WEBVTT

00:00:00.180 --> 00:00:05.200
Dzisiejszy temat to coś, o czym słyszał prawie każdy, ale niewielu potrafi wyjaśnić mechanizm agenta AI.

00:00:05.400 --> 00:00:09.380
Pewnie widziałeś to w postach na blogach czy podczas prelekcji, ale co to właściwie oznacza?

00:00:09.600 --> 00:00:14.060
Rzecz w tym, większość ludzi uważa, że budowanie agenta AI polega na napisaniu idealnego promptu,

00:00:14.140 --> 00:00:17.880
tej jednej magicznej instrukcji, która sprawi, że model zrobi dokładnie to, czego chcesz.

00:00:17.940 --> 00:00:20.520
Ale to tak, jakby myśleć, że samochód to tylko silnik.

00:00:20.720 --> 00:00:25.740
Oczywiście silnik jest ważny, ale bez kół, kierownicy, hamulców i nadwozia nigdzie nie zajedziesz.

00:00:25.740 --> 00:00:29.720
Pod koniec tego odcinka zrozumiesz, czym naprawdę jest mechanizm agenta,

00:00:29.920 --> 00:00:36.880
dlaczego jest to kolejny etap ewolucji po inżynierii promptów i jak Microsoft AI Foundry wciela to w życie dla prawdziwych firm.

00:00:37.360 --> 00:00:38.780
Złap kawę i zaczynajmy.

00:00:39.000 --> 00:00:40.880
Dlaczego promptowanie już nie wystarcza?

00:00:41.120 --> 00:00:42.200
Wróćmy do wczesnych dni.

00:00:42.400 --> 00:00:45.460
Około lat 2022 do 2024 praca z AI była prosta.

00:00:45.640 --> 00:00:47.420
Pisałeś prompt i otrzymywałeś odpowiedź.

00:00:47.520 --> 00:00:48.740
Potrzebujesz szkicu e-maila?

00:00:48.880 --> 00:00:49.540
Napisz prompt.

00:00:49.700 --> 00:00:51.180
Potrzebujesz podsumowania artykułu?

00:00:51.340 --> 00:00:52.020
Napisz prompt.

00:00:52.180 --> 00:00:54.680
W przypadku prostych zadań typu Oneshot sprawdzało się to świetnie.

00:00:54.680 --> 00:00:57.440
Mogłeś o coś zapytać, a model udzielał rozsądnej odpowiedzi.

00:00:57.620 --> 00:00:59.380
Ale potem ludzie stali się bardziej ambitni.

00:00:59.620 --> 00:01:02.040
Zaczęli prosić te modele o wykonywanie prawdziwej pracy.

00:01:02.320 --> 00:01:05.660
Zbadaj temat i napisz raport, przeanalizuj kod i napraw błąd,

00:01:05.720 --> 00:01:09.400
albo obsłuż wieloetapową rozmowę z klientem od początku do końca.

00:01:09.580 --> 00:01:11.720
I nagle jeden prompt przestał wystarczać.

00:01:11.900 --> 00:01:12.780
Oto co się stało.

00:01:12.960 --> 00:01:14.720
Okno kontekstowe modelu zapełniało się.

00:01:14.820 --> 00:01:18.920
Zapominał on wcześniejsze instrukcje i zaczynał zmyślać fakty lub dawać niepełne wyniki.

00:01:19.200 --> 00:01:22.560
Im dłużej trwało zadanie, tym bardziej zawodne stawały się rezultaty.

00:01:22.560 --> 00:01:24.400
Pewnie sam tego doświadczyłeś.

00:01:24.400 --> 00:01:27.700
Prosisz a i o zrobienie czegoś złożonego, a pod koniec okazuje się,

00:01:27.900 --> 00:01:30.060
że zapomniało o co prosiłeś na samym początku.

00:01:30.400 --> 00:01:33.840
Wyobraź sobie, że prosisz jedną osobę o zbudowanie całego domu od podstaw

00:01:33.840 --> 00:01:36.160
za jednym podejściem bez sprawdzania jej pracy.

00:01:36.440 --> 00:01:38.080
Właśnie o to prosiliśmy te modele.

00:01:38.320 --> 00:01:40.260
Wyniki były dokładnie takie, jakich można było oczekiwać.

00:01:40.340 --> 00:01:43.060
Niedokończony dom z brakującymi ścianami i drzwiami, które się nie otwierają.

00:01:43.380 --> 00:01:44.700
Rozwiązaniem nie był lepszy prompt.

00:01:44.960 --> 00:01:47.200
Mógłbyś spędzić godziny na dopracowywaniu brzmienia,

00:01:47.360 --> 00:01:49.320
dodawaniu przykładów i uściślaniu instrukcji,

00:01:49.320 --> 00:01:51.460
a i tak zawiódłby w długich, złożonych zadaniach,

00:01:51.460 --> 00:01:53.500
ponieważ podstawowy problem nie leżał w prompcie.

00:01:53.700 --> 00:01:55.780
Problem tkwił w braku systemu wokół niego.

00:01:56.080 --> 00:01:58.940
Model nie potrzebował lepszych słów, ale lepszego wsparcia.

00:01:59.180 --> 00:02:02.840
Wtedy zaczęła się ewolucja od inżynierii promptów do inżynierii kontekstu.

00:02:03.000 --> 00:02:04.340
Trzy fazy ewolucji AI.

00:02:04.620 --> 00:02:07.040
Oto jak postrzegam ewolucję sztucznej inteligencji.

00:02:07.240 --> 00:02:10.080
Trzy fazy, z których każda zmienia punkt ciężkości dla inżynierów.

00:02:10.220 --> 00:02:11.920
Pierwszą fazą była inżynieria promptów.

00:02:12.060 --> 00:02:14.820
Trwała ona mniej więcej od 2022 roku do 2024 roku.

00:02:14.820 --> 00:02:16.060
Główne pytanie było proste.

00:02:16.140 --> 00:02:17.340
Co powinienem powiedzieć modelowi?

00:02:17.480 --> 00:02:20.400
Pisałeś jedną instrukcję, otrzymywałeś jedną odpowiedź i to wszystko.

00:02:20.400 --> 00:02:22.840
Cała sztuka polegała na doborze słów i to nie wypowiedzi.

00:02:23.040 --> 00:02:24.840
W przypadku podstawowych zadań to wystarczało.

00:02:25.020 --> 00:02:29.220
Następnie nadeszła druga faza inżynieria kontekstu od 2024 roku do 2025 roku.

00:02:29.420 --> 00:02:32.540
Pytanie zmieniło się z co mam powiedzieć, na co model powinien widzieć.

00:02:32.820 --> 00:02:36.740
Inżynierowie odkryli, że to, czym karmisz model, jest ważniejsze niż to, jak pytasz.

00:02:36.960 --> 00:02:41.920
Zbudowali więc systemy takie jak wywoływanie narzędzi RAK oraz protokół kontekstu modelu MCP.

00:02:42.100 --> 00:02:45.080
Pozwalają one modelowi pobierać odpowiednie informacje w locie.

00:02:45.320 --> 00:02:49.540
Zamiast upychać wszystko w jednym prompcie, model mógł pobrać to, czego potrzebował, kiedy tego potrzebował.

00:02:49.540 --> 00:02:53.180
Trzecia faza to etap, w którym jesteśmy teraz inżynieria uprzęży Harness Engineering.

00:02:53.460 --> 00:02:57.800
Od około 2026 roku pytanie brzmi, jaki system muszę zbudować wokół modelu?

00:02:57.940 --> 00:03:04.820
Tutaj robi się ciekawie, ponieważ niezawodność, pamięć, orkiestracja i zabezpieczenia nie pochodzą z samego modelu, lecz z systemu zbudowanego wokół niego.

00:03:05.040 --> 00:03:07.140
Oto najprostszy sposób, by o tym myśleć.

00:03:07.240 --> 00:03:08.900
Agent to model plus uprząż.

00:03:09.020 --> 00:03:10.200
Uprząż to cała reszta.

00:03:10.440 --> 00:03:12.560
Model wykonuje myślenie, uprząż wykonuje resztę.

00:03:12.560 --> 00:03:15.580
I ta uprząż to sekretny składnik, który sprawia, że wszystko działa.

00:03:15.740 --> 00:03:19.640
Pomyśl o tym tak, model to wykwalifikowany pracownik, bardzo utalentowany, ale ograniczony.

00:03:19.820 --> 00:03:23.420
Uprząż to warsztat, narzędzia, lista kontrolna, przełożony i hamulce.

00:03:23.660 --> 00:03:25.780
Bez warsztatu pracownik nie ma gdzie pracować.

00:03:26.020 --> 00:03:27.640
Bez narzędzi nie może nic zbudować.

00:03:27.880 --> 00:03:29.700
Bez listy kontrolnej zapomina o krokach.

00:03:29.880 --> 00:03:32.800
Bez przełożonego popełnia błędy, a bez hamulców wypala się.

00:03:33.000 --> 00:03:34.600
Uprząż zapewnia całą tę strukturę.

00:03:34.720 --> 00:03:36.440
Co więc dokładnie znajduje się w tej uprzęży?

00:03:36.600 --> 00:03:39.000
Otwórzmy ją, co tak naprawdę zawiera uprząż.

00:03:39.160 --> 00:03:40.640
Więc, co wchodzi w skład uprzęży?

00:03:40.820 --> 00:03:42.580
Przejdźmy przez te elementy jeden po drugim.

00:03:42.720 --> 00:03:43.960
Po pierwsze, pętla agenta.

00:03:44.140 --> 00:03:45.880
To cykl, który utrzymuje działanie agenta.

00:03:46.140 --> 00:03:48.220
Model myśli, a następnie decyduje się wywołać narzędzie.

00:03:48.440 --> 00:03:50.120
Narzędzie uruchamia się i odsyła wynik.

00:03:50.340 --> 00:03:53.320
Model patrzy na to, myśli ponownie i być może wywołuje inne narzędzie.

00:03:53.520 --> 00:03:56.180
Pętla trwa, dopóki agent nie osiągnie swojego celu.

00:03:56.400 --> 00:03:59.940
Bez tej pętli otrzymujesz tylko pojedyncze pytanie i pojedynczą odpowiedź.

00:03:59.940 --> 00:04:03.260
Dzięki niej masz system, który rozwiązuje problemy krok po kroku.

00:04:03.500 --> 00:04:05.100
Następnie, zarządzanie kontekstem.

00:04:05.340 --> 00:04:08.080
Jest to kluczowe, ponieważ modele mają ograniczony zakres uwagi.

00:04:08.280 --> 00:04:11.120
Ich okno kontekstowe może pomieścić tylko tyle, zanim wystąpi przepełnienie.

00:04:11.320 --> 00:04:12.840
Wkracza tutaj system pomocniczy.

00:04:13.020 --> 00:04:16.880
Kompresuje on konwersacje, podsumowuje wszystkie wiadomości i ustala priorytety.

00:04:17.080 --> 00:04:19.560
Pomyśl o tym, jak o systemie archiwizacji dla konwersacji.

00:04:19.800 --> 00:04:22.400
System ten porządkuje ją tak, by model widział tylko to, co istotne.

00:04:22.600 --> 00:04:25.240
Bez tego długie sesje tracą spójność, gdy model gubi wątek.

00:04:25.240 --> 00:04:27.380
Kolejną kwestią są narzędzia i umiejętności.

00:04:27.580 --> 00:04:28.380
To ręce agenta.

00:04:28.660 --> 00:04:30.500
Sam model potrafi jedynie generować tekst.

00:04:30.500 --> 00:04:33.860
Nie potrafi odczytać pliku, przeglądać sieci, uruchomić kodu, ani odpytać bazy danych.

00:04:34.100 --> 00:04:35.980
System pomocniczy nadaje mu te możliwości.

00:04:36.260 --> 00:04:41.180
Dostęp do plików, przeglądanie sieci, wykonywanie kodu, zapytania do bazy – wszystko to zapewnia system.

00:04:41.520 --> 00:04:44.500
Model decyduje, kiedy ich użyć, a system sprawia, że działają.

00:04:44.700 --> 00:04:47.000
Pamięć i trwałość sesji to kolejny ważny element.

00:04:47.280 --> 00:04:52.120
System pomocniczy zapamiętuje poprzednie sesje, więc kiedy wracasz do agenta następnego dnia, nie zaczyna on od zera.

00:04:52.120 --> 00:04:55.420
Pamięta Twoje preferencje, kontekst projektu i podjęte decyzje.

00:04:55.600 --> 00:04:58.420
Agent uczy się z czasem, ponieważ system przechowuje te historie.

00:04:58.680 --> 00:05:01.980
Zabezpieczenia to warstwa bezpieczeństwa, limity nakładane na zachowanie agenta.

00:05:02.140 --> 00:05:03.980
Pomyśl o tym jako o regulaminie agenta.

00:05:04.220 --> 00:05:11.060
Maksymalna liczba kroków, niedozwolone działania, wymóg akceptacji przez człowieka przy ryzykownych ruchach, takich jak zapisywanie plików czy wysyłanie e-maili.

00:05:11.260 --> 00:05:15.140
Bez zabezpieczeń agent mógłby działać w nieskończoność lub zrobić coś, czego nie planowałeś.

00:05:15.360 --> 00:05:16.960
System pomocniczy trzyma go w ryzach.

00:05:16.960 --> 00:05:18.360
Na koniec orkiestracja.

00:05:18.620 --> 00:05:22.000
System może uruchamiać wyspecjalizowanych subagentów do różnych zadań.

00:05:22.200 --> 00:05:24.960
Jeden zajmuje się badaniami, drugi pisaniem, a trzeci weryfikacją.

00:05:25.960 --> 00:05:28.680
Współpracują jak zespół specjalistów na placu budowy.

00:05:28.920 --> 00:05:32.940
Każdy robi to, w czym jest najlepszy, a system dba, by nie wchodzili sobie w drogę.

00:05:33.100 --> 00:05:34.740
Te elementy to nie tylko teoria.

00:05:35.040 --> 00:05:38.400
Microsoft stworzył pełną platformę, która wprowadza to wszystko w życie.

00:05:38.680 --> 00:05:41.960
Przedstawiamy Microsoft AI Foundry, korporacyjny system pomocniczy.

00:05:42.140 --> 00:05:44.620
Tą platformą jest właśnie Microsoft AI Foundry.

00:05:44.620 --> 00:05:48.760
Pomyśl o tym, jak o kompletnym warsztacie do tworzenia i uruchamiania agentów, a i na dużą skalę.

00:05:48.880 --> 00:05:52.480
A kiedy mówię skala, mam na myśli prawdziwą skalę, a nie eksperyment laboratoryjny.

00:05:52.680 --> 00:05:58.700
Foundry obsługuje dziś ponad 70 tysięcy klientów, a w samym ostatnim kwartale przetworzyło 100 bilionów tokenów.

00:05:58.820 --> 00:06:00.640
To 100 bilionów to nie literówka.

00:06:00.880 --> 00:06:04.060
Każdego dnia obsługuje 2 miliardy korporacyjnych zapytań wyszukiwania.

00:06:04.220 --> 00:06:07.520
To platforma produkcyjna obsługująca jedne z największych obciążeń na świecie.

00:06:07.740 --> 00:06:10.720
Foundry w praktyce dostarcza ten system jako usługę zarządzaną.

00:06:10.720 --> 00:06:15.860
Nie musisz tworzyć od zera zarządzania kontekstem pamięci, zabezpieczeń ani koordynacji, bo wszystko jest już wbudowane.

00:06:16.040 --> 00:06:18.860
Ty dostarczasz agenta, a Foundry zapewnia dla niego środowisko pracy.

00:06:19.140 --> 00:06:20.540
Porozmawiajmy teraz o tożsamości.

00:06:20.720 --> 00:06:21.820
To bardzo ważna kwestia.

00:06:22.040 --> 00:06:24.640
Każdy agent w Foundry otrzymuje własny identyfikator Entra.

00:06:24.840 --> 00:06:26.620
W zasadzie jest to tożsamość cyfrowa.

00:06:26.780 --> 00:06:29.660
Pomyśl o tym, jak o identyfikatorze pracownika wydanym przez recepcję.

00:06:29.880 --> 00:06:34.720
Agent może logować się do usług, uzyskiwać dostęp do danych i działać w imieniu organizacji, zupełnie jak pracownik.

00:06:34.900 --> 00:06:38.360
A ponieważ każde działanie jest powiązane z tą tożsamością, podlega ono pełnemu audytowi.

00:06:38.360 --> 00:06:41.700
Dlaczego to ma znaczenie? W przedsiębiorstwie musisz wiedzieć, kto co zrobił.

00:06:41.800 --> 00:06:43.980
Każde działanie jest rejestrowane i możliwe do wyśledzenia.

00:06:44.200 --> 00:06:50.240
Foundry łączy się z ponad 1400 źródłami danych korporacyjnych, od SharePoint i Dynamics 365 po Salesforce i własne bazy danych.

00:06:50.420 --> 00:06:53.480
Jeśli twoja firma z tego korzysta, Foundry prawdopodobnie ma odpowiedni konektor.

00:06:53.700 --> 00:06:55.400
Agent więc nie zgaduje ani nie zmyśla.

00:06:55.600 --> 00:07:00.060
Pobiera rzeczywiste dane z rzeczywistych systemów, co oznacza, że odpowiedzi opierają się na twoich faktycznych danych biznesowych.

00:07:00.300 --> 00:07:01.400
Następnie mamy pamięć.

00:07:01.540 --> 00:07:03.300
Foundry zawiera wbudowane typy pamięci.

00:07:03.500 --> 00:07:06.160
Pamięć proceduralna pomaga agentowi uczyć się na podstawie poprzednich zadań.

00:07:06.160 --> 00:07:08.640
Z czasem staje się lepszy, niczym podczas szkolenia w pracy.

00:07:08.840 --> 00:07:13.200
Trwałość sesji oznacza, że pamięta poprzednie rozmowy, więc nie zaczyna od zera za każdym razem, gdy z nim rozmawiasz.

00:07:13.380 --> 00:07:15.920
Dzięki temu interakcje wydają się płynne i inteligentne.

00:07:16.120 --> 00:07:17.080
Jak to właściwie działa?

00:07:17.360 --> 00:07:21.100
Przeanalizujmy komponenty, które Microsoft udostępnia do tworzenia niestandardowych struktur.

00:07:21.300 --> 00:07:23.820
Framework agenta – tworzenie niestandardowych struktur.

00:07:24.060 --> 00:07:26.120
Jak więc faktycznie zbudować taką strukturę?

00:07:26.320 --> 00:07:32.320
Microsoft udostępnia dedykowany zestaw SDK o nazwie Microsoft Agent Framework, znany wcześniej jako Semantic Kernel.

00:07:32.320 --> 00:07:34.660
Został przebudowany, ale idea pozostała ta sama.

00:07:34.820 --> 00:07:38.140
Pozwala on programistom tworzyć niestandardowe struktury agentów w Pythonie i C-Kratka.

00:07:38.360 --> 00:07:40.000
Framework składa się z trzech warstw.

00:07:40.180 --> 00:07:45.680
Na dole znajduje się pętla agenta – główny cykl wnioskowania, w którym model myśli wywołuje narzędzia, otrzymuje wyniki i myśli ponownie.

00:07:45.840 --> 00:07:49.600
Na tym opierają się przepływy pracy, czyli wzorce koordynacji zarządzające wieloma agentami.

00:07:49.760 --> 00:07:53.420
A całość spina warstwa struktury, czyli powłoka, która trzyma to wszystko w ryzach.

00:07:53.620 --> 00:07:56.440
Microsoft dostarcza pięć wbudowanych wzorców koordynacji.

00:07:56.740 --> 00:07:59.880
Sekwencyjny uruchamia agentów jednego po drugim w określonej kolejności.

00:07:59.880 --> 00:08:02.120
Równoległy uruchamia ich wszystkich jednocześnie.

00:08:02.260 --> 00:08:05.580
Przekazanie kontroli przenosi zadanie z jednego agenta na drugiego w zależności od potrzeb.

00:08:05.760 --> 00:08:08.940
Czad grupowy pozwala wielu agentom rozmawiać w ramach jednej konwersacji.

00:08:09.180 --> 00:08:11.740
Jest też Magentic, menedżer z Microsoft Research.

00:08:11.960 --> 00:08:19.360
Tutaj agent nadzorujący generuje plan, a następnie deleguje pracę wyspecjalizowanym pod agentom, jak kierownik projektu przydzielający zadania członkom zespołu.

00:08:19.540 --> 00:08:22.180
Każdy wzorzec rozwiązuje inny problem koordynacyjny.

00:08:22.340 --> 00:08:23.380
Oto najlepsza część.

00:08:23.600 --> 00:08:25.120
Framework jest rozszerzalny.

00:08:25.120 --> 00:08:31.900
Możesz podłączyć dowolny model od OpenAI, Anthropic i Google Gemini po Amazon Bedrock, a nawet lokalne modele na Allama.

00:08:32.120 --> 00:08:33.380
To samo dotyczy narzędzi.

00:08:33.580 --> 00:08:37.020
Łączysz się przez OpenAI, protokół kontekstu modelu lub bezpośredni kod.

00:08:37.180 --> 00:08:40.860
Niektórzy obawiają się, że używanie frameworka Microsoftu zamyka Cię w ich ekosystemie.

00:08:40.980 --> 00:08:41.600
To nieprawda.

00:08:41.760 --> 00:08:44.880
Ten framework współpracuje z każdym stosem technologicznym, którego już używasz.

00:08:45.040 --> 00:08:49.720
Warstwa Harness dodaje możliwości takie jak dostęp do plików, wykonywanie kodu, oprogramowanie pośredniczące, planowania i telemetria.

00:08:49.720 --> 00:08:56.240
Więc budowa agenta za pomocą tego frameworka oznacza stworzenie kompletnego systemu, który czyta pliki, pisze kod, planuje wieloetapowe zadania i rejestruje wszystko w celach debugowania.

00:08:56.400 --> 00:08:58.240
To coś więcej niż tylko interfejs czatu.

00:08:58.420 --> 00:08:59.300
Oto jak to wygląda.

00:08:59.560 --> 00:09:02.220
Wyobraź sobie agenta programistycznego zbudowanego na tym frameworku.

00:09:02.420 --> 00:09:05.620
Dajesz mu zadanie, powiedzmy, dodanie nowej funkcji do istniejącej bazy kodu.

00:09:05.820 --> 00:09:08.580
Agent zaczyna od przeglądania dokumentacji, aby zrozumieć API.

00:09:08.580 --> 00:09:09.860
Następnie pisze kod.

00:09:09.980 --> 00:09:12.360
Potem uruchamia testy, aby upewnić się, że nic się nie zepsuło.

00:09:12.500 --> 00:09:19.800
Jeśli test zawiedzie, odczytuje błąd, naprawia usterkę i uruchamia testy ponownie wszystko w ramach tego samego Harness, zapętlając cykl myślenia, działania i sprawdzania, aż zadanie zostanie wykonane.

00:09:20.000 --> 00:09:22.480
Bez tej warstwy musiałbyś ręcznie wprowadzać każdy krok.

00:09:22.700 --> 00:09:25.220
Dzięki niej agent zajmuje się całym procesem samodzielnie.

00:09:25.440 --> 00:09:28.380
Jednym z popularnych przykładów działania Harness jest wzorzec CLAV.

00:09:28.580 --> 00:09:32.940
Microsoft udostępnił go w Foundry i jest to świetna demonstracja tego, jak te elementy łączą się w całość.

00:09:33.140 --> 00:09:34.780
Agenci w stylu CLAV i Herme.

00:09:34.780 --> 00:09:36.780
Porozmawiajmy o agentach typu CLAV.

00:09:36.940 --> 00:09:39.800
Nazwa pochodzi od projektów open source, takich jak OpenCLAV.

00:09:39.900 --> 00:09:44.200
Ci agenci żyją na Twojej maszynie, czekają na instrukcje, a następnie samodzielnie wykonują długie zadania.

00:09:44.440 --> 00:09:46.580
Są zawsze gotowi do działania, gdy ich potrzebujesz.

00:09:46.760 --> 00:09:49.960
Pomyśl o nich jak o osobistym asystencie, który nigdy nie bierze dnia wolnego.

00:09:50.200 --> 00:09:52.020
Wersja Microsoftu nazywa się Hermes.

00:09:52.240 --> 00:09:56.440
Działa wewnątrz hostowanego przez Foundry piaskownicy agentów i posiada imponujące możliwości.

00:09:56.700 --> 00:09:59.980
Hermes ma własny system plików, własną pamięć i własny zestaw narzędzi.

00:09:59.980 --> 00:10:04.180
Może ustawiać własne procedury konserwacji, czyszcząc stare pliki i organizując swój obszar roboczy.

00:10:04.320 --> 00:10:07.720
A jeśli zorientuje się, że potrzebuje nowej umiejętności, której nie posiada, może ją zbudować w locie.

00:10:07.860 --> 00:10:09.880
A teraz oto kluczowa kwestia dotycząca agentów CLAV.

00:10:10.020 --> 00:10:12.240
Architekci chmury nazywają je zwierzętami domowymi, a nie bydłem.

00:10:12.440 --> 00:10:13.760
Zwierzęta domowe są wyjątkowe.

00:10:13.960 --> 00:10:16.200
Nadajesz im imiona, dbasz o nie i nie możesz ich łatwo zastąpić.

00:10:16.380 --> 00:10:19.440
Bydło jest wymienne, więc jeśli jedno padnie, uruchamiasz kolejne.

00:10:19.600 --> 00:10:21.500
Agenci CLAV to zdecydowanie zwierzęta domowe.

00:10:21.500 --> 00:10:24.400
Każdy z nich ma swój własny stan, historię i wyuczone zachowania.

00:10:24.600 --> 00:10:28.240
Ta wyjątkowość czyni je potężnymi, ale też utrudnia odzyskiwanie i skalowanie.

00:10:28.520 --> 00:10:33.620
Jeśli coś pójdzie nie tak, nie możesz po prostu usunąć instancji i zacząć od nowa, bo stracisz całą zgromadzoną wiedzę.

00:10:33.860 --> 00:10:36.240
Rozwiązaniem firmy Microsoft są tak zwane procedury.

00:10:36.400 --> 00:10:41.240
To zaplanowane zadania, które pozwalają agentowi obudzić się, wykonać prace konserwacyjne, a następnie wrócić do snu.

00:10:41.420 --> 00:10:47.180
Zamiast utrzymywać piaskownicę działającą 24 siódmych, co kosztuje, agent wyłącza się po okresie braku aktywności.

00:10:47.180 --> 00:10:53.660
System procedur wybudza go, gdy trzeba coś zrobić, np. oczyścić stare umiejętności, wykonać kopię zapasową lub sprawdzić nowe zadania.

00:10:53.880 --> 00:10:55.040
Następnie wraca do snu.

00:10:55.200 --> 00:10:58.740
Oszczędza to koszty, jednocześnie zapewniając dostępność agenta, gdy go potrzebujesz.

00:10:58.980 --> 00:11:00.700
Piaskownica izoluje każdą sesję.

00:11:00.900 --> 00:11:05.420
Pliki, pamięć i konfiguracja twojego agenta pozostają zamknięte w jego własnym środowisku.

00:11:05.620 --> 00:11:11.040
A system zarządzania obsługuje ten stan między sesjami, więc nie musisz się martwić o wyciek danych jednego agenta do drugiego.

00:11:11.300 --> 00:11:15.220
Budowa własnego systemu od podstaw jest możliwa, ale większość firm tego nie potrzebuje.

00:11:15.220 --> 00:11:19.020
Foundry zapewnia gotową platformę ze wszystkimi tymi wbudowanymi funkcjami.

00:11:19.180 --> 00:11:21.520
Prawdziwe pytanie brzmi, co ma robić twój agent?

00:11:21.880 --> 00:11:24.780
Publikacja i współpraca, gdzie systemy spotykają się z ludźmi.

00:11:25.000 --> 00:11:28.580
Zbudowałeś więc swojego agenta, wyposażyłeś go w narzędzia, pamięć, orkiestrację i piaskownicę.

00:11:28.720 --> 00:11:30.280
A teraz, jak ludzie będą go używać?

00:11:30.420 --> 00:11:32.320
W tym miejscu Foundry ułatwia sprawę.

00:11:32.500 --> 00:11:38.120
Gdy agent jest zbudowany i wdrożony, możesz opublikować go w Microsoft 365, kopilot w Microsoft Teams jednym kliknięciem.

00:11:38.120 --> 00:11:41.480
Nie 10 kliknięć, nie 3-dniowy proces wdrażania, tylko jedno kliknięcie.

00:11:41.600 --> 00:11:45.740
I twój agent pojawia się dokładnie tam, gdzie ludzie już pracują w ich poczcie, czatach i dokumentach.

00:11:45.920 --> 00:11:47.720
Foundry obsługuje dwa tryby wdrażania.

00:11:47.900 --> 00:11:49.540
Po pierwsze, agenci wspomagający.

00:11:49.760 --> 00:11:53.580
Działają oni w twoim imieniu, tworząc projekty e-maili, planując spotkania czy wyszukując dokumenty.

00:11:53.780 --> 00:11:57.860
Działają jak twoje przedłużenie, jak bardzo szybki asystent, który wykonuje twoje polecenia.

00:11:58.020 --> 00:11:59.600
Po drugie, agenci autonomiczni.

00:11:59.840 --> 00:12:01.500
Są oni nowsi i bardziej interesujący.

00:12:01.740 --> 00:12:04.480
Działają we własnym imieniu, mając własny adres e-mail i własną tożsamość.

00:12:04.480 --> 00:12:06.420
Nie musisz ich za każdym razem prosić o reakcję.

00:12:06.600 --> 00:12:07.700
Przejmują inicjatywę.

00:12:07.840 --> 00:12:09.960
Agenci autonomiczni posiadają pełne konto użytkownika.

00:12:10.220 --> 00:12:13.260
Możesz dodać ich do czatu grupowego w Teams tak samo, jak dodałbyś ludzkiego współpracownika.

00:12:13.500 --> 00:12:16.760
Śledzą konwersacje i włączają się, gdy mogą pomóc, śledząc otwarte zadania,

00:12:16.880 --> 00:12:20.280
odpowiadając na pytania o pracę zespołu, a nawet wdrażając nowych członków zespołu

00:12:20.280 --> 00:12:23.580
przez przesyłanie im odpowiednich dokumentów i przedstawianie właściwym osobom.

00:12:23.720 --> 00:12:24.760
Oto konkretny przykład.

00:12:25.020 --> 00:12:27.260
Załóżmy, że masz agenta zarządzającego przepływem pracy.

00:12:27.520 --> 00:12:29.180
Dodajesz go do swojego czatu grupowego w Teams.

00:12:29.180 --> 00:12:32.000
Ktoś mówi, hej, potrzebuje raportu za trzeci kwartał na piątek.

00:12:32.140 --> 00:12:34.000
Agent zauważa, że to zadanie do wykonania.

00:12:34.200 --> 00:12:38.600
Tworzy zadanie, przypisuje je do odpowiedniej osoby i dodaje przypomnienie na czwartek, aby sprawdzić postępy.

00:12:38.820 --> 00:12:40.060
Nikt mu nie kazał tego robić.

00:12:40.260 --> 00:12:42.600
Po prostu zobaczył coś, co trzeba zrobić i to zrobił.

00:12:42.760 --> 00:12:44.720
Harness zarządza wszystkimi uprawnieniami w tle.

00:12:44.940 --> 00:12:47.940
Tylko upoważnieni użytkownicy mogą wchodzić w interakcję z agentem na czacie grupowym.

00:12:48.160 --> 00:12:50.780
Agent widzi tylko te wiadomości, które ma prawo widzieć, a resztę ignoruje.

00:12:50.960 --> 00:12:53.520
Przestrzega tych samych kontroli dostępu, co członkowie twojego zespołu.

00:12:53.520 --> 00:12:55.780
Oto dlaczego inżynieria Harness naprawdę się opłaca.

00:12:55.940 --> 00:12:58.680
Agent przestaje być hotbotem, którego otwierasz w karcie przeglądarki.

00:12:58.880 --> 00:13:00.580
Staje się produktywnym członkiem zespołu.

00:13:00.820 --> 00:13:04.340
Jest tam, gdzie ty pracuje tak jak twój zespół, a wszystko to możliwe dzięki temu,

00:13:04.500 --> 00:13:08.980
że Harness system otaczający model zarządza tożsamością, uprawnieniami, wdrażaniem i integracją.

00:13:09.240 --> 00:13:11.800
Bez Harness miałbyś tylko kolejne okno czatu do sprawdzania.

00:13:12.020 --> 00:13:13.520
Jednak każde potężne narzędzie wymaga zabezpieczeń.

00:13:14.160 --> 00:13:16.580
Porozmawiajmy o mechanizmach kontrolnych, które czynią to wszystko bezpiecznym.

00:13:16.720 --> 00:13:19.100
Odpowiedzialna sztuczna inteligencja i ład korporacyjny w systemie Harness.

00:13:19.100 --> 00:13:19.980
Oto w czym rzecz.

00:13:20.140 --> 00:13:22.840
Inżynieria Harness nie polega tylko na zwiększaniu możliwości agentów.

00:13:23.040 --> 00:13:25.300
Chodzi o to, by uczynić je bezpiecznymi i godnymi zaufania.

00:13:25.520 --> 00:13:28.660
Agent, który potrafi wysyłać e-maile, modyfikować pliki i działać na czatach grupowych,

00:13:28.760 --> 00:13:30.420
jest potężny, ale ta moc wymaga kontroli.

00:13:30.560 --> 00:13:32.880
Pomyśl o tym, jak oddaniu pracownikowi kluczy do budynku.

00:13:33.120 --> 00:13:36.120
Chcesz, żeby wykonywał swoją pracę, ale ustalasz też zasady dotyczące tego,

00:13:36.220 --> 00:13:37.180
do czego i kiedy ma dostęp.

00:13:37.380 --> 00:13:41.260
Podejście firmy Microsoft opiera się na standardzie odpowiedzialnej sztucznej inteligencji.

00:13:41.260 --> 00:13:45.660
Sześć zasad wyznacza wszystko sprawiedliwość, niezawodność i bezpieczeństwo,

00:13:45.660 --> 00:13:49.060
prywatność, inkluzywność, przejrzystość i odpowiedzialność.

00:13:49.240 --> 00:13:51.520
To nie tylko ładne hasła wypisane na plakacie.

00:13:51.720 --> 00:13:55.420
To rzeczywisty fundament, na którym od podstaw zaprojektowano całą platformę.

00:13:55.620 --> 00:13:58.440
Harness to miejsce, w którym te zasady stają się rzeczywistym kodem.

00:13:58.620 --> 00:14:00.700
Mechanizmy ochronne ograniczają działania agenta.

00:14:00.920 --> 00:14:04.460
Haki cyklu życia pozwalają egzekwować zasady na każdym etapie pracy agenta.

00:14:04.660 --> 00:14:07.240
Przed uruchomieniem agenta, po nim, przed wywołaniem narzędzia,

00:14:07.240 --> 00:14:10.540
po uzyskaniu wyniku możesz wstawić własne kontrole w dowolnym momencie.

00:14:10.840 --> 00:14:13.360
Chcesz zablokować agentowi dostęp do określonych baz danych?

00:14:13.360 --> 00:14:17.120
Możesz to zrobić. Chcesz wymagać zatwierdzenia przez człowieka, zanim agent wyśle e-mail?

00:14:17.240 --> 00:14:20.200
To również możesz zrobić. Obie te rzeczy można łatwo skonfigurować.

00:14:20.400 --> 00:14:23.840
Well-Architected Framework platformy Azure zawiera dedykowane wskazówki dla obciążeń AI.

00:14:24.040 --> 00:14:26.780
Obejmuje wszystko od szyfrowania danych po reagowanie na incydenty.

00:14:27.040 --> 00:14:31.620
Chodzi o to, że budowanie systemu AI nie różni się zasadniczo od budowania jakiegokolwiek innego systemu dla przedsiębiorstw.

00:14:31.800 --> 00:14:34.800
Nadal potrzebujesz bezpieczeństwa, niezawodności i doskonałości operacyjnej.

00:14:34.800 --> 00:14:38.900
Well-Architected Framework oferuje uporządkowane podejście do tych kwestii, byś się w tym nie pogubił.

00:14:39.040 --> 00:14:41.080
Oprócz tego istnieje Cloud Adoption Framework.

00:14:41.080 --> 00:14:43.580
Zapewnia on czterostopniowy proces zarządzania sztuczną inteligencją.

00:14:43.700 --> 00:14:46.300
Po pierwsze, identyfikacja zagrożeń. Co może pójść nie tak?

00:14:46.440 --> 00:14:48.860
Po drugie, pomiar skutków. Jak poważne mogą być konsekwencje?

00:14:48.980 --> 00:14:52.120
Po trzecie, mitygacja za pomocą kontroli. Jakie mechanizmy wdrożyć, by temu zapobiec?

00:14:52.260 --> 00:14:55.680
Po czwarte, działanie z monitoringiem. Jak wykrywać problemy, gdy się pojawią?

00:14:55.840 --> 00:14:59.960
To praktyczne podejście krok po kroku, które zmienia abstrakcyjne obawy w konkretne działania.

00:14:59.960 --> 00:15:03.180
W przypadku systemów agentowych oznacza to kilka kluczowych kwestii.

00:15:03.320 --> 00:15:06.100
Limity liczby kroków, aby agent nie działał w nieskończoność.

00:15:06.240 --> 00:15:08.880
Ograniczenia narzędzi, by miał dostęp tylko do tego, co niezbędne.

00:15:09.060 --> 00:15:11.180
Wymóg akceptacji przez człowieka przy działaniach wysokiego ryzyka.

00:15:11.400 --> 00:15:14.080
Ścieżki audytu, dzięki którym każda decyzja jest rejestrowana i możliwa do sprawdzenia.

00:15:14.300 --> 00:15:17.620
Filtry bezpieczeństwa treści, które wyłapują problematyczne wyniki, zanim ktokolwiek je zobaczy.

00:15:17.820 --> 00:15:20.500
Każdy element współpracuje, by trzymać agenta na krótkiej smyczy.

00:15:20.720 --> 00:15:24.120
Microsoft zapewnia wbudowane zabezpieczenia treści i ewaluatory w ramach Foundry.

00:15:24.120 --> 00:15:27.200
Możesz przetestować agenta według określonych kryteriów przed wdrożeniem.

00:15:27.200 --> 00:15:28.300
Czy trzyma się tematu?

00:15:28.440 --> 00:15:30.200
Czy odpowiednio obsługuje wrażliwe dane?

00:15:30.380 --> 00:15:32.620
Czy odrzuca prośby, których nie powinien spełniać?

00:15:32.760 --> 00:15:37.340
Możesz automatycznie uruchamiać te oceny i uzyskać wynik przed udostępnieniem agenta zespołowi.

00:15:37.560 --> 00:15:40.800
W ten sposób wykrywasz problemy wcześniej, a nie dopiero gdy coś pójdzie nie tak.

00:15:40.980 --> 00:15:45.340
Oto pełny obraz od prostego zapytania pobezpiecznego, produkcyjnego agenta autonomicznego.

00:15:45.340 --> 00:15:51.540
Model wykonuje pracę myślową, a cała otoczka zajmuje się resztą, koordynacją, zabezpieczeniami i zarządzaniem.

00:15:51.720 --> 00:15:53.460
Podsumujmy zatem te transformacje.

00:15:53.740 --> 00:15:55.300
Zaczęliśmy od prostego promptowania.

00:15:55.520 --> 00:15:57.420
Wpisujesz zapytanie, otrzymujesz odpowiedź.

00:15:57.500 --> 00:15:59.000
To sprawdzało się w prostych zadaniach.

00:15:59.180 --> 00:16:00.860
Potem przeszliśmy do inżynierii kontekstu.

00:16:01.060 --> 00:16:03.900
Zarządzaj tym, co widzi model, ładując odpowiednie informacje w odpowiednim czasie.

00:16:04.080 --> 00:16:05.780
To działało w bardziej złożonych zadaniach.

00:16:05.900 --> 00:16:08.460
A teraz dotarliśmy do pełnej inżynierii systemów nadzorczych.

00:16:08.460 --> 00:16:12.520
Zbuduj kompletny system wokół modelu z pamięcią, narzędziami, koordynacją i zabezpieczeniami.

00:16:12.680 --> 00:16:13.800
Oto kluczowy wniosek.

00:16:13.920 --> 00:16:16.540
Agent jest tak niezawodny, jak system, który go otacza.

00:16:16.540 --> 00:16:20.300
Model ma znaczenie absolutnie, ale to system nadzorczy decyduje o powodzeniu wdrożenia.

00:16:20.580 --> 00:16:24.920
Możesz mieć najlepszy model na świecie, ale bez dobrego systemu zawiedzie w rzeczywistych zadaniach.

00:16:25.140 --> 00:16:29.940
Możesz też mieć przeciętny model z doskonałym systemem nadzorczym, który zawsze przekroczy oczekiwania.

00:16:30.140 --> 00:16:31.180
Oto Twoje wyzwanie.

00:16:31.400 --> 00:16:34.240
W kolejnym projekcie, a i myśl wykraczającą poza sam prompt.

00:16:34.440 --> 00:16:36.280
Nie pytaj, co powinienem powiedzieć modelowi.

00:16:36.400 --> 00:16:38.540
Zapytaj, jaki system muszę wokół niego zbudować.

00:16:38.700 --> 00:16:41.760
Ta zmiana myślenia odróżnia DEMA od systemów produkcyjnych.

00:16:41.920 --> 00:16:45.320
W kolejnym odcinku zagłębimy się w jeden element tego systemu – pamięć.

00:16:45.320 --> 00:16:49.980
Jak agenci uczą się z czasem, jak pamiętają swoje działania i jak to wpływa na ich możliwości.

00:16:50.440 --> 00:16:52.060
Zasubskrybuj, aby niczego nie przegapić.
