Kursplan

Introduksjon til LLM-agent systemer

  • Konsepter om LLM-agenter og multi-agent arkitektur
  • Oversikt over AutoGen-rammeverket og økosystemet
  • Agentroller: brukerproxy, assistent, funksjonskaller, og mer

Installasjon og konfigurasjon av AutoGen

  • Oppsetning av Python-miljø og avhengigheter
  • Grunnleggende om AutoGen-konfigurasjonsfiler
  • Tilkobling til LLM-leverandører (OpenAI, Azure, lokale modeller)

Agentdesign og rolletilordning

  • Forståelse av agenttyper og samtalemønstre
  • Definering av agentmål, oppfordringer og instruksjoner
  • Oppgavefordeling basert på roller og kontrollflyt

Funksjonskalling og verktøyintegrasjon

  • Registrering av funksjoner for agentbruk
  • Selvstendig og samarbeidsbasert funksjonsutførelse
  • Tilkobling av eksterne APIer og Python-skripter til agenter

SamtaleManagement og minne

  • Sporsporing og varig minne
  • Agent-mellom-agent meldinger og tokenhåndtering
  • Håndtering av samtalekontekst og historie

End-to-end agentarbeidsflyter

  • Bygging av multi-trinns samarbeidsoppgaver (f.eks. dokumentanalyse, kodegjennomgang)
  • Simulering av bruker-agent dialoger og beslutningskjeder
  • Feilsøking og forbedring av agentprestasjon

Use Caseer og distribusjon

  • Interne automatiseringsagenter: forskning, rapportering, skripting
  • Eksterne chatbots: chat-assistenter, stemmeintegrasjoner
  • Pakking og distribusjon av agentsystemer i produksjon

Oppsummering og neste trinn

Krav

  • En forståelse av Python programmering
  • Kjennskap med store språkmodeller og prompt engineering
  • Erfaring med APIer og automatiseringsarbeidsflyter

Målgruppe

  • AI ingeniører
  • ML utviklere
  • Automasjonsarkitekter
 21 timer

Antall deltakere


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories