Kerangka Materi

Pengenalan Sistem Agen LLM (Large Language Model)

  • Konsep agen LLM dan arsitektur multi-agen
  • Overview dari kerangka kerja AutoGen dan ekosistemnya
  • Peran agen: proxy pengguna, asisten, pemanggil fungsi, dan lainnya

Instalasi dan Konfigurasi AutoGen

  • Menyiapkan lingkungan Python dan ketergantungannya
  • Apa itu file konfigurasi dasar AutoGen
  • Menghubungkan dengan penyedia LLM (OpenAI, Azure, model lokal)

Desain Agen dan Penugasan Peran

  • Pemahaman tentang jenis agen dan pola percakapan
  • Menentukan tujuan, prompt, dan instruksi agen
  • Pengalihan tugas berbasis peran dan aliran kendali

Pemanggilan Fungsi dan Integrasi Alat

  • Mendaftarkan fungsi untuk digunakan oleh agen
  • Eksekusi fungsi otonom dan kolaboratif
  • Menghubungkan API eksternal dan skrip Python ke agen

Konversasi Management dan Memori

  • Pelacakan sesi dan memori persisten
  • Pesan antaragen dan penanganan token
  • Manajemen konteks dan riwayat percakapan

Alur Kerja Agen dari Awal hingga Akhir

  • Membangun tugas kolaboratif multi-langkah (mis., analisis dokumen, tinjauan kode)
  • Simulasi dialog pengguna-agen dan rantai keputusan
  • Debugging dan peningkatan kinerja agen

Use Cases dan Implementasi

  • Agen otomatisasi internal: penelitian, laporan, scripting
  • Bots menghadap eksternal: asisten obrolan, integrasi suara
  • Pemaketan dan implementasi sistem agen di produksi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Mempahami pemrograman Python
  • Kenali model bahasa besar dan prompt engineering
  • Pengalaman dengan API dan alur kerja otomatisasi

Audience

  • Insinyur AI
  • Pengembang ML
  • Arkitek otomatisasi
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Upcoming Courses (Minimal 5 peserta)

Kategori Terkait