AI 代理 AZ

此存储库包含 O'Reilly Live Online Training for AI Agents AZ 的代码

本课程提供了在原型阶段和生产阶段理解、实施和管理人工智能代理的全面指南。与会者将从基础概念开始，逐步深入研究更高级的主题，包括 CrewAI、LangChain 和 AutoGen 等各种框架，以及使用强大的即时工程技术从头开始构建代理。该课程强调实际应用，指导参与者通过实践练习来实施和部署人工智能代理、评估其性能并迭代其设计。我们将讨论成本预测、开源与闭源选项等关键方面，并全面介绍最佳实践，以使与会者掌握在人工智能项目中做出明智决策的知识。

设置说明

使用Python 3.11虚拟环境

在撰写本文时，我们需要一个带有 Python 3.11 的 Python 虚拟环境。

选项 1：Python 3.11 已安装

第 1 步：验证 Python 3.11 安装

python3.11 --version

第2步：创建虚拟环境

python3.11 -m venv .venv

这将在当前目录中创建一个.venv文件夹。

步骤3：激活虚拟环境

macOS/Linux：
```
 source .venv/bin/activate
```
视窗：
```
.venvScriptsactivate
```

您应该在终端提示符中看到(.venv) 。

步骤 4：验证 Python 版本

python --version

第5步：安装软件包

pip install -r requirements.txt

步骤 6：停用虚拟环境

deactivate

选项 2：安装 Python 3.11

如果您没有 Python 3.11，请针对您的操作系统执行以下步骤。

macOS（使用自制软件）

brew install [email protected]

Ubuntu/Debian

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

Windows（使用 Windows 安装程序）

转至 Python 下载。
下载 Python 3.11 的安装程序。
运行安装程序并确保选中“将 Python 3.11 添加到 PATH” 。

验证安装

python3.11 --version

笔记本电脑

在激活的环境中，运行

python3 -m jupyter notebook

使用第三方代理框架
- CrewAI 简介- CrewAI 的入门笔记本
  - 有关在 Streamlit 应用程序上部署工作人员的示例，请参阅Streamlit 目录
- OpenAI Swarm 简介- OpenAI Swarm 的介绍性笔记本
- Intro to LangGraph - LangGraph 的入门笔记本
评估代理人
- Evaluating Agent Output with Rubrics - 探索评估生成输出的标题提示。本笔记本还注意到在代理响应之间进行选择时的位置偏差。
  - 高级 - 评估一致性- 更长的笔记本，对法学硕士如何判断代理人的反应进行更深入的分析
- 评估工具选择- 计算不同法学硕士之间工具选择的准确性并量化自回归法学硕士中存在的位置偏差
建立我们自己的代理
- 使用我们自己的代理的第一步- 致力于构建我们自己的代理框架
- 请参阅小队目标，了解我自己的代理框架的一个非常简单的示例
  - 小队目标简介- 使用我自己的框架来完成一些基本任务
现代代理范式
- 计划和执行代理- 计划和执行代理使用计划器与 LLM 和执行器创建多步骤计划，以通过调用工具来完成每个步骤。
- 反射代理- 反射代理结合了一个执行任务的生成器和一个提供反馈并指导改进的反射器。

讲师

Sinan Ozdemir是 LoopGenius 的创始人兼首席技术官，他使用最先进的人工智能来帮助人们在 Meta、Google 等平台上投放数字广告。 Sinan 曾任约翰霍普金斯大学数据科学讲师，也是多本数据科学和机器学习教科书的作者。此外，他还是最近收购的 Kylie.ai 的创始人，这是一个具有 RPA 功能的企业级对话人工智能平台。他拥有约翰·霍普金斯大学纯数学硕士学位，居住在加利福尼亚州旧金山。

展开

附加信息