Skip to content

README.md

Latest commit

 

History

History
317 lines (187 loc) · 13.1 KB

README.md

File metadata and controls

317 lines (187 loc) · 13.1 KB

課程設定

簡介

本課程將介紹如何執行課程中的程式碼範例。

加入其他學習者並獲得幫助

在開始複製您的倉庫之前，請加入 AI Agents For Beginners Discord 頻道，以獲得設定幫助、課程相關問題解答，或與其他學習者交流。

複製或分叉此倉庫

首先，請複製或分叉 GitHub 倉庫。這將建立您自己的課程材料版本，方便您執行、測試和調整程式碼！

您可以點擊以下連結來 分叉倉庫

現在，您應該擁有課程的分叉版本，連結如下：

分叉倉庫

淺層複製（建議用於工作坊 / Codespaces）

完整倉庫可能很大（約 3 GB），如果您只需要部分課程資料夾，淺層複製（或稀疏複製）可以避免下載大部分的歷史記錄和檔案。

快速淺層複製 — 最小歷史記錄，所有檔案

在以下命令中，將 <your-username> 替換為您的分叉 URL（或上游 URL，如果您更喜歡）。

僅複製最新提交歷史記錄（小型下載）：

git clone --depth 1 https://github.com/<your-username>/ai-agents-for-beginners.git

複製特定分支：

git clone --depth 1 --branch <branch-name> https://github.com/<your-username>/ai-agents-for-beginners.git

部分（稀疏）複製 — 最小檔案 + 僅選定資料夾

此方法使用部分複製和稀疏檢出（需要 Git 2.25+，建議使用支援部分複製的現代 Git）：

git clone --depth 1 --filter=blob:none --sparse https://github.com/<your-username>/ai-agents-for-beginners.git

進入倉庫資料夾：

對於 bash：

cd ai-agents-for-beginners

對於 Powershell：

Set-Location ai-agents-for-beginners

然後指定您需要的資料夾（以下範例顯示兩個資料夾）：

git sparse-checkout set 00-course-setup 01-intro-to-ai-agents

複製並驗證檔案後，如果您只需要檔案並希望釋放空間（無 Git 歷史記錄），請刪除倉庫元數據（💀不可逆 — 您將失去所有 Git 功能：無提交、拉取、推送或歷史記錄訪問）。

對於 Linux/macOS：

rm -rf .git

對於 Windows：

Remove-Item -Recurse -Force .git

使用 GitHub Codespaces（建議避免本地大型下載）

  • 通過 GitHub UI 為此倉庫創建新的 Codespace。

  • 在新創建的 Codespace 的終端中，執行上述淺層/稀疏複製命令，僅將所需的課程資料夾帶入 Codespace 工作區。

  • 可選：在 Codespaces 中複製後，移除 .git 以回收額外空間（請參考上述移除命令）。

  • 注意：如果您更喜歡直接在 Codespaces 中打開倉庫（不額外複製），請注意 Codespaces 會構建開發容器環境，可能仍會配置超出您需要的內容。在新 Codespace 中複製淺層副本可更好地控制磁碟使用。

提示

  • 如果您想編輯/提交，請始終替換為您的分叉 URL。
  • 如果您稍後需要更多歷史記錄或檔案，可以提取它們或調整稀疏檢出以包含其他資料夾。

執行程式碼

本課程提供一系列 Jupyter Notebook，讓您能夠親身體驗如何構建 AI Agents。

程式碼範例使用以下選項：

需要 GitHub 帳戶 - 免費：

  1. Semantic Kernel Agent Framework + GitHub Models Marketplace。標記為 (semantic-kernel.ipynb)
  2. AutoGen Framework + GitHub Models Marketplace。標記為 (autogen.ipynb)

需要 Azure 訂閱： 3) Azure AI Foundry + Azure AI Agent Service。標記為 (azureaiagent.ipynb)

我們鼓勵您嘗試所有三種類型的範例，以了解哪一種最適合您。

無論您選擇哪個選項，都將決定您需要遵循的以下設定步驟：

系統需求

  • Python 3.12+

    • 注意：如果您尚未安裝 Python3.12，請確保安裝它。然後使用 python3.12 創建虛擬環境（venv），以確保從 requirements.txt 文件中安裝正確版本。

      範例

      創建 Python 虛擬環境目錄：

      python3 -m venv venv

      然後啟用虛擬環境：

      macOS 和 Linux

      source venv/bin/activate

      Windows

      venv\Scripts\activate

  • GitHub 帳戶 - 用於訪問 GitHub Models Marketplace

  • Azure 訂閱 - 用於訪問 Azure AI Foundry

  • Azure AI Foundry 帳戶 - 用於訪問 Azure AI Agent Service

我們在倉庫的根目錄中包含了一個 requirements.txt 文件，其中列出了執行程式碼範例所需的所有 Python 套件。

您可以在倉庫根目錄的終端中執行以下命令來安裝它們：

pip install -r requirements.txt

我們建議創建 Python 虛擬環境以避免任何衝突和問題。

設定 VSCode

確保您在 VSCode 中使用正確版本的 Python。

image

使用 GitHub Models 的範例設定

步驟 1：獲取您的 GitHub 個人訪問令牌 (PAT)

本課程利用 GitHub Models Marketplace，提供免費訪問大型語言模型 (LLMs)，您將使用它們來構建 AI Agents。

要使用 GitHub Models，您需要創建 GitHub 個人訪問令牌。

您可以在 GitHub 帳戶的 個人訪問令牌設定 中完成此操作。

請遵循 最小權限原則 創建令牌。這意味著您應僅授予令牌執行本課程程式碼範例所需的權限。

  1. 在螢幕左側選擇 開發者設定 中的 Fine-grained tokens 選項。

    然後選擇 Generate new token。

    生成令牌

  2. 為您的令牌輸入描述性名稱，反映其用途，方便日後識別。

    🔐 令牌有效期建議

    建議有效期：30 天 為了更安全，您可以選擇更短的期限，例如 7 天 🛡️ 這是一個很好的方式來設定個人目標並在學習動力高漲時完成課程 🚀。

    令牌名稱和到期日期

  3. 將令牌的範圍限制為此倉庫的分叉。

    限制範圍至分叉倉庫

  4. 限制令牌的權限：在 Permissions 下，點擊 Account 標籤，然後點擊 "+ Add permissions" 按鈕。下拉選單會出現。請搜尋 Models 並勾選它。 添加 Models 權限

  5. 在生成令牌之前，驗證所需的權限。 驗證權限

  6. 在生成令牌之前，確保您準備好將令牌存儲在安全的地方，例如密碼管理器保險庫，因為生成後將無法再次查看。 安全存儲令牌

複製您剛剛創建的新令牌。現在，您需要將其添加到本課程包含的 .env 文件中。

步驟 2：創建您的 .env 文件

在終端中執行以下命令以創建 .env 文件。

cp .env.example .env

這將複製示例文件並在您的目錄中創建 .env 文件，您需要在其中填寫環境變數的值。

複製令牌後，打開您喜歡的文字編輯器，將令牌粘貼到 .env 文件中的 GITHUB_TOKEN 欄位。 GitHub Token 欄位

現在，您應該能夠執行本課程的程式碼範例。

使用 Azure AI Foundry 和 Azure AI Agent Service 的範例設定

步驟 1：獲取您的 Azure 專案端點

請按照以下步驟創建 Azure AI Foundry 中的 hub 和專案：Hub 資源概述

創建專案後，您需要獲取專案的連接字串。

您可以在 Azure AI Foundry 入口網站的 概述 頁面找到此字串。

專案連接字串

步驟 2：創建您的 .env 文件

在終端中執行以下命令以創建 .env 文件。

cp .env.example .env

這將複製示例文件並在您的目錄中創建 .env 文件，您需要在其中填寫環境變數的值。

複製令牌後，打開您喜歡的文字編輯器，將令牌粘貼到 .env 文件中的 PROJECT_ENDPOINT 欄位。

步驟 3：登入 Azure

作為安全最佳實踐，我們將使用 無密鑰身份驗證 通過 Microsoft Entra ID 驗證到 Azure OpenAI。

接下來，打開終端並執行 az login --use-device-code 登入您的 Azure 帳戶。

登入後，在終端中選擇您的訂閱。

額外環境變數 - Azure Search 和 Azure OpenAI

在 Agentic RAG 課程 - 第 5 課中，有使用 Azure Search 和 Azure OpenAI 的範例。

如果您想執行這些範例，您需要在 .env 文件中添加以下環境變數：

概述頁面（專案）

  • AZURE_SUBSCRIPTION_ID - 在專案的 概述 頁面中檢查 專案詳細信息。

  • AZURE_AI_PROJECT_NAME - 在專案的 概述 頁面頂部查看。

  • AZURE_OPENAI_SERVICE - 在 概述 頁面的 包含的功能 標籤中找到 Azure OpenAI Service。

管理中心

  • AZURE_OPENAI_RESOURCE_GROUP - 在 管理中心 的 概述 頁面中查看 專案屬性。

  • GLOBAL_LLM_SERVICE - 在 連接的資源 下，找到 Azure AI Services 連接名稱。如果未列出，請檢查 Azure 入口網站 中資源組下的 AI Services 資源名稱。

模型 + 端點頁面

  • AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME - 選擇您的嵌入模型（例如 text-embedding-ada-002），並記下模型詳細信息中的 部署名稱。

  • AZURE_OPENAI_CHAT_DEPLOYMENT_NAME - 選擇您的聊天模型（例如 gpt-4o-mini），並記下模型詳細信息中的 部署名稱。

Azure 入口網站

  • AZURE_OPENAI_ENDPOINT - 找到 Azure AI Services，點擊它，然後進入 資源管理，密鑰和端點，向下滾動到 "Azure OpenAI endpoints"，並複製標記為 "Language APIs" 的端點。

  • AZURE_OPENAI_API_KEY - 在同一頁面中，複製密鑰 1 或密鑰 2。

  • AZURE_SEARCH_SERVICE_ENDPOINT - 找到您的 Azure AI Search 資源，點擊它，然後查看 概述。

  • AZURE_SEARCH_API_KEY - 然後進入 設定，再進入 密鑰，複製主要或次要管理密鑰。

外部網頁

設定無密鑰身份驗證

為避免硬編碼憑證，我們將使用 Azure OpenAI 的無密鑰連接。為此，我們將導入 DefaultAzureCredential，稍後調用 DefaultAzureCredential 函數以獲取憑證。

from azure.identity import DefaultAzureCredential, InteractiveBrowserCredential

遇到困難？

如果您在執行此設置時遇到任何問題，請加入我們的 Azure AI 社群 Discord 或 建立問題。

下一課程

您現在已準備好運行本課程的代碼。祝您在探索 AI Agents 的世界中學習愉快！

AI Agents 介紹及其使用案例

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或誤釋不承擔責任。