مثال: سیستم چند-عامل
مثال زیر بهتر است با دستوراتی به زبان انگلیسی انجام شود ، این مثال برای فهم بیشتر آورده شده و در کتاب نیست
نوشتهها به فارسی
نتیجهگیری
ایجنتها عصر جدیدی در خودکارسازی جریان کاری را نشان میدهند، جایی که سیستمها میتوانند از میان ابهام استدلال کنند، در سراسر ابزارها اقدام کنند و وظایف چند مرحلهای را با درجه بالایی از استقلال مدیریت کنند. برخلاف برنامههای سادهتر LLM، ایجنتها جریانهای کاری را از ابتدا تا انتها اجرا میکنند، که آنها را برای موارد استفادهای که شامل تصمیمات پیچیده، دادههای بدون ساختار یا سیستمهای مبتنی بر قواعد شکننده هستند، مناسب میسازد.
حفاظها Guardrails
حفاظهای طراحی شده به خوبی به شما کمک میکنند تا خطرات حریم خصوصی دادهها (به عنوان مثال، جلوگیری از نشت پرامپت سیستم) یا خطرات شهرت (به عنوان مثال، اجرای رفتار مدل همسو با برند) را مدیریت کنید. میتوانید حفاظهایی را تنظیم کنید که به خطراتی که قبلاً برای مورد استفاده خود شناسایی کردهاید بپردازند و موارد اضافی را به تدریج که آسیبپذیریهای جدید را کشف میکنید، اضافه کنید. حفاظها یک جزء حیاتی از هر استقرار مبتنی بر LLM هستند، اما باید با پروتکلهای قوی احراز هویت و مجوز، کنترلهای دسترسی سختگیرانه و اقدامات امنیتی نرمافزاری استاندارد همراه باشند.
اصول طراحی ایجنت
در اساسیترین شکل خود، یک ایجنت از سه جزء اصلی تشکیل شده است:
چه زمانی باید یک ایجنت بسازید؟
ساخت ایجنتها نیازمند بازاندیشی در مورد چگونگی تصمیمگیری و مدیریت پیچیدگی توسط سیستمهای شما است. برخلاف خودکارسازی متعارف، ایجنتها به طور منحصر به فرد برای جریانهای کاری مناسب هستند که رویکردهای سنتی قطعی و مبتنی بر قاعده در آنها کافی نیستند.
ایجنت چیست؟
در حالی که نرمافزارهای متعارف به کاربران امکان میدهند جریانهای کاری را ساده و خودکار کنند، ایجنتها قادر هستند همان جریانهای کاری را از طرف کاربران با درجه بالایی از استقلال انجام دهند.
مقدمه
مدلهای زبانی بزرگ به طور فزایندهای در حال توانمند شدن برای مدیریت وظایف پیچیده و چند مرحلهای هستند. پیشرفتها در استدلال، چندرسانهای بودن، و استفاده از ابزارها، دسته جدیدی از سیستمهای مبتنی بر LLM را منتشر کردهاند که به عنوان ایجنتها (Agents، ایجنتها) شناخته میشوند.
راهنمای عملی ساخت ایجنتهای هوشمند
ترجمهی کتابچهی A Practical Guide to Building Agents از OpenAI: اصول طراحی، ابزارها، هماهنگسازی و حفاظها.
8. جمعبندی
مهندسی پرامپت یک مهارت ضروری برای استفاده موثر از مدلهای زبانی بزرگ است. در این آموزش، ما مفاهیم اساسی مهندسی پرامپت، تنظیمات خروجی LLM، تکنیکهای مختلف پرامپت، کاربردهای کدنویسی و بهترین شیوهها را پوشش دادیم.
7. نمونه کاربردهای عملی
در این بخش، برخی از کاربردهای عملی مهندسی پرامپت را بررسی میکنیم که میتوانید در پروژههای خود از آنها استفاده کنید.