Inżynieria agentowej AI w Pythonie — budowa autonomicznych agentów - Plan Szkolenia

Podstawy agentowej AI

• Czym jest agent autonomiczny: definicje i taksonomia
• Pętla agenta: cykl postrzegania, podejmowania decyzji, działania i obserwacji
• Wzorce projektowe dotyczące odpowiedzialności i zakresu agentów

Narzędzia Pythonowe i SDK dla agentów

• Wykorzystanie LangChain i podobnych SDK do szybkiego tworzenia agentów
• Programowanie asynchroniczne, kolejki zadań i zarządzanie podprocesami
• Pakowanie, środowiska wirtualne i powtarzalne przepływy pracy deweloperskiej

Integracja zewnętrznych narzędzi i API

• Projektowanie interfejsów narzędzi i bezpiecznych wzorców ich wywoływania
• Łączenie z internetowymi API, bazami danych i usługami wewnętrznymi
• Zarządzanie poświadczeniami, sekretami i dostępem z zasadą najmniejszych uprawnień

Zarządzanie pamięcią, stanem i kontekstem

• Krótkoterminowe okna kontekstu i techniki inżynierii promptów
• Architektury pamięci długoterminowej: Redis, magazyny wektorowe, rozszerzone wyszukiwanie
• Spójność, strategie buforowania i higiena pamięci

Orkiestracja, planowanie i wieloetapowe przepływy pracy

• Łączenie akcji, subagenci i dekompozycja zadań
• Algorytmy planowania a orkiestracja heurystyczna
• Obsługa awarii, ponowne próby i działania kompensujące

Bezpieczeństwo, testowanie i obserwowalność

• Modele zagrożeń, red-teaming oraz sanityzacja danych wejściowych i wyjściowych
• Testy jednostkowe, integracyjne i end-to-end dla agentów
• Logowanie, metryki, śledzenie i alertowanie zachowań agentów

Wdrażanie, skalowanie i MLOps dla agentów

• Konteneryzacja, potoki CI/CD i strategie wdrażania
• Kontrola kosztów, ograniczanie szybkości i optymalizacja zasobów
• Monitorowanie, nadzór i operacyjne podręczniki postępowania

Podsumowanie i kolejne kroki