Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do systemów agentów LLM

  • Agenty LLM i koncepcje architektury wieloagentowej
  • Przegląd frameworka AutoGen i jego ekosystemu
  • Role agentów: proxy użytkownika, asystent, wywoływacz funkcji i inne

Instalacja i konfiguracja AutoGen

  • Konfiguracja środowiska Python i zależności
  • Podstawy plików konfiguracyjnych AutoGen
  • Łączenie z dostawcami LLM (OpenAI, Azure, modele lokalne)

Projektowanie agentów i przypisywanie ról

  • Zrozumienie typów agentów i wzorców konwersacji
  • Definiowanie celów, promptów i instrukcji dla agentów
  • Delegowanie zadań i kontrola przepływu na podstawie ról

Wywoływanie funkcji i integracja narzędzi

  • Rejestrowanie funkcji do użycia przez agentów
  • Autonomiczne i współpracujące wykonywanie funkcji
  • Łączenie zewnętrznych API i skryptów Python z agentami

Zarządzanie konwersacjami i pamięcią

  • Śledzenie sesji i trwała pamięć
  • Komunikacja między agentami i zarządzanie tokenami
  • Zarządzanie kontekstem i historią konwersacji

Kompletne przepływy pracy agentów

  • Budowanie wieloetapowych zadań współpracujących (np. analiza dokumentów, przegląd kodu)
  • Symulowanie dialogów użytkownik-agent i łańcuchów decyzyjnych
  • Debugowanie i udoskonalanie działania agentów

Przypadki użycia i wdrożenie

  • Agenty automatyzacji wewnętrznej: badania, raportowanie, skrypty
  • Boty zewnętrzne: asystenci czatowi, integracje głosowe
  • Pakowanie i wdrażanie systemów agentów w produkcji

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie programowania w Pythonie
  • Znajomość dużych modeli językowych i inżynierii promptów
  • Doświadczenie w pracy z API i przepływami pracy automatyzacji

Grupa docelowa

  • Inżynierowie AI
  • Programiści ML
  • Architekci automatyzacji
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie