Inżynieria Agentic AI w Pythonie — tworzenie autonomicznych agentów - Plan Szkolenia

Fundamenty Agentic AI

• Czym jest agent autonomiczny: definicje i taksonomia,
• Pętla agenta: cykl percepcji, decyzji, działania i obserwacji,
• Wzorce projektowe dla zakresu odpowiedzialności agentów.

Narzędzia Pythona i SDK dla agentów

• Korzystanie z LangChain i podobnych SDK do uruchamiania agentów,
• Programowanie asynchroniczne, kolejki zadań i zarządzanie procesami podrzędnymi,
• Pakowanie, środowiska wirtualne i odtwarzalne przepływy pracy deweloperskiej.

Integracja zewnętrznych narzędzi i API

• Projektowanie interfejsów narzędzi i bezpiecznych wzorów wywoływania,
• Połączenia z API webowymi, bazami danych i usługami wewnętrznymi,
• Zarządzanie poświadczeniami, sekretami i dostępem opartym na zasadzie najmniejszych przywilejów.

Pamięć, stan i zarządzanie kontekstem

• Okna kontekstu krótkoterminowego i techniki inżynierii promptów,
• Architektury pamięci długoterminowej: Redis, repozytoria wektorowe, augmentacja wyszukiwania (RAG),
• Konsekwencja, strategie cache’owania i higiena pamięci.

Orkiestracja, planowanie i wieloetapowe przepływy

• Łączenie akcji, podagenci (subagents) i dekompozycja zadań,
• Algorytmy planowania a orkiestracja heurystyczna,
• Obsługa awarii, ponowień i akcji kompensujących.

Bezpieczeństwo, testowanie i obserwowalność

• Modele zagrożeń, testy red-team i sterylizacja danych wejściowych/wyjściowych,
• Testy jednostkowe, integracyjne i końcowe (end-to-end) dla agentów,
• Dzienniki (logi), metryki, trace’owanie i alerty dotyczące zachowań agentów.

Wdrażanie, skalowanie i MLOps dla agentów

• Konteneryzacja, pipeline’y CI/CD i strategie rolloutu,
• Kontrola kosztów, ograniczanie przepustowości (rate limiting) i optymalizacja zasobów,
• Monitorowanie, zarządzanie (governance) i playbook’e operacyjne.

Podsumowanie i kolejne kroki