećao se kao jedan od onih koncepata na koje su se svi naginjali, ali vrlo malo ih je moglo jasno objasniti. čak i nisam bio siguran da li je to stvarna promjena ili samo još jedna buzzword na tržištu. Jedna stvar koju sam primijetio tijekom moje faze učenja je da se mnogi od postojećih blogova, objašnjenja o ovoj temi usredotočuju ili na teorijsku osnovu ili na praktične okvire i alate. Agentički AI postoji na prvom mjestu i kada zapravo ima smisla koristiti ga. 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: 
 
 
 
 Saznajte što agencija zapravo znači Saznajte ključne pojmove i pojmove Izgradite jednostavan projekt Agentic AI "Hello World" koji možete pokrenuti lokalno Što je agencija AI? i To je sustav koji ne samo da No, također se može , i AI agent Odgovori na pitanja take actions make decisions work toward a goal. Razmislite o normalnom Kao netko tko pita: AI chatbot 
 
 Koji je najbolji restoran u blizini? Koji je najbolji restoran u blizini? Odgovara s prijedlozima. Ali jedan je kao pravi pomoćnik koji može učiniti mnogo više od samo prijedloga; kao što su AI agent 
 
 
 
 
 
 Pogledajte restorane Provjerite ocjene Knjiga i stol Dodajte ga u svoj kalendar Sjetite se Umjesto da samo dajemo informacije, . acts on your behalf Jednostavni način razmišljanja o tome bio bi s sljedećom analogijom: 
 
 
 LLM = mozak Agent = mozak + pamćenje + alati + krug odluka LLM = Brain Agent = Brain + Memory + Tools + Decision Loop Ako LLM odgovara na pitanja, a . agent gets things done Zašto nam trebaju čak i agenti? Kao nastavak primjera koji smo vidjeli u prethodnom odjeljku, ovdje je još jedan primjer kako bi se jasno jasno kako su AI agenti različiti za uobičajeni AI sustav i koju specifičnu potrebu ili prazninu ispunjavaju. Recimo da trebamo znati kako danas izgleda vrijeme i na temelju toga odlučiti hoćemo li ići na trčanje ili ne. To bi zahtijevalo: 
 
 
 
 
 Pronađite podatke Razmišljajući o tome donošenje odluke Proizvodnja akcije Agent u ovom slučaju može biti koristan s: 
 
 
 
 
 Odlučiti koji alat nazvati Upravljanje srednjim korakom Povratak ako nešto ne uspije Zaustavite se kada je zadatak završen Core Agentic AI koncepti Nadam se da ste do sada prilično jasni o tome što su AI agenti i zašto bismo čak trebali. 1. službenik i To je sustav koji: agent 
 
 
 
 
 Imate cilj Može poduzeti mjere Može razmotriti korake ili akcijske stavke Možete koristiti alate Razmislite o tome kao o Ali ne i chatbot. long-running task executor Cilj / Cilj Ovo je taj Za tajnog agenta. Sjeverna zvijezda Primjeri : 
 
 
 
 “Primijeniti dokument” "Odgovori na pitanja klijenata pomoću internih dokumenata" “Monitorski dnevnici i upozorenja na anomalije” Agenti ne samo da odgovaraju – oni . work towards a goal 3. alate Alat je Službenik može nazvati. external capabilities Primjeri : 
 
 
 
 
 API (vrijeme, plaćanja i pretraživanje) baze podataka datotečni sustav Funkcije koje pišete u Pythonu/JS Agenti odlučuju i da ih koriste. Kada Kako 4. sjećanje Agenti često trebaju kontekst izvan jednog prompt. Sjećanje može biti: 
 
 
 Kratkoročno (povijest razgovora) Dugoročno (skladištene činjenice, ugrađivanja, vektorski DB) Za osnovnog agenta, kratkoročno pamćenje je dovoljno. Planiranje / Razumiranje Loop To je srce agentičkog ponašanja. Tipičan krug: 
 
 
 
 
 
 
 promatrati trenutnu situaciju Razmislite o sljedećem koraku Odaberite akciju Izvršite akciju promatrati rezultat Ponavljanje ili zaustavljanje Često ćete vidjeti kako se to zove ili . ReAct Plan-Act-Observe 
 
 Multifunkcijski sustav A Postoji postavka u kojoj Svaka s vlastitom ulogom i odgovornošću, kako bi zajednički riješila problem kao tim. multi-agent system multiple AI agents work together 
 
 okoliš Okruženje je mjesto u kojem agent djeluje, kao što je: 
 
 
 
 
 
 browsera datotečni sustav Kalendar Poslovni alati aplikacije 
 
 Agencijski okvir To su alati koji se koriste za izgradnju agenata.Neki od najčešće korištenih okvira su kao u nastavku 
 
 
 
 
 LangChain AutoGPT Posada SljedećiIndex Vrijeme je za prljave ruke... Dosta je teorije, hajde da krenemo na izgradnju osnovnog AI agenta koji bi pomogao razjasniti bilo kakve sumnje koje još uvijek možete imati. Izgradit ćemo a To je: Task Agent 
 
 
 
 
 Preuzima zadatak od korisnika Odluči hoće li mu potreban alat Koristite alat Povratak konačnog odgovora Što će ovaj agent učiniti Primjer zadatka: 
 
 "Kako je sada vrijeme i trebam li popiti kavu?" "Kako je sada vrijeme i trebam li popiti kavu?" Agencija će: 
 
 
 
 
 Odlučite da je potrebno sadašnje vrijeme Nazovite alat za vrijeme Razlozi za kavu Odgovori Korak 1: Osnovna postavka Mi ćemo koristiti Python i OpenAI-kompatibilan API. U terminalu ili zapovjednom prometu pokrenite sljedeću naredbu: pip install openai
 Korak 2: Definicija alata Definirat ćemo alat kao jednostavnu Python funkciju u jednoj datoteci, recimo agent_hello_world.py. Za pravi projekt, vjerojatno biste organizirali alate u zasebne module, ali održavanje svega zajedno olakšava vidjeti kako agentička kruga radi na kraju. from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%H:%M")
 Korak 3: Definirajte agenta prompt To je mjesto gdje se ponašanje agenata Dodajte ovo u svoju Python datoteku stvorenu 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 Razumijevanje Loop Zatim ćemo dodati logiku razmatranja našem kodeksu. Snimak ispod započinje slanjem zadatka korisnika, zajedno sa sustavnim pozivom, na GPT-4 kroz ChatCompletion API. Onda ulazi u krug u kojem nastavlja primati odgovore modela. , agent poziva pomoćnu funkciju kako bi dobio trenutno vrijeme. dodaje i zahtjev za alat i rezultat alata natrag u povijest 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 Naposljetku, dodajte ispod linije koda u skript i izvršite ga kako biste ga testirali. task = "What time is it right now, and should I grab a coffee?"
result = run_agent(task)
print(result)
 Čestitamo!Upravo ste izgradili . basic agent Ne fantazija, već stvarnost sama po sebi. Upravo smo implementirali osnovnog lokalnog AI agenta s: 
 
 
 
 
 Ciljno orijentirano ponašanje Upotreba alata Razumijevanje loop Državno odlučivanje Ovo je taj Tamo napolje core of every agent framework LangChain, AutoGen, CrewAI - svi oni su apstraktni . Ovaj točan uzorak Završne misli Za mene, agencijska AI nije neka revolucija preko noći, već više je kao sporo i stabilno pomicanje u istom smjeru u kojem se krećemo godinama, što je automatizirati i učiniti sustave inteligentnijim.Kada uklonite buzzwords, to je još uvijek samo sustav koji radi u krugu, drži kontekst, donosi odluke i poziva alate kada je potrebno. "Pijesak sada može biti učinjen od strane LLM. thinking Otkrio sam da agenti imaju mnogo više smisla kada ih tretirate kao još jednu inženjersku komponentu, a ne kao futuristički znanstveno-fantastični koncept. , ponekad je najjednostavniji tok posla 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 zvuk je proizveden na izvornom jeziku priče!

Početak s agencijskom umjetnom inteligencijom: koncepti, terminologija i Python Hello World

About Author

KOMENTARI

VIJESI OZNAKE

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps