Контекстна інженерія: в принципі, Як створити AI-агента за лічені хвилини
Коли, якось так. Відверто кажучи, я вперше почула про контекстну інженерію, мене це зацікавило. Це стало моєю новою, і, мушу зізнатися, трохи нав’язливою темою. Але все це – заради дійсно важливого. Я довго розмірковувала над тим, як надати LLM (великим мовним. Моделям) надійний та, що найголовніше, повторюваний контекст, щоб побудувати будь-що. І зараз я хочу показати вам, що я створила в своїй лабораторії останнім часом, працюючи над контекстною інженерією, але тепер – для створення AI-агентів всього за хвилини за допомогою Pydantic AI.
І в рамках цього відео, ми навіть разом пройдемо через використання цього шаблону, щоб створити AI-агента.
Використання AI-інструментів для кодингу з метою побудови. AI-агентів має бути доволі простим, щось на зразок. Існує чіткий, стандартний спосіб визначення наших підказок, інструментів та залежностей. Але якщо ви колись пробували це самостійно, то знаєте, що все не так просто. Простіше кажучи, неможливо просто зайти в свій Windsurf. Cursor, Korao, Cloud Code або мільйон інших інструментів, які. Ми маємо сьогодні для кодингу, і сказати щось на кшталт: “Зроби мені AI-агента для підтримки клієнтів”. Ви просто знаєте, що так не вийде. Звісно, ви можете отримати щось, чимось на це схоже, але це буде скоріше демо, яке точно зламається з реальними користувачами та реальними даними. Ви, ймовірно, потрапите в пекло, через яке ми всі проходили з AI-інструментами для кодингу, коли застрягаєте в цьому нескінченному циклі ітерацій кількох проблем.
Але проблема тут не у вашому AI-інструменті для кодингу або LLM. Відверто кажучи, проблема в контексті, який ви надаєте. Не можна просто “вайбити” код і одразу переходити до імплементації. Більше того, нам потрібна ціла фаза планування наперед, щоб відточити свій підхід і надати контекст. Необхідний AI-інструменту для кодингу, щоб він міг правдоподібно вирішити завдання одним пострілом, ефективно. Саме це й має вирішити контекстна інженерія. І стратегія, на якій я зосереджуюся останнім часом, – це використання фреймворку PRP (Product. Requirements Prompt) від Арамуса, про який я останнім часом багато говорила на своєму каналі.
Отже, у мене є цей доступний вам шаблон, який я вже розглядала на своєму каналі, і тепер у мене є спеціальна версія, гіпернастроєна для створення AI-агентів з Pydantic AI. Це фокус цього відео, і це буде весело.
Фреймворк PRP – це лише один зі способів контекстно-інженерії, але він, безумовно, мій улюблений, і. Він надзвичайно простий, оскільки ми використовуємо AI-інструмент для кодингу дуже стратегічно, щоб допомогти нам генерувати контекст. Приблизно, У цьому і є суть. Справа в тому, що повертаючись до кореневої директорії репозиторію: це просто триетапний процес, якому ми повинні слідувати з фреймворком PRP на високому рівні. Очевидно, отже, спочатку вам дивіться, потрібно відредагувати файл, щоб детально описати застосунок (або, в нашому випадку, агента), який ви хочете створити. Потім ми беремо цей початковий MD-файл і використовуємо наприклад, AI-інструмент для кодингу, щоб допомогти нам розширити його до повного ” product requirement prompt”. Це як PRD (Product Requirements Document), якщо ви знайомі з цим, але більш конкретно створений для надсилання підказки з великим контекстом, щоб допомогти AI-інструменту для кодингу потім створити нашу функцію, коли ми виконуємо PRP.
Досить простий триетапний процес. І найголовніше тут, якщо я перейду в папку PRP, у нас є цей шаблон для базового PRP. Отже, ми беремо його, об’єднуємо з нашими власними вимогами до функцій у. Нашому початковому MD, і це створює повний набір контексту, який нам потрібен. Який включає такі речі, як документацію для посилання десь так, на структуру коду, яку ми хочемо наприкінці, будь-які. “підводні камені”, що у нас припустимо, є, найкращі практики та шаблони для розробки всього, що ми намагаємося розробити. Це дійсно повний набір контексту. І, найголовніше в цьому, я можу взяти цей базовий PRP. Відверто кажучи, я можу взяти інші частини, які ми маємо тут, наприклад, наші команди для генерації та виконання PRP. І я можу гіпернастроювати їх для конкретних випадків використання. Фактично, і саме це я зробила тут для Pydantic AI, щоб ви могли легко створювати AI-агентів.
Отже, я просто намагаюся підготувати ґрунт і показати вам, що увійшло у створення цього, тому що я витратила години бачите, та години, витягуючи свої старі проєкти Pydantic AI, проводячи дослідження та знаходячи найкращі практики, а потім, по суті, створивши PRP, щоб створити цей шаблон для вас. Отже, я також використовувала в принципі, AI-інструменти для кодингу, щоб допомогти мені створити це. І, наприклад, у нас взагалі, є базовий PRP, але тепер гіпернастроєний для Pydantic AI, якось так. Отже, у мене є найкращі практики, приклади та шаблони, вбудовані спеціально для Pydantic AI. Отже, тепер, коли ви проходите цей триетапний процес, описуючи свого агента, а потім генеруючи PRP та. Виконуючи його, він уже має всю цю інформацію для Pydantic AI, в нього вже все вбудовано.
Це значно зменшує галюцинацію. Я й надалі буду робити це для інших випадків використання. Наприклад, у мене є тут папка хоча я показувала MCP-сервери у своєму минулому відео. Я продовжуватиму створювати більше й більше, просто створюючи ці надзвичайно гарні відправні точки для вас. Дивно, дивно, отже, вам потрібно витрачати годин та годин менше на. Контекстну інженерію, тому що я вже зробила це для вас. Я можу взяти ці шаблони, віддати їх вам, і ви можете просто зануритися в створення свого агента всього за кілька хвилин. Це так просто. І саме це ми будемо робити в цьому відео. Я покажу, як це працює. Разом ми створимо AI-агента, що не є тривіальним. Це агент, який може проводити пошук в Інтернеті та керувати нашим поштовим ящиком, зокрема складанням електронних листів. Це наприклад, те, що ми збираємося створити разом.
Я вже створила це і з Claude Code, і з Korao, щоб переконатися у правильності. Я буквально використовувала такий самий шаблон, щоб створити агента, а потім уточнити шаблон, виправляючи речі, які в мене не зовсім вийшли. Цікаво, тож, повірте мені, я витратила багато часу на створення цього шаблону для вас.
Гаразд, досить про мене. Я просто хочу розумієте, зануритися та створити агента разом з вами. Звичайно, очевидно,
Отже, у мене тут репозиторій, клонований локально. Я можу зануритися в створення нашого AI-агента з фреймворком PRP та цим шаблоном, який у мене є для вас. У описі буде слухайте, посилання на цей шаблон і весь репозиторій з контекстною інженерією. Зрозуміло, все це з відкритим кодом і доступне для вас. Як я вже казала, я продовжуватиму розробляти більше варіантів використання. Я збираюся бачите, зробити це проєктом у спільноті Dynamis. І якщо ви хочете більше долучитися до кодингу з AI та. Контекстної інженерії і хочете бути частиною класного проєкту, обов’язково перевірте Dynamis. Звичайно, ai. У нас там багато чудових речей для AI-кодингу та контекстної інженерії. Безумовно, звичайно,
Але так чи інакше, повернемося до наших інструкцій. Почнемо слухайте, з підготовки до створення нашого агента. Перше, що після клонування цього репозиторію нам потрібно, – це взяти наш шаблон Pydantic AI і скопіювати його в робочий каталог. Безумовно, по суті, припустимо, там, де ми збираємося взяти шаблон і перетворити його на повноцінного агента, приблизно так. Я налаштувала наприклад, його якщо ви захочете повторно використовувати цей шаблон багато разів. Справа в тому, що у нас є цей цільовий каталог, куди буде скопійовано все, що нам. Потрібно для наших команд і глобальних правил, а також базовий PRP, куди завгодно. Простіше кажучи,
Тож у моєму терміналі я просто запускаю скрипт copy_template. Py, як зазначено в інструкціях. Я збираюся скопіювати все в цю папку. Це станеться майже миттєво бо ось. Ми скопіювали всі наші приклади. У нас є той початковий MD, який нам потрібно заповнити. У нас є базовий PRP, а потім наші команди. Простіше кажучи, до речі, якщо ви не використовуєте. Cloud Code, ви все одно можете використовувати ці команди. Ви просто використовуєте повідомлення до AI інструменту для кодування, повідомляючи йому використовувати команду як підказку. Я дійсно от, зробила це з Korao. Покажу вам швидкий приклад. Дивно, не слухайте, збираюся будувати з Korao у цьому відео. Я буду створювати з Cloud Code. Але просто щоб показати вам, слухайте, я з цим працювала і з іншими AI-інструментами кодування. Ви можете бачити мою підказку. Я буквально сказала йому “використовуй” slash command “cloud/command/execute pydantic AI PRP” як підказку, а потім аргумент, тому що нам потрібно передати PRP, яку ми хочемо виконати. Я просто передаю їй назву цього файлу. І ось ми маємо, що Korao робить усю імплементацію, як ми бачили в Cloud Code. І вона виконала феноменальну роботу, до речі. Я дуже вражена Korao як одним з нових та перспективних AI інструментів кодингу. Обов’язково повідомте мене в коментарях, якщо ви хочете, щоб я більш детально розповіла про Korao або інші AI інструменти кодування. Але зараз Cloud Code все ще є моїм головним інструментом. Тому я зосереджуюся саме на цьому у цьому відео.
Ми налаштували наш новий репозиторій хоча я скопіюю цей каталог. Я його зміню та а потім я відкрию в моєму IDE. Я використовую от, WinSurf, але також відкриваю термінал для використання Cloud Code. Зараз я це зроблю і закриваю Cascade. Працюємо в терміналі. Я використовую Windows, тому розумієте, перейду в Ubuntu, щоб мати доступ до Claude. Отже, є. І тепер я хочу дуже швидко показати вам, що було скопійовано для цього шаблону. У нас є наш cla оскільки md. До речі, це наші глобальні правила, які я також гіпернастроїла для створення AI-агентів Pydantic AI. Ви можете все це прочитати, якщо вам цікаво. Як я вказала структуру загальних файлів для агентів. Найкращі практики налаштування змінних начебто, середовища та як ми типу, типу того. Налаштовуємо певного провайдера та LLM, що ми хочемо використовувати. Тут багато роботи. Очевидно, тоді у нас є той специфічний базовий PRP для Pydantic AI. Найголовніша річ, з чого я хочу розпочати, – це. Дивно, наш початковий MD, тому що це наш перший крок. Ми зараз його розглянемо. Ми збираємося налаштувати всі вимоги до нашого агента, а потім згенерувати PRP на їх основі.
Про сьогоднішнього спонсора. Scribba – платформа, яка перетворює навчальні посібники з кодування на сеанси парного. Програмування, де ви можете уявіть собі, буквально редагувати код інструктора в режимі реального часу. І є вправи, які вбудовані прямо в посібники. Це дійсно революціонізує спосіб вивчення кодування. І хоча штучний інтелект може допомогти нам кодувати швидше, як ми розглядаємо це у. Цьому відео, все ще важливо, щоб ви розуміли основи розробки і back-end, і front-end. Очевидно, є причина, чому я так багато говорю про валідацію, коли розглядаю фреймворк PRP. Відверто кажучи, scribba нещодавно випустила свій повноцінніший шлях розробника. Більше 100 годин неймовірного контенту, який веде вас від новачка до профі як для розробки back-end, так і front-end, щоб ви могли розвинути деякі з найбільш затребуваних технічних навичок в індустрії. Щоб швидко скажімо, продемонструвати, наскільки Scribba потужна і унікальна, подивіться. Дивно,
Я збираюся запустити одне з відео. Я вимкнула звук інструктора, але зараз він говорить. Він рухає мишею по екрану. Він щось мені показує, але в будь-який момент уроку я можу призупинити відео. Перейти до будь-яких файлів, як у текстовому редакторі на моєму локальному. Комп’ютері, і змінити що завгодно, як-от: замість “додати інгредієнти”, написати “додати їжу”. Я можу натиснути Control S або запустити в правому верхньому куті панелі. Наш прев’ю оновлюється в реальному часі. Ми можемо оновити, щоб просто налаштувати та спробувати речі в будь-який момент під час будь-якого відео. Також є ці виклики, які виникають протягом усього контенту, де вони прямо просять нас щось реалізувати. Ми дійсно займаємося парним програмуванням як частиною наших уроків. Це дуже потужно. Це допомагає вам швидко навчатися. Більше того, scribba має ще багато курсів, як-от ті, що вони пропонують для штучного інтелекту. Вони навіть нещодавно співпрацювали з Mistral, Hugging Face та Cloudflare, щоб надати їх вам, хлопці. Це так круто. Ви також отримуватимете AI-зворотний зв’язок щодо свого коду на всіх своїх курсах. І припустимо, у них є дуже дружня спільнота через Discord. Scribba – це місце, куди варто піти, якщо ви хочете. Підвищити свої технічні навички, оволодіти тим, що зараз в тренді.
У описі буде посилання на Scribba і я обов’язково рекомендую перевірити їх.
Перш за все, коли ми будуємо AI-агента з Pydantic AI, приблизно, і це дійсно стосуватиметься будь-якого фреймворку, який би ви не використовували. Десь так, Агенти складаються з трьох частин. Я просто показую агента погоди з їхньої документації, щоб надати вам загальний огляд. Ось чому я створила початковий шаблон MD. Більше того, по-перше, наші агенти завжди матимуть залежності. Чесно кажучи, це речі, які нам потрібні в наших інструментах, як API-ключі, підключення до бази даних. У цьому випадку нам потрібен HTTP-клієнт для перегляду веб-сторінок. Потім у нас є визначення нашого агента. Це другий компонент, де у нас є такі речі, як підказка системи. Нарешті, йдуть інструменти. Це функції або MCP-сервери, які ми в принципі, підключаємо знаєте, до нашого агента, щоб він міг фактично щось робити від нашого імені. І, як правило, це більша частина імплементації для наших агентів. Очевидно, ось три компоненти, і саме тому я створила початковий MD: для AI-інструменту кодування дуже важливо бути конкретним під час створення агентів. Фактично, що ви шукаєте для тих трьох компонентів.
По-перше, на дуже наприклад, високому рівні у нас є наша функція. Якого AI-агента ми хочемо створити? І вам просто потрібно замінити все в дужках тут, у шаблоні. У мене також є дійсно простий приклад, щось на зразок. Більше того, ви, безумовно, захочете бути більш детальними, ніж це, але це лише відправна точка для вас.
Потім занурюємося в дивіться, саме те, які інструменти ви хочете. Як-от: для нашого дослідницького агента ми хочемо, щоб наш агент. Міг використовувати API Brave ну, для перегляду веб-сторінок і узагальнення веб-досліджень. Відверто кажучи, ми хочемо мати іншого субагента, який керуватиме нашою вхідною поштою та робитиме такі речі, як складання електронних листів. Дивно, припустимо, будьте конкретні щодо інструментів тут.
Для залежностей, знову ж таки, такі речі, як API-ключі та підключення до бази даних. Для нашої підказки до системи. Чесно кажучи, ви не зобов’язані записувати всю підказку системи тут, але можете, якщо хочете. В іншому випадку розумієте, ви можете просто описати, що ви хочете в. Своїй підказці системи, щоб переконатися, що ви правильно керуєте своїми агентами. Потім, що я зазвичай включаю для всіх дивіться, своїх початкових шаблонів MD PRP – це розділ з прикладами. Можна витягнути минулі проєкти, над якими ви працювали. У мене є багато Pydantic AI-агентів, які я вже створила.
У мене вже є дещо з цього в папці прикладів. У нас є відправна точка для прикладів проте ви можете відштовхуватися від цього, якщо хочете. Це також дивіться, можуть бути ресурси, які ви знайшли в Інтернеті. Можливо, навіть просто брати речі розумієте, безпосередньо з документації Pydantic AI, поміщаючи їх у папку прикладів. Фактично, я просто вважаю, що значить, приклади дуже потужні для AI-інструментів кодування, якось так. Щоб було ясно, навіть краще, ніж просто переглядати документацію або займатися веб-дослідженнями. До речі, але документація все одно важлива. Відверто кажучи,
Повертаючись до цього, у нас також є відповідний розділ. Справа в тому, що ось, щоб просто показати вам, як це виглядає, я вказую деякі посилання, які ми маємо з офіційних документів Pydantic AI на такі речі, як створення агентів та інтеграція інструментів. Останній розділ, який у нас є тут, досить важливий, – слухайте, це місце, куди ви можете помістити будь-які інші. Типи міркувань, які у вас є для слухайте, вашого AI-інструменту кодування, як-от спосіб, у який ви хочете керувати змінними середовища. Це також ідеальне місце, щоб помістити будь-які “підводні камені”, як я їх називаю. Насправді, як-от: коли ви використовували AI-інструменти кодування для створення агентів в. Відверто кажучи, минулому, наприклад, що це за речі, які він завжди псує? І це ваше місце, щоб виправити цю поведінку, тому що зазвичай, коли щось. Псується в одному проєкті, воно, ймовірно, буде проявляти щось подібне в іншому проєкті. Чесно кажучи, цікаво, можливість адаптувати свої підказки та контекст, вивчаючи види речей, які йому подобається псувати. Так, це дуже важливо включити це в цей розділ.
Я збираюся вставити свій повний початковий MD для мого агента. Насправді,
Ось. Все. Вставлено. У мене буде посилання на це в описі, якщо ви. Захочете переглянути повного агента, якого я створюю з цього процесу. Я просто будую агента Pydantic AI, у якого є інший агент як інструмент, тому що у нас буде наш основний дослідницький агент, а потім агент складання електронних листів як субагент. Я збираюся залишити скажімо, це дуже просто з інструментами, які я йому даю. Я збираюся надати нашому дослідницькому агенту можливість шукати в Інтернеті за допомогою API Brave. Зрозуміло, і потім у нього є інструмент, щоб делегувати всі речі, пов’язані. З електронною поштою, як-от складання електронних листів, моєму субагенту електронної пошти. Досить простий приклад, щоб швидко продемонструвати вам деякі речі. Але це все ще більше, ніж просто надзвичайно тривіальний агент. Справа в тому, що ви можете взяти це далі, щоб зробити це. Схожим на реального агента, якого ви фактично використовуватимете.
Для залежностей нам потрібен лише ключ API Brave, а потім усе для Google Oauth 2. Фактично, у мене є загальні інструкції для підказки системи, яку я хочу для обох агентів. Я залишила приклади незмінними, тому що я вже створила чудовий набір прикладів агентів Pydantic AI для нас. Документація, надзвичайно лаконічна. Мої міркування – це все, що я вже мала в базовому initial. Mmd, просто тому, що це речі, які, на мою думку, зазвичай псуються. Як-от: наприклад, він неправильно обробляє змінні середовища.
Це мій початковий MD. Натискаю Ctrl+J, щоб знову відкрити термінал.
Перейду в Cloud code.
Тепер мені потрібно лише згенерувати PRP на основі початкового MD, який я створила. Зрозуміло, отже, команда: slashgenerate pyantic AI PRP оскільки натискаю Tab, щоб автоматично заповнити. Йдемо в це.
Якщо я закрию термінал (Ctrl+J), у нас є один аргумент – наш файловий файл. Це наш initial але md.
Воно бере те, що ми маємо. У нас є решта контексту про те, як йому потрібно згенерувати PRP і перевірити його. Справа в тому, що
бачите,
Все це – в його підказці.
Повертаючись до мого терміналу, я просто передаю відносний шлях до мого початкового MD. Ок, Initial MD є. Ми надішлемо це. Як я вже казала, якщо у вас немає Cloud Code, і. Ви не користуєтеся командами, ви можете використовувати це як звичайну підказку. Звичайно, повідомить йому, щоб подивився на цей файл для своєї підказки.
Отже, я його відправляю. Тепер цей процес займе багато часу, оскільки він збирається провести багато досліджень та архітектурних робіт. Від нашого імени, обмірковувати крок за кроком, що потрібно додати до PRP, а потім поміщати туди. Наш кінцевий результат: наприклад, у нас буде новий PRP в папці PRP. Я зроблю паузу і повернуся, як тільки він буде згенеровано.
Наш PRP згенеровано. Насправді, наступне, що я хочу пройти з вами, принаймні на. Високому рівні, як ми можемо зайти та перевірити наш PRP. Ви не хочете сліпо довіряти AI-інструменту для кодування. Знаєте, Відверто кажучи, валідація надзвичайно важлива, в такому дусі. На високому рівні я покажу, як це виглядає. Якщо ви бачили моє останнє відео, то все буде досить схоже. Я все ж таки хочу зануритися та показати вам, як це виглядає з погляду створення AI-агентів з Pydantic AI. Отже,
Ми взяли нашу базову PRP для Pydantic AI. Фактично, ми взяли наш початковий MD але це дитя цих двох речей. Саме це ми використовуватимемо для створення нашого агента. Тут є основні принципи, що в принципі, робити, а чого не робити, щось на зразок. У нас є саме те, що ми загалом, тут будуємо, з усією необхідною документацією, десь так. Це чудове поєднання онлайн-ресурсів, наявних прикладів у нашій папці прикладів. Він завантажить усі ці речі в контекст, коли вперше створить нашого агента. Хочу, щоб це відбулося. Навіть включаючи документацію для таких речей, як Gmail і. Brave, щоб він знав, як правильно створювати наші інструменти. AI-інструменти кодування люблять галюцинувати спосіб, у який ми використовуємо ці. Щоб було ясно, конкретні API, коли у них немає доступу до цієї документації.
У цього PRP немає кінцевої структури коду. Ми звернули на це увагу в базовому PRP. Можливо, я попрошу його повторити та додати це в PRP, і ви. Обов’язково зіткнетеся з деякими деталями, наприклад, як-от: “О, це не зовсім правильно”. Ви захочете відредагувати його самостійно або попросити його змінити. Будьте частиною процесу. Валідуйте та повторюйте PRP, перш ніж надсилати його на виконання. Він висвітлює уявіть собі, Pydantic AI, найкращі практики, говорячи про наш стек. Не збираюся докладно вдаватися до всього, це виглядає досить добре.
Останнє, що я хочу розглянути – це так звані ворота валідації. Це одна з моїх улюблених частин рамки PRP, тому. Що ви завжди хочете описати AI-інструменту для кодування в PRP. Що вам потрібно зробити, щоб насправді перевірити, що ваш код хороший? І це не означає, що він гарантовано буде ідеальним, але змушуючи його робити такі речі, як писати модульні тести та повторювати їх, поки всі вони не будуть пройдені. Все це дуже потужно. У цьому випадку, дозвольте мені прокрутити вниз до воріт валідації. Не обов’язково потрібно робити валідацію безпеки та інтеграційне тестування. Чесно кажучи, безумовно, це те, що я зазвичай закінчую чистити, коли воно, так би мовити, трохи перебільшує.
Щоб показати вам приклад того, як я буду вносити зміни, перш ніж виконати PRP. Виглядає добре. Він також дає оцінку впевненості, що є ще одним професійним порадою. Я можу сказати: “Що потрібно, щоб отримати 10 з 10 балів із впевненості? ” Він попросить мене про кілька наступних питань, а потім відрегулює. PRP далі, щоб додати все, у чому він зараз не дуже впевнений. Це ще знаєте, одна річ, яку потрібно зробити. Просто щоб начебто, отримати кращі результати після того, як ви перейдете до імплементації, приблизно так. Воно просто припустимо, каже, що воно не зовсім розуміє, як правильно виконати Gmail OAuth 2. Зараз через цей процес я збираюся дивіться, переробити PRP повністю і повернутися, і ми зможемо його виконати.
Так і PRP вже уточнено. Цікаво, мені не потрібно ще раз показувати все. Ми можемо перейти до виконання нашого PRP. Справа в тому, що
Коли ви копіюєте шаблон у нову папку от, за допомогою. Скрипта копіювати шаблон Python, ми беремо начебто, оригінал readme, я просто перейменовую його. Тут, тому що ви також хочете, щоб ваш AI-інструмент для кодингу створив новий readme для вашого агента після того, як ви його створите. Я просто перейменувала його на readme_template. Насправді, тут є всі інструкції, які я показувала вам в GitHub раніше.
типу,
Ми заповнили наш початковий MD, приблизно так. Ми згенерували дивіться, наш PRP і тепер ми можемо його виконати. Команда для цього, скажімо, і що я рекомендую робити, – це очищення бесіди перед виконанням PRP, тому. Що ви не хочете, щоб весь старий контекст залишився з того моменту, коли ви його генерували. Зайду в Claude. Можна також виконати команду /clear, а потім, незалежно від вашого AI-інструменту для кодування, ви можете розпочати нову сесію. Потім команда, яку я зараз використаю, це slashexecute pydantic AI PRP (Tab для завершення автозаповнення). Я передам шлях до мого PRP оскільки це PRPS research_email_agent_CLI. Md але яка назва, яку вигадав AI-інструмент кодингу. Ось.
приблизно, дивіться,
Shift+Tab для автозаповнення оскільки і ми почали.
Агент вже створюється. Цей процес потребуватиме певного часу, тому що у. Нас такий великий набір інструкцій та багато контексту. Результати, які ми отримуємо з цього знову й знову, просто вражають. Я зроблю паузу і повернуся, як тільки ми створимо початкову версію нашого агента.
Ось і наш агент готовий. Я повторювала двічі після запису, щоб виправити кілька дрібних деталей. Він не зовсім правильно обробляв історію бесід у CLI. Це було дивовижно. Майже все було зроблено одним пострілом. Тут два агенти, тому що у нас один. Для досліджень, а інший – для електронних листів. Я перевірила код і все підтвердила. Це перевірка того, що він не просто кодує, в такому дусі. Щоб було ясно, треба розуміти, що він виводить, і слід самостійно все перевірити. Мені все виглядало дуже добре. Звичайно, ви можете переглянути цей репозиторій, якщо хочете. Я залишу посилання нижче, дивіться, щоб ви могли самостійно переглянути кінцевий результат.
Я буквально просто дотримувалася інструкцій, щоб налаштувати все самостійно. Мої змінні середовища, облікові дані для Gmail, моє віртуальне середовище. Я все налаштувала. Тепер я можу запустити це в командному рядку. Python дослідженняелектронна поштаcli проте py. Простіше кажучи, у нас буде дуже схоже демо на те, що я показала на початку відео. Я скажу просто: “Пошукай останні новини про cloud code і відправ чернетку знайденого мені на пошту”. Це не має значення для простого демо та він спочатку використовуватиме Brave API. Все проте буде пошук у мережі але так. Він перейде до мого субагента електронної пошти, щоб створити для мене цей чернетку.
Це займе деякий час, тому що він збирається створити повне електронне повідомлення. Мені повідомить, що чернетка електронного листа вже створена. Ось. Все готово. Я подивлюся чернетки на іншому моніторі. Так і чудово. Остання інформація про cloud code мені. Електронний лист може бути трохи банальним. Звісно, можна попрацювати уявіть собі, над підказкою системи, щоб він дійсно звучав так, як вам подобається. Тут, напевно, багато можливостей для подальших ітерацій над цим агентом. Це лише демонстрація, яку я хотіла мати для вас, щоб почати працювати з фреймворком PRP, щоб розпочати новий проєкт. Цей процес легко масштабується.
У описі приблизно, будуть посилання на шаблон Pydantic AI, приблизно так. У вас є readme, щоб пройти той самий процес. Я навіть дам посилання на цього агента, якого. Я створила, щоб можна було ознайомитися з кінцевими результатами.
Це все, що я маю зараз для. Контекстної інженерії та фреймворку PRP для агентів Pydata AI. Сподіваюся, що ви вважали це цінним, використовуєте це та будуєте будь-якого. AI-агента, якого хочете, та багато інших шаблонів для інших варіантів використання. Будьте готові до цього. Якщо ви оцінили цей контент, хочете дізнатися більше про кодинг. Та штучний інтелект, я буду вдячна за лайк та підписку. З вами була Ліла Харт хоча до зустрічі в наступному.
