Bądźmy w kontakcie
 Czas trwania 21 godzin

Plan Szkolenia

Wprowadzenie do systemów agentów LLM

  • Pojęcia agentów LLM i architektury wieloagentowej
  • Przegląd frameworka AutoGen i jego ekosystemu
  • Role agentów: proxy użytkownika, asystent, wywołujący funkcje i inne

Instalacja i konfiguracja AutoGen

  • Ustawianie środowiska Pythona i zależności
  • Podstawy pliku konfiguracyjnego AutoGen
  • Połączanie się z dostawcami LLM (OpenAI, Azure, modele lokalne)

Projektowanie agentów i przypisywanie ról

  • Rozumienie typów agentów i wzorców konwersacji
  • Definiowanie celów agentów, promptów i instrukcji
  • Delegowanie zadań na podstawie ról i sterowanie przepływem sterowania

Wywoływanie funkcji i integracja narzędzi

  • Rejestracja funkcji do użycia przez agentów
  • Autonomiczne i współdzielone wykonywanie funkcji
  • Integracja zewnętrznych API i skryptów Pythona z agentami

Zarządzanie konwersacją i pamięcią

  • Śledzenie sesji i trwała pamięć
  • Wyłączanie wiadomości między agentami i obsługa tokenów
  • Zarządzanie kontekstem i historią konwersacji

Workflowy agentów end-to-end

  • Budowanie wieloetapowych zadań kooperacyjnych (np. analiza dokumentów, przegląd kodu)
  • Symulacja dialogów użytkownik-agent i łańcuchów decyzji
  • Debugowanie i optymalizacja wydajności agentów

Przypadki użycia i wdrażanie

  • Agenci automatyzacji wewnętrznej: badania, raportowanie, skryptowanie
  • Boty zewnętrzne: asystenci czatu, integracje głosowe
  • Pakowanie i wdrażanie systemów agentowych w środowisku produkcyjnym

Podsumowanie i dalsze kroki

Wymagania

  • Znajomość programowania w Pythonie
  • Znajomość dużych modeli językowych oraz inżynierii promptów (prompt engineering)
  • Doświadczenie w pracy z API i workflow automatyzacji

Grupa docelowa

  • Inżynierowie AI
  • Programiści ML
  • Architekci automatyzacji

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie