LLM-ágensrendszerek építése az AutoGen segítségével Képzés

Bevezetés az LLM-ágensrendszerekbe

• LLM-ágensek és többágenses architektúra fogalmai
• Az AutoGen keretrendszer és ökoszisztéma áttekintése
• Ágensszerepek: felhasználói proxy, asszisztens, függvényhívó és egyebek

Az AutoGen telepítése és konfigurálása

• A Python-környezet és a függőségek beállítása
• Az AutoGen konfigurációs fájl alapjai
• Kapcsolódás LLM-szolgáltatókhoz (OpenAI, Azure, helyi modellek)

Ágenstervezés és szerepkiosztás

• Ágenstípusok és társalgási minták megértése
• Ágenscélok, promptok és utasítások meghatározása
• Szerepalapú feladatdelegálás és vezérlési folyamat

Függvényhívás és eszközintegráció

• Függvények regisztrálása ágensek általi használatra
• Autonóm és együttműködő függvényvégrehajtás
• Külső API-k és Python-szkriptek csatlakoztatása az ágensekhez

Társalgáskezelés és memória

• Munkamenet-követés és tartós memória
• Ágensek közötti üzenetküldés és tokenkezelés
• Társalgási kontextus és előzmények kezelése

Teljes körű ágensmunkafolyamatok

• Többlépéses együttműködő feladatok építése (pl. dokumentumelemzés, kódellenőrzés)
• Felhasználó-ágens párbeszédek és döntési láncok szimulálása
• Az ágensteljesítmény hibakeresése és finomítása

Felhasználási esetek és telepítés

• Belső automatizálási ágensek: kutatás, jelentéskészítés, szkriptelés
• Külső botok: chatasszisztensek, hangintegrációk
• Ágensrendszerek csomagolása és telepítése éles környezetben

Összefoglalás és következő lépések