บทนำสู่ระบบ Multi-Agent

AI Agents ด้วย Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

สถานการณ์: Career Advisor Agent

คำขอนี้ประกอบด้วยหลายงาน:

อัปเดต Resume
ค้นหางาน
เตรียมตัวสัมภาษณ์
วิจัยเงินเดือน

แต่ละงานต้องการเครื่องมือและ workflow ที่แตกต่างกัน!

ทำไมต้องใช้ระบบ Multi-Agent?

ใช้ทีม agent ที่เชี่ยวชาญเฉพาะด้าน
แต่ละ agent มุ่งเน้นงานหรือโดเมนเดียว
ลดภาระและความสับสน

Specialized Resume Agent

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

Company Research Specialist

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

สร้าง specialized agent เพิ่มเติมด้วยรูปแบบเดียวกัน

Manager Agent

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

มอบหมายงานให้ผู้เชี่ยวชาญที่เหมาะสมตามคำอธิบายของแต่ละ agent
ประสานงาน specialist agent 4 ตัวผ่านพารามิเตอร์ managed_agents
ได้ประโยชน์จากโมเดลที่มีความสามารถด้าน reasoning และการประสานงานสูง

Multi-Agent Orchestration

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

มาฝึกกันเถอะ!

AI Agents ด้วย Hugging Face smolagents