Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
LLM Agent Rendszerek Bevezetése
- LLM ügynökök és több ügynökök architektúrájának alapelvei
- AutoGen keretrendszer és környezet áttekintése
- Ügynökök szerepei: felhasználó proxy, asszisztens, funkcióhívó és más
AutoGen Telepítése és Konfigurálása
- A Python környezet és függőségek beállítása
- AutoGen konfigurációs fájl alapjai
- OpenAI, Azure, helyi modellekhez való csatlakozás
Ügynöktervezés és Szerepkörbiztosítás
- Ügynöktípusok és beszélgetési minták megértése
- Ügynök célok, prompt-ek és utasítások meghatározása
- Szerepbiztosítással történő feladatdelegálás és vezérlési folyamat
Funkcióhívás és Eszközintegráció
- Funkciók ügynökök számára történő regisztrálása
- Független és együttműködő funkciók végrehajtása
- Ügynökökhöz történő külső API-k és Python szkriptcsatlakoztatás
Beszélgetés Management és Memória
- Munkamenet követés és tartós memória
- Ügynök-ügynek közti üzenetkezelés és tokenkezelés
- Beszélgetési kontextus és történet kezelése
Teljes Ügynökmunkafolyamatok
- Több lépésből álló együttműködő feladatok építése (pl. dokumentum elemzés, kódvizsgálat)
- Felhasználó-ügynek párbeszédek és döntési láncok szimulálása
- Ügynök teljesítményének hibakeresése és finomítása
Use Case-ök és Telepítés
- Belső automatizálási ügynökök: kutatás, jelentés, szkript
- Külső felületű botok: chatasszisztensek, hangintegrációk
- Ügynökrendszerek csomagolása és telepítése a termelésben
Összegzés és Következő Lépések
Követelmények
- Python programozási ismeretek
- Nagy nyelvi modellekkel és prompt engineeringgel való ismeret
- API-vel és automatikus munkafolyamatokkal való tapasztalat
Audience
- AI mérnökök
- ML fejlesztők
- Automatizálási architekták
21 Órák
Vélemények (1)
Kiképző válaszol a kérdésekre a repülőn.
Adrian
Kurzus - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Gépi fordítás