oreilly ai agents

Agents IA AZ

Ce référentiel contient le code de la formation en ligne O'Reilly Live pour les agents AI AZ

Ce cours fournit un guide complet pour comprendre, mettre en œuvre et gérer les agents d'IA au stade du prototype et en production. Les participants commenceront par des concepts fondamentaux et approfondiront progressivement des sujets plus avancés, notamment divers frameworks tels que CrewAI, LangChain et AutoGen, ainsi que la création d'agents à partir de zéro à l'aide de puissantes techniques d'ingénierie rapide. Le cours met l'accent sur l'application pratique, guidant les participants à travers des exercices pratiques pour implémenter et déployer des agents d'IA, évaluer leurs performances et itérer sur leurs conceptions. Nous passerons en revue des aspects clés tels que les projections de coûts, les options open source et fermées, et les meilleures pratiques seront soigneusement couvertes pour doter les participants des connaissances nécessaires pour prendre des décisions éclairées dans leurs projets d'IA.

Instructions de configuration

Utilisation de l'environnement virtuel Python 3.11

Au moment de la rédaction, nous avons besoin d'un environnement virtuel Python avec Python 3.11.

Option 1 : Python 3.11 est déjà installé

Étape 1 : vérifier l'installation de Python 3.11

python3.11 --version

Étape 2 : Créer un environnement virtuel

python3.11 -m venv .venv

Cela crée un dossier .venv dans votre répertoire actuel.

Étape 3 : Activer l'environnement virtuel

• macOS/Linux :

   source .venv/bin/activate

• Fenêtres :

  .venvScriptsactivate

Vous devriez voir (.venv) dans l'invite de votre terminal.

Étape 4 : Vérifiez la version de Python

python --version

Étape 5 : Installer les packages

pip install -r requirements.txt

Étape 6 : Désactiver l'environnement virtuel

deactivate

---

Option 2 : installer Python 3.11

Si vous n'avez pas Python 3.11, suivez les étapes ci-dessous pour votre système d'exploitation.

macOS (avec Homebrew)

brew install [email protected]

Ubuntu/Debian

sudo apt update
sudo apt install python3.11 python3.11-venv

Windows (à l'aide de Windows Installer)

1. Accédez aux téléchargements Python.
2. Téléchargez le programme d'installation pour Python 3.11.
3. Exécutez le programme d'installation et assurez-vous que « Ajouter Python 3.11 au PATH » est coché.

Vérifier l'installation

python3.11 --version

Carnets

Dans l'environnement activé, exécutez

python3 -m jupyter notebook

• Utilisation de frameworks d'agents tiers

  • Intro to CrewAI - Un cahier d'introduction pour CrewAI

    • Consultez le répertoire simplifié pour un exemple de déploiement d'équipe sur une application simplifiée.

  • Intro to OpenAI Swarm - Un cahier d'introduction pour Swarm d'OpenAI

  • Intro to LangGraph - Un cahier d'introduction pour LangGraph

• Agents d'évaluation

  • Évaluation de la sortie de l'agent avec des rubriques : exploration d'une invite de rubrique pour évaluer la sortie générative. Ce cahier note également les biais de position lors du choix entre les réponses des agents.

    • Avancé - Évaluation de l'alignement - Un cahier plus long effectuant une analyse beaucoup plus approfondie de la manière dont un LLM peut juger les réponses de l'agent

  • Évaluation de la sélection d'outils - Calculer la précision de la sélection d'outils entre différents LLM et quantifier le biais de position présent dans les LLM auto-régressifs

• Construire nos propres agents

  • Premiers pas avec notre propre agent - Travailler à la construction de notre propre cadre d'agent

  • Voir Squad Goals pour un exemple très simple de mon propre cadre d'agent

    • Introduction aux objectifs d'équipe - utiliser mon propre cadre pour effectuer certaines tâches de base

• Paradigmes d'agent modernes

  • Agents de planification et d'exécution - Les agents de planification et d'exécution utilisent un planificateur pour créer des plans en plusieurs étapes avec un LLM et un exécuteur pour terminer chaque étape en appelant des outils.

  • Agents de réflexion – Les agents de réflexion combinent un générateur pour effectuer des tâches et un réflecteur pour fournir des commentaires et guider les améliorations.

Instructeur

Sinan Ozdemir est le fondateur et CTO de LoopGenius, où il utilise une IA de pointe pour aider les gens à diffuser des publicités numériques sur Meta, Google et plus encore. Sinan est un ancien professeur de science des données à l'Université Johns Hopkins et auteur de plusieurs manuels sur la science des données et l'apprentissage automatique. De plus, il est le fondateur de Kylie.ai, récemment acquise, une plate-forme d'IA conversationnelle d'entreprise dotée de capacités RPA. Il est titulaire d'une maîtrise en mathématiques pures de l'Université Johns Hopkins et est basé à San Francisco, en Californie.