AI导哈

AI代理工作流构建工具

提供从本地到云端的AI代理工作流构建与xAI集成，适用于教育、开发和企业AI系统开发。

  • by MortadhaMannai
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 MortadhaMannai/Tunisia-AI-Uni-Tour-2026-Agentic-AI-Workflows-on-Google-Vertex-AI-Workshops-Series

使用说明

2026年突尼斯人工智能之旅-谷歌顶点人工智能代理工作坊系列

（涵盖突尼斯北部至南部的所有大学）

用xAI构建代理AI工作流——从代码到行动

此存储库包含在 谷歌顶点人工智能代理工作坊系列，在 2026年突尼斯人工智能大学之旅 .

它演示了如何 逐步构建智能人工智能系统，从a开始 本地AI代理 并朝着 Google Vertex AI上的云级代理工作流，重点关注 可解释性（xAI） 负责任的AI。

什么是突尼斯AI巡回赛'26？

突尼斯AI巡回赛'26 是一次全国性的教育之旅，带来实践 代理人工智能研讨会 突尼斯各地的大学。

从数据到部署，参与者不仅学习人工智能 构建真正的智能代理 使用行业工具，如 谷歌顶点AI.

除了技术，这次巡演还植根于影响力 研讨会收益的50%捐赠 通过 突尼斯红新月会.

教育、机会和责任在全国范围内共同发展。 🇹🇳✨

达到目标：+3000名学生！

仓库结构

Google vertex-AI agent-workshop/
│
├── local-ai-agent/                 # Demo 1: Local agent (Ollama + Python)
│   ├── agent.py
│   ├── llm.py
│   ├── main.py
│
├── agent-demo (VScode) demo 2/      # Demo 2: Agentic AI with prediction + actions
│
├── Vertex AI Agent Builder/         # Vertex AI managed agent approach
│
├── Presentation/                   # Slides used during the workshop
├── Ressources/                     # Reading material and references
│
├── GOOGLE VERTEX AI DEMO TAKEWAY.pdf
├── ressources links.pdf
└── README.md

你将学到什么

通过跟踪此存储库，您将学习如何：

  • 理解 代理 AI vs 生成 AI
  • 建立一个 多步自主人工智能代理
  • 分开 基于代理控制的LLM推理
  • 实施 计划、记忆、自主性和停止逻辑
  • 添加 可解释性（xAI） 代理决策
  • 将代理扩展到 顶点AI管道和代理生成器

此存储库旨在用于：

  • 学生
  • 开发者
  • 数据科学家
  • 人工智能工程师
  • 教育工作者举办实践研讨会

架构概述

研讨会遵循 进步建筑，从本地开始，扩展到Google Vertex AI。

美人鱼图-代理AI架构（GitHub渲染）

flowchart TD
    U[User Goal or Prompt]

    A[AI Agent Control Layer
    Planning
    Memory
    Autonomy
    Stopping Logic]

    LLM[LLM Reasoning Engine
    Ollama or Vertex LLM]

    T[Tools and Actions
    APIs
    Models
    Databases
    External Systems]

    XAI[Explainable AI Layer
    SHAP
    Reason Logs
    Auditability]

    O[Final Output or Action]

    U --> A
    A --> LLM
    A --> T
    LLM --> A
    T --> A
    A --> XAI
    XAI --> O

为什么这种架构很重要

  • 这 LLM不是代理人
  • 代理人拥有规划、记忆和决策
  • 可解释性是设计固有的
  • 相同的结构在本地和生产中都适用
  • 这反映了真实的企业人工智能系统

演示1：本地代理AI（从头开始）

此演示运行 100%本地 使用 奥拉玛 和Python。 没有API密钥。不需要云。

[安装、代码和执行步骤与上一版本完全相同]

演示2：代理AI+预测+xAI

场景

一个AI助手：

  1. 从API收集数据
  2. 使用训练好的模型运行预测
  3. 使用xAI技术解释决策
  4. 自主行动
  5. 记录每一步以实现可追溯性

顶点AI架构

本节展示了相同的代理架构是如何映射的 直接 谷歌云顶点AI。

美人鱼图-顶点AI生产架构

flowchart TD
    U[User or Application]

    AG[Vertex AI Agent Builder
    Agent Logic
    Orchestration]

    M[Vertex AI Models
    Gemini
    Custom Models]

    P[Vertex AI Pipelines
    Workflow Automation]

    FS[Feature Store
    Data Sources]

    XAI[Vertex Explainable AI
    SHAP
    Attribution
    Monitoring]

    ACT[Actions
    APIs
    Cloud Functions
    External Systems]

    LOG[Logging
    Monitoring
    Governance]

    U --> AG
    AG --> M
    AG --> P
    AG --> ACT
    M --> XAI
    P --> LOG
    ACT --> LOG
    XAI --> LOG

顶点AI组件详解

  • 代理生成器 管理代理逻辑、自主性和编排

  • 顶点AI模型 用于推理和推断的LLM和预测模型

  • 顶点管道 端到端工作流自动化和执行

  • 可解释的AI 透明度、信任和监管准备

  • 治理和监控 记录、审计和安全生产

本地到云映射

本地工作坊组件 顶点AI等效
Python代理 代理生成器
Ollama LLM 顶点LLM
本地内存 功能存储
Python逻辑 管道
日志 云日志
SHAP 顶点可解释AI

教学笔记

  • 聊天机器人响应
  • 代理人决定
  • xAI解释
  • 生产系统审核一切

资源

作者和研讨会负责人

工程师Manai Mohamed Mortadha先生

  • 美国网飞公司高级人工智能工程师
  • 人工智能专家顾问，Tegus美国
  • 加拿大圣玛莉大学可解释人工智能（xAI）博士生
  • 国际人工智能演讲者（领英顶级人工智能声音）
  • Man.AI Global首席执行官兼人工智能研发主管
  • 英国Packt出版社人工智能专家审稿人兼作者

链接：

  • 社会化媒体：https://taplink.cc/manaimortadha
  • LinkedIn个人资料：https://www.linkedin.com/in/mannai-mortadha/
  • GitHub投资组合：https://github.com/MortadhaMannai
  • Leetcode配置文件：https://leetcode.com/u/mannaimortadha898/
  • Meduim博客：https://www.google.com/url?q=https://manaimortadha.medium.com/
  • 会话配置文件：https://www.google.com/url?q=https://sessionize.com/Mortadha_Mannai
  • 电子邮件：mannaimortadha898@gmail.com

2026年突尼斯人工智能大学之旅 在Google Vertex AI上使用xAI构建代理AI工作流——从代码到操作

相关 MCP