Більшість індустрії не були цілком впевнені, що вони були, що вони могли реалістично зробити, або якщо вони були просто ще одним маркетинговим гаслом. Майже кожен інший інженер, здається, будує, експериментує з, або, принаймні, говорить про агентського AI в якійсь формі. Я пам'ятаю, коли я вперше почав чути термін "агенти штучного інтелекту", це було схоже на одну з тих концепцій, до яких всі нахилялися, але дуже мало хто міг чітко пояснити. Навіть я не був впевнений, чи це був справжній перехід або просто інше звучання на ринку. але з плином часу і чим більше я досліджував; тим більше я зрозумів, що це щось, що буде триматися і щось, що кожен інженер з даних повинен навчитися і розуміти. Одна річ, яку я помітив під час моєї фази навчання, полягає в тому, що багато існуючих блогів, пояснення на цю тему зосереджуються або на теоретичній основі, або на практичних рамках і інструментах. Агентський АІ існує в першу чергу і тоді, коли насправді має сенс його використовувати. Чому У цій статті я намагаюся відповісти на ці фундаментальні питання для цільової аудиторії, яка Але . already have a tech background haven’t worked with AI agents yet До кінця, ви будете: 
 
 
 
 Дізнайтеся, що насправді означає агентський AI Дізнайтеся основні поняття та терміни Створіть простий проект «Hello World», який можна запустити локально Що таке агент AI? А Це як система, яка не тільки Але також можна , І AI agent Відповіді на питання take actions make decisions work toward a goal. Подумайте про нормальну Як хтось запитує: AI chatbot 
 
 Який найкращий ресторан поблизу? Який найкращий ресторан поблизу? Відповідає він пропозиціями. Але один це як справжній помічник, який може зробити набагато більше, ніж просто пропозиції; як AI agent 
 
 
 
 
 
 Види ресторанів Перевірте рейтинги Книжковий стіл Додайте його до свого календаря Нагадує Натомість, замість того, щоб надавати інформацію, вона . acts on your behalf Простий спосіб подумати про це буде з наступною аналогією: 
 
 
 LLM = мозок Агент = Мозок + Пам'ять + Інструменти + Рішення LLM = Brain Agent = Brain + Memory + Tools + Decision Loop Якщо LLM відповідає на питання, а . agent gets things done Навіщо нам навіть потрібні агенти? У продовженні прикладу, який ми бачили в попередньому розділі, ось ще один приклад, щоб з'ясувати, як агенти AI відрізняються для звичайної системи AI і яку конкретну потребу або розрив вони задовольняють. Припустимо, що нам потрібно знати, як виглядає сьогоднішня погода і на підставі цього вирішувати, чи піти на біг чи ні. Для цього буде потрібно: 
 
 
 
 
 Завантажити дані Роздуми про це Приймати рішення Виробництво дії Агент в цьому випадку може бути корисним з: 
 
 
 
 
 Вирішити, який інструмент зателефонувати Проведення проміжних кроків Повернутись, якщо щось не вдається Зупиніться, коли завдання виконано Основні поняття агентів Я сподіваюся, що зараз ви досить чітко розумієте, що таке агенти штучного інтелекту і чому нам це навіть потрібно.Наступне, давайте зануримося у світ агентського штучного інтелекту і спробуємо побудувати деякий базовий словниковий запас, який допоможе спростити вивчення більш передових концепцій. 1 Агент А Це система, яка: agent 
 
 
 
 
 Має мету Можуть діяти Можна обґрунтувати кроки або пункти дій Можна використовувати інструменти Подумайте про це як про Але це не чатбот. long-running task executor Мета / Мета Це та Для агента Північна зірка Приклади : 
 
 
 
 «Відкрити документ» «Відповісти на запитання клієнта за допомогою внутрішніх документів» «Підвищення і попередження про аномалії» Активісти не просто відповідають – вони . work towards a goal 3. інструменти Інструменти є Агент може дзвонити. external capabilities Приклади : 
 
 
 
 
 API (погода, платежі та пошук) Бази даних Файлова система Функції, які ви пишете в Python/JS Агенти вирішують та Для їх використання. Коли Як 4 Пам'ять Агенти часто потребують контексту, що виходить за рамки однієї прохання. Пам’ять може бути: 
 
 
 Короткий термін (історія розмови) Довгострокові (застосовані факти, вбудовані, векторні DB) Для базового агента достатньо короткострокової пам'яті. Планування / Роздуми Loop Це серце агентичної поведінки. Типовий проміжок: 
 
 
 
 
 
 
 Ознайомтеся з нинішньою ситуацією Подумайте про наступний крок Виберіть акцію Виконуйте акцію Спостерігайте за результатом Повторити або зупинити Ви часто бачите, як це називається. або . ReAct Plan-Act-Observe 
 
 Система мультиагентів А Це установка, де Кожен з них має свою роль і відповідальність, вирішувати проблему спільно, як команда. multi-agent system multiple AI agents work together 
 
 Екологія Охорона навколишнього середовища - це місце, де діє агент, наприклад: 
 
 
 
 
 
 Браузер Файлова система Календар Бізнес інструменти Апп 
 
 Агентська рамка Це інструменти, які використовуються для створення агентів. Деякі з найбільш часто використовуваних рамок, як нижче 
 
 
 
 
 Лангкейн АвтоГПТ Екіпаж ЛаймаІндекс Час зробити свої руки брудними... Досить теорії, давайте перейдемо до побудови базового агента AI, який допоможе прояснити будь-які сумніви, які ви все ще можете мати. Будемо будувати а І це: Task Agent 
 
 
 
 
 Приймає завдання від користувача Визначте, чи потрібен інструмент Використовуйте інструмент Повернути остаточну відповідь Що зробить цей агент Приклад задачі : 
 
 «Який час зараз, і чи варто пити каву?» «Який час зараз, і чи варто пити каву?» Агент буде: 
 
 
 
 
 Визначте, що потрібен поточний час Замовити інструмент часу Причини кави Відповісти Крок 1: Основна установка Ми будемо використовувати Python і OpenAI-сумісний API. Виконайте наступну команду в терміналі або командному поміті: pip install openai
 Крок 2: Визначте інструмент Ми будемо визначати інструмент як просту функцію Python в одному файлі, скажімо, agent_hello_world.py. Для реального проекту ви, ймовірно, організуєте інструменти в окремі модулі, але зберігаючи все разом, це полегшує бачити, як працює ланцюг агента. from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%H:%M")
 Крок 3: Визначте агент Prompt Ось в чому полягає поведінка агента Додайте це до файлу Python, створеного в попередньому кроці. Дизайн 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.
"""
 Крок 4: Agent Reasoning Loop Далі ми додамо логіку міркування до нашого кодексу. Нижче наведені фрагменти починаються, відправляючи завдання користувача разом із системним запитом до GPT-4 через API ChatCompletion. Він потім входить в ланцюг, де він продовжує отримувати відповіді моделі. , агент викликає функцію помічника, щоб отримати поточний час. Додає як запит на інструмент, так і результат інструменту назад в історію повідомлень і продовжує розмову. Якщо відповідь не запитує інструмент, агент припускає, що завдання завершено і повертає остаточну відповідь. 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
 Крок 5: Випробуйте Нарешті, додайте нижче рядки коду в свій сценарій і виконайте, щоб перевірити його. task = "What time is it right now, and should I grab a coffee?"
result = run_agent(task)
print(result)
 Вітаємо!Ви тільки що побудували . basic agent Не фентезі, а справжній по собі. Ми тільки що реалізували базового місцевого агента AI з: 
 
 
 
 
 Мета поведінки Застосування інструменту Розумний ланцюг Державне прийняття рішень Це та Звідти назовні core of every agent framework LangChain, AutoGen, CrewAI - всі вони абстрактні . Цей точний зразок Останні думки Для мене, агентичний AI - це не якась революція за ніч, але це більше схоже на повільний і стабільний зміст у тому ж напрямку, в якому ми рухаємося протягом багатьох років, що полягає в автоматизації і робіть системи більш розумними. "Пісок тепер може бути зроблено LLM. thinking Я виявив, що агенти роблять набагато більше сенсу, коли ви розглядаєте їх як ще один інженерний компонент, а не як футуристичну науково-фантастичну концепцію. Іноді найпростіший робочий процес все ще є найкращим. 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

Це аудіо створено мовою оригіналу історії!

Початок з агентичного AI: концепції, термінологія та Python Hello World

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps