Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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
Testimoni (1)
Pelatih menjawab pertanyaan secara langsung.
Adrian
Kursus - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Machine Translated