AI 代理 AZ

此儲存庫包含 O'Reilly Live Online Training for AI Agents AZ 的程式碼

本課程提供了在原型階段和生產階段理解、實施和管理人工智慧代理的全面指南。與會者將從基礎概念開始，逐步深入研究更高級的主題，包括 CrewAI、LangChain 和 AutoGen 等各種框架，以及使用強大的即時工程技術從頭開始建立代理商。本課程強調實際應用，指導參與者透過實踐練習來實施和部署人工智慧代理、評估其性能並迭代其設計。我們將討論成本預測、開源與閉源選項等關鍵方面，並全面介紹最佳實踐，以使與會者掌握在人工智慧專案中做出明智決策的知識。

設定說明

使用Python 3.11虛擬環境

在撰寫本文時，我們需要一個帶有 Python 3.11 的 Python 虛擬環境。

選項 1：Python 3.11 已安裝

第 1 步：驗證 Python 3.11 安裝

python3.11 --version

步驟2：建立虛擬環境

python3.11 -m venv .venv

這將在當前目錄中建立一個.venv資料夾。

步驟3：啟動虛擬環境

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

您應該在終端機提示符號中看到(.venv) 。

步驟 4：驗證 Python 版本

python --version

第5步：安裝軟體包

pip install -r requirements.txt

步驟 6：停用虛擬環境

deactivate

選項 2：安裝 Python 3.11

如果您沒有 Python 3.11，請針對您的作業系統執行下列步驟。

macOS（使用自製軟體）

brew install [email protected]

Ubuntu/Debian

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

Windows（使用 Windows 安裝程式）

前往 Python 下載。
下載 Python 3.11 的安裝程式。
運行安裝程式並確保選取“將 Python 3.11 新增至 PATH” 。

驗證安裝

python3.11 --version

筆記型電腦

在啟動的環境中，運行

python3 -m jupyter notebook

使用第三方代理框架
- CrewAI 簡介- CrewAI 的入門筆記本
  - 有關在 Streamlit 應用程式上部署工作人員的範例，請參閱Streamlit 目錄
- OpenAI Swarm 簡介- OpenAI Swarm 的介紹筆記本
- Intro to LangGraph - LangGraph 的入門筆記本
評估代理人
- Evaluating Agent Output with Rubrics - 探索評估產生輸出的標題提示。本筆記本也注意到在代理回應之間進行選擇時的位置偏差。
  - 高級 - 評估一致性- 更長的筆記本，對法學碩士如何判斷代理人的反應進行更深入的分析
- 評估工具選擇- 計算不同法學碩士之間工具選擇的準確性並量化自回歸法學碩士中存在的位置偏差
建立我們自己的代理
- 使用我們自己的代理的第一步- 致力於建立我們自己的代理框架
- 請參閱小隊目標，了解我自己的代理框架的一個非常簡單的範例
  - 小隊目標簡介- 使用我自己的框架來完成一些基本任務
現代代理商範式
- 計劃和執行代理- 計劃和執行代理使用計劃器與 LLM 和執行器建立多步驟計劃，以透過呼叫工具來完成每個步驟。
- 反射代理- 反射代理結合了一個執行任務的生成器和一個提供回饋並指導改進的反射器。

講師

Sinan Ozdemir是 LoopGenius 的創辦人兼技術長，他使用最先進的人工智慧來幫助人們在 Meta、Google 等平台上投放數位廣告。 Sinan 曾任約翰霍普金斯大學資料科學講師，也是多本資料科學與機器學習教科書的作者。此外，他也是最近收購的 Kylie.ai 的創始人，這是一個具有 RPA 功能的企業級對話人工智慧平台。他擁有約翰霍普金斯大學純數學碩士學位，居住在加州舊金山。

展開

附加信息