Não muito tempo atrás, os agentes de IA ainda estavam em um estágio emergente.A maioria da indústria não tinha certeza do que eram, o que poderiam fazer de forma realista, ou se eram apenas outra palavra-chave de marketing. Quase todos os outros engenheiros parecem estar construindo, experimentando, ou pelo menos falando de IA agente em alguma forma. Lembro-me quando comecei a ouvir o termo “agentes de IA”, parecia um daqueles conceitos aos quais todo mundo se inclinava, mas muito poucos poderiam explicá-lo claramente.Mesmo eu não tinha certeza se era uma mudança real ou apenas outra palavra-chave no mercado.Mas, à medida que o tempo passou e quanto mais eu explorei, mais percebi que isso é algo que vai ficar e algo que todo engenheiro de dados deve aprender e compreender. Uma coisa que notei durante a minha fase de aprendizagem é que muitos dos blogs existentes, explicações sobre este tópico se concentram na base teórica ou em frameworks e ferramentas práticas. A IA agente existe em primeiro lugar e quando realmente faz sentido usá-la. Porquê Neste artigo, tentarei responder a estas perguntas básicas para um público-alvo que Mas . already have a tech background haven’t worked with AI agents yet No final, você vai: 
 
 
 
 Entenda o que o Agente AI realmente significa Conheça os principais conceitos e termos Construa um projeto simples de Agência de IA “Hello World” que você pode executar localmente O que é agente AI? Um É um sistema que não só Mas também pode , em e AI agent Responder Perguntas take actions make decisions work toward a goal. Pense em um normal Como alguém que você pergunta: AI chatbot 
 
 Qual é o melhor restaurante nas proximidades? Qual é o melhor restaurante nas proximidades? Ele responde com sugestões. Mas um é como um verdadeiro assistente que pode fazer muito mais do que apenas sugestões; como AI agent 
 
 
 
 
 
 Veja os restaurantes Verifique as classificações Livro A Mesa Adicione ao seu calendário Coloque lembranças Ao invés de apenas fornecer informações, o . acts on your behalf Uma maneira simples de pensar sobre isso seria com a seguinte analogia: 
 
 
 LLM = cérebro Agente = cérebro + memória + ferramentas + ciclo de decisão LLM = Brain Agent = Brain + Memory + Tools + Decision Loop Se um LLM responde a perguntas, um . agent gets things done Por que precisamos mesmo de agentes? Como continuação do exemplo que vimos na seção anterior, aqui está outro exemplo para deixar as coisas claras sobre como os agentes de IA são diferentes para o sistema de IA usual e que necessidade específica ou lacuna eles preenchem. Digamos que precisamos saber como é o tempo de hoje e, com base nisso, decidir se vamos correr ou não. Isso exigiria: 
 
 
 
 
 Captura de dados Raciocinar sobre isso Tomando uma decisão Produzir uma ação Um agente neste caso pode ser útil com: 
 
 
 
 
 Decidir qual ferramenta chamar Avaliação dos passos intermediários Retirar se algo falhar Pare quando a tarefa estiver concluída Principais conceitos de agência Espero que por agora você esteja bem claro sobre o que são os agentes de IA e por que precisaríamos dele.Em seguida, vamos mergulhar no mundo da Agência de IA e tentar construir algum vocabulário básico que ajudaria a simplificar a aprendizagem de conceitos mais avançados. 1o Agente Um É um sistema que: agent 
 
 
 
 
 Você tem um objetivo Pode tomar ações Pode raciocinar sobre passos ou itens de ação Pode utilizar ferramentas Pense nisso como uma Não é um chatbot. long-running task executor Objetivo / Objetivo Este é o para o agente. Estrela do Norte Alguns exemplos: 
 
 
 
 “Resumir um documento” “Responder a uma pergunta do cliente usando documentos internos” “Logs de monitores e alertas de anomalias” Os agentes não apenas respondem - eles . work towards a goal 3 – Ferramentas As ferramentas são O agente pode ligar. external capabilities Alguns exemplos: 
 
 
 
 
 APIs (Metodo, Pagamentos e Pesquisa) Base de Dados Sistema de arquivos Funções que você escreve em Python/JS Os agentes decidem e para os utilizar. Quando Como 4 - Memória Muitas vezes, os agentes precisam de contexto além de uma prompt. A memória pode ser: 
 
 
 Curto prazo (histórico da conversação) A longo prazo (fatos armazenados, embeddings, DBs vetoriais) Para um agente básico, a memória de curto prazo é suficiente. Planejamento / Raciocínio Loop Este é o núcleo do comportamento agente. Tipo de loop: 
 
 
 
 
 
 
 Observe o estado atual Pense no próximo passo Escolha uma ação Execute a ação Observe o resultado Repetir ou parar Muitas vezes você verá o chamado ou . ReAct Plan-Act-Observe 
 
 Sistema Multi-Agente a É um estabelecimento onde , cada um com seu próprio papel e responsabilidade, para resolver um problema colaborativamente como uma equipe. multi-agent system multiple AI agents work together 
 
 Meio Ambiente Um ambiente é onde o agente opera, como: 
 
 
 
 
 
 navegador Sistema de arquivos Calendário Ferramentas de Negócios Aplicativos 
 
 Agente Framework Estas são as ferramentas usadas para construir agentes. Alguns dos frameworks mais comumente usados são como abaixo 
 
 
 
 
 Lançamento Autógrafos Tripulação AvaliaçãoIndex É hora de ficar com as mãos sujas... Basta de teoria, vamos avançar para construir um agente de IA básico que ajudaria a esclarecer quaisquer dúvidas que você ainda possa ter. Vamos construir uma Isso é: Task Agent 
 
 
 
 
 Tomar uma tarefa do usuário Descubra se você precisa de uma ferramenta Use a ferramenta Retorna uma resposta final O que esse agente fará Exemplo de tarefa: 
 
 “Qual é o horário atual e devo tomar um café?” “Qual é o horário atual e devo tomar um café?” O agente vai: 
 
 
 
 
 Decida que precisa do tempo atual Conheça uma ferramenta de tempo Razões para o café Responda Passo 1: Instalação básica Usaremos Python e uma API compatível com OpenAI. Execute o seguinte comando no seu terminal ou prompt de comando: pip install openai
 Passo 2: Defina uma ferramenta Vamos definir a ferramenta como uma função simples de Python em um único arquivo, digamos agent_hello_world.py. Para um projeto real, você provavelmente organizaria ferramentas em módulos separados, mas manter tudo juntos torna mais fácil ver como o loop de agente funciona. from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%H:%M")
 Passo 3: Defina o agente prompt É aqui que o comportamento do agente Adicione isso ao seu arquivo Python criado na etapa anterior. Projetado 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.
"""
 Passo 4: Agente Raciocínio Loop Em seguida, adicionaremos a lógica de raciocínio ao nosso código. O fragmento abaixo começa enviando a tarefa do usuário, juntamente com uma mensagem de sistema, para o GPT-4 através da API ChatCompletion. Em seguida, entra em um loop onde continua a receber as respostas do modelo. , o agente chama uma função de ajuda para obter o tempo atual. Adiciona tanto a solicitação de ferramenta quanto o resultado da ferramenta de volta ao histórico de mensagens e continua a conversa. Se a resposta não solicita uma ferramenta, o agente assume que a tarefa está completa e retorna a 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
 Passo 5: Experimente Finalmente, adicione abaixo linhas de código em seu script e execute para testá-lo. task = "What time is it right now, and should I grab a coffee?"
result = run_agent(task)
print(result)
 Parabéns!Você acabou de construir uma . basic agent Não fantástico, mas real por si mesmo. Acabamos de implementar um agente de IA local básico com: 
 
 
 
 
 Comportamento orientado a objetivos Utilização de ferramentas Um raciocínio loop tomada de decisão estatal Este é o Lá de fora. core of every agent framework LangChain, AutoGen, CrewAI - todos eles abstratos . Esse padrão exato Pensamentos finais Para mim, a IA agente não é uma revolução da noite para o dia, mas é mais como uma mudança lenta e estável na mesma direção que estamos se movendo há anos, que é automatizar e tornar os sistemas mais inteligentes.Quando você remove as palavras-chave, ainda é apenas um sistema que corre em um loop, mantendo o contexto, tomando decisões e chamando ferramentas quando necessário. "O trabalho agora pode ser feito por um LLM. thinking Eu descobri que os agentes fazem muito mais sentido quando você os trata como outro componente de engenharia e não como um conceito de ficção científica futurista. Às vezes, o fluxo de trabalho mais simples ainda é o melhor. 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

Este áudio é produzido no idioma original da história!

Começando com a Agência de IA: conceitos, terminologia e um Python Hello World

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Criando produtos criptográficos centrados no usuário: a importância do feedback do cliente

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Criando produtos criptográficos centrados no usuário: a importância do feedback do cliente

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps