AI Agents เป็นการพัฒนาที่น่าตื่นเต้นใน Generative AI ซึ่งช่วยให้ Large Language Models (LLMs) พัฒนาไปจากการเป็นผู้ช่วยสู่ตัวแทนที่สามารถดำเนินการได้ เครื่องมือเฟรมเวิร์กของ AI Agent ช่วยให้นักพัฒนาสร้างแอปพลิเคชันที่ให้ LLMs เข้าถึงเครื่องมือและการจัดการสถานะ เฟรมเวิร์กเหล่านี้ยังช่วยเพิ่มความโปร่งใส ทำให้ผู้ใช้งานและนักพัฒนาสามารถติดตามการดำเนินการที่ LLMs วางแผนไว้ ซึ่งช่วยปรับปรุงการจัดการประสบการณ์
บทเรียนนี้จะครอบคลุมหัวข้อต่อไปนี้:
- ทำความเข้าใจว่า AI Agent คืออะไร - AI Agent คืออะไร?
- สำรวจสี่เฟรมเวิร์ก AI Agent ต่าง ๆ - อะไรทำให้แต่ละตัวแตกต่าง?
- นำ AI Agents ไปใช้ในกรณีใช้งานที่แตกต่างกัน - เมื่อไรควรใช้ AI Agents?
หลังจากเรียนบทนี้ คุณจะสามารถ:
- อธิบายได้ว่า AI Agents คืออะไรและใช้ประโยชน์ได้อย่างไร
- เข้าใจความแตกต่างระหว่างเฟรมเวิร์ก AI Agent ที่ได้รับความนิยมหลายตัว และความแตกต่างระหว่างพวกมัน
- เข้าใจการทำงานของ AI Agents เพื่อสร้างแอปพลิเคชันด้วยพวกมัน
AI Agents เป็นสาขาที่น่าตื่นเต้นมากในโลกของ Generative AI ด้วยความตื่นเต้นนี้บางครั้งเกิดความสับสนในคำศัพท์และการใช้งาน เพื่อให้ง่ายและครอบคลุมเครื่องมือส่วนใหญ่ที่อ้างถึง AI Agents เราจะใช้คำนิยามนี้:
AI Agents ช่วยให้ Large Language Models (LLMs) สามารถทำงานโดยการให้พวกเขาเข้าถึง สถานะ และ เครื่องมือ
มานิยามคำเหล่านี้กัน:
Large Language Models - คือโมเดลที่กล่าวถึงตลอดหลักสูตรนี้ เช่น GPT-3.5, GPT-4, Llama-2 เป็นต้น
สถานะ (State) - หมายถึงบริบทที่ LLM กำลังทำงานอยู่ LLM ใช้บริบทของการกระทำที่ผ่านมาและบริบทปัจจุบันเพื่อนำทางการตัดสินใจสำหรับการกระทำถัดไป เฟรมเวิร์ก AI Agent ช่วยให้นักพัฒนาจัดการบริบทนี้ได้ง่ายขึ้น
เครื่องมือ (Tools) - เพื่อทำงานที่ผู้ใช้ร้องขอและที่ LLM ได้วางแผนไว้ LLM จำเป็นต้องเข้าถึงเครื่องมือ ตัวอย่างเครื่องมืออาจเป็นฐานข้อมูล, API, แอปพลิเคชันภายนอก หรือแม้แต่ LLM อื่น!
คำจำกัดความเหล่านี้จะช่วยให้คุณมีพื้นฐานที่ดีในการต่อยอดเมื่อเรามาดูว่าแต่ละเฟรมเวิร์กเหล่านี้ถูกใช้งานอย่างไร มาสำรวจเฟรมเวิร์ก AI Agent ต่าง ๆ กัน
LangChain Agents เป็นการใช้งานคำนิยามที่เราให้ไว้ข้างต้น
เพื่อจัดการ สถานะ มันใช้ฟังก์ชันในตัวที่เรียกว่า AgentExecutor ซึ่งรับ agent ที่กำหนดและ tools ที่มีให้ใช้งาน
Agent Executor ยังเก็บประวัติการสนทนาเพื่อให้บริบทของการสนทนา
LangChain มี แคตตาล็อกของเครื่องมือ ที่สามารถนำเข้าในแอปพลิเคชันของคุณเพื่อให้ LLM เข้าถึงได้ เครื่องมือเหล่านี้สร้างโดยชุมชนและทีมงาน LangChain
คุณสามารถกำหนดเครื่องมือเหล่านี้และส่งผ่านไปยัง Agent Executor
ความโปร่งใสเป็นอีกแง่มุมสำคัญเมื่อพูดถึง AI Agents นักพัฒนาแอปพลิเคชันจำเป็นต้องเข้าใจว่า LLM ใช้เครื่องมือใดและทำไม สำหรับเรื่องนี้ ทีมงาน LangChain ได้พัฒนา LangSmith
เฟรมเวิร์ก AI Agent ตัวถัดไปที่เราจะพูดถึงคือ AutoGen จุดสนใจหลักของ AutoGen คือการสนทนา Agents มีทั้งความสามารถในการ สนทนา และ ปรับแต่งได้
สนทนาได้ (Conversable) - LLMs สามารถเริ่มและดำเนินการสนทนากับ LLM อื่นเพื่อทำงานให้เสร็จ โดยสร้าง AssistantAgents และมอบข้อความระบบเฉพาะให้กับพวกมัน
autogen.AssistantAgent( name="Coder", llm_config=llm_config, ) pm = autogen.AssistantAgent( name="Product_manager", system_message="Creative in software product ideas.", llm_config=llm_config, )ปรับแต่งได้ (Customizable) - Agents สามารถกำหนดได้ไม่เพียงแค่เป็น LLMs แต่ยังสามารถเป็นผู้ใช้หรือเครื่องมือ ในฐานะนักพัฒนา คุณสามารถกำหนด UserProxyAgent ที่รับผิดชอบการโต้ตอบกับผู้ใช้เพื่อรับฟีดแบ็กในการทำงาน ฟีดแบ็กนี้อาจเป็นการดำเนินงานต่อหรือหยุดการดำเนินงาน
user_proxy = UserProxyAgent(name="user_proxy")เพื่อเปลี่ยนและจัดการสถานะ ตัวช่วย Agent สร้างโค้ด Python เพื่อทำงานให้เสร็จ
นี่คือตัวอย่างกระบวนการ:
system_message="For weather related tasks, only use the functions you have been provided with. Reply TERMINATE when the task is done."ข้อความระบบนี้ชี้นำ LLM เฉพาะตัวนี้ว่า ฟังก์ชันใดเกี่ยวข้องกับงานของมัน จำไว้ว่ากับ AutoGen คุณสามารถมีหลาย AssistantAgents กำหนดพร้อมข้อความระบบที่แตกต่างกัน
user_proxy.initiate_chat( chatbot, message="I am planning a trip to NYC next week, can you help me pick out what to wear? ", )ข้อความนี้จาก user_proxy (มนุษย์) จะเป็นตัวเริ่มกระบวนการที่ Agent จะสำรวจฟังก์ชันที่ควรเรียกใช้
chatbot (to user_proxy):
***** Suggested tool Call: get_weather ***** Arguments: {"location":"New York City, NY","time_periond:"7","temperature_unit":"Celsius"} ******************************************************** --------------------------------------------------------------------------------
>>>>>>>> EXECUTING FUNCTION get_weather... user_proxy (to chatbot): ***** Response from calling function "get_weather" ***** 112.22727272727272 EUR ****************************************************************
เมื่อประมวลผลการสนทนาเริ่มต้นแล้ว Agent จะส่งเครื่องมือที่แนะนำให้เรียก ในกรณีนี้คือฟังก์ชัน get_weather ตามการตั้งค่าของคุณ ฟังก์ชันนี้อาจดำเนินการอัตโนมัติและอ่านผลโดย Agent หรือดำเนินการตามอินพุตของผู้ใช้
คุณสามารถดูรายการ ตัวอย่างโค้ด AutoGen เพื่อสำรวจเพิ่มเติมว่าเริ่มต้นสร้างอย่างไร
เฟรมเวิร์ก agent ตัวถัดไปที่เราจะสำรวจคือ Taskweaver มันเป็นที่รู้จักในชื่อ "code-first" agent เพราะแทนที่จะทำงานอย่างเคร่งครัดกับ strings มันสามารถทำงานกับ DataFrames ใน Python ซึ่งมีประโยชน์มากสำหรับงานวิเคราะห์และสร้างข้อมูล เช่น การสร้างกราฟและแผนภูมิหรือสร้างตัวเลขสุ่ม
ในการจัดการสถานะของการสนทนา TaskWeaver ใช้แนวคิดของ Planner Planner คือ LLM ที่รับคำขอจากผู้ใช้และวางแผนงานที่ต้องทำเพื่อให้คำขอนั้นสำเร็จ
เพื่อทำงานให้เสร็จ Planner จะได้รับการเปิดเผยเครื่องมือที่เรียกว่า Plugins ซึ่งเป็นคลาส Python หรือ interpreter โค้ดทั่วไป ปลั๊กอินเหล่านี้ถูกเก็บเป็น embeddings เพื่อช่วยให้ LLM ค้นหาปลั๊กอินที่ถูกต้องได้ดีขึ้น
นี่คือตัวอย่างปลั๊กอินจัดการการตรวจจับความผิดปกติ:
class AnomalyDetectionPlugin(Plugin): def __call__(self, df: pd.DataFrame, time_col_name: str, value_col_name: str):โค้ดจะถูกตรวจสอบก่อนดำเนินการ อีกฟีเจอร์หนึ่งเพื่อจัดการบริบทใน Taskweaver คือ experience Experience ช่วยให้บริบทของการสนทนาเก็บไว้ในระยะยาวเป็นไฟล์ YAML ซึ่งสามารถกำหนดค่าเพื่อให้ LLM พัฒนาขึ้นตามเวลาในงานบางอย่างเมื่อได้รับการสัมผัสกับการสนทนาก่อนหน้า
เฟรมเวิร์ก agent ตัวสุดท้ายที่เราจะสำรวจคือ JARVIS สิ่งที่ทำให้ JARVIS โดดเด่นคือมันใช้ LLM ในการจัดการ สถานะ ของการสนทนา และ เครื่องมือ เป็นโมเดล AI อื่น ๆ โมเดล AI เหล่านี้เป็นโมเดลเฉพาะที่ทำงานอย่างใดอย่างหนึ่ง เช่น การตรวจจับวัตถุ, การถอดเสียง หรือการอธิบายภาพ
LLM ซึ่งเป็นโมเดลทั่วไป รับคำขอจากผู้ใช้และระบุงานเฉพาะและอาร์กิวเมนต์/ข้อมูลที่จำเป็นสำหรับทำงานให้เสร็จ
[{"task": "object-detection", "id": 0, "dep": [-1], "args": {"image": "e1.jpg" }}]LLM จะจัดรูปแบบคำขอในลักษณะที่โมเดล AI เฉพาะสามารถตีความได้ เช่น JSON เมื่อโมเดล AI ส่งผลทำนายตามงาน LLM จะได้รับการตอบสนอง
ถ้าต้องใช้โมเดลหลายตัวในการทำงาน LLM จะตีความผลตอบรับจากโมเดลเหล่านั้นก่อนรวมข้อมูลเพื่อสร้างคำตอบให้ผู้ใช้
ตัวอย่างด้านล่างแสดงการทำงานเมื่อผู้ใช้ร้องขอคำอธิบายและนับจำนวนวัตถุในภาพ
เพื่อเรียนรู้เกี่ยวกับ AI Agents ให้ลึกซึ้งขึ้น คุณสามารถสร้างด้วย AutoGen:
- แอปพลิเคชันที่จำลองการประชุมธุรกิจกับฝ่ายต่าง ๆ ของสตาร์ทอัพทางการศึกษาหลากหลายฝ่าย
- สร้างข้อความระบบที่ชี้นำ LLMs ในการเข้าใจบุคลิกและลำดับความสำคัญต่าง ๆ และเปิดโอกาสให้ผู้ใช้เสนอไอเดียสินค้าใหม่
- LLM ควรสร้างคำถามติดตามผลจากแต่ละฝ่ายเพื่อปรับปรุงและพัฒนาไอเดียสินค้า
หลังจากจบบทเรียนนี้แล้ว ตรวจสอบคอลเลกชัน การเรียนรู้ Generative AI ของเรา เพื่อยกระดับความรู้ Generative AI ของคุณให้สูงขึ้น!
ข้อจำกัดความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้มีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลสำคัญแนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้