Kursplan

Översikt av AutoGen grundläggande koncept

  • Definiering av agenter och grupper
  • Funktioner som anropas och roller som länkas samman
  • Begränsningar för inbyggda agenter och var anpassning krävs

Skapande av anpassade agenter med Python

  • Definiera agenter med beteende genom att använda underklasser av user_proxy och AssistantAgent
  • Injektion av rollspecifik logik och beslutsfattande
  • Skapa återanvändbara agentmoduler och mixins

Avancerad integrering och vägning av verktyg

  • Registrering, bindning och anrop av verktyg
  • Villkorlig vägning av ingångar till specifika verktyg
  • Hantering av multistegsverktygskedjor och sammansatta åtgärder

Planering och sammanhang Management

  • Designa uppgiftsdelnare och mellanstegsplanerare
  • Behålla sammanhang över kedjade agenter
  • Implementera inskränkt minne för långvariga sessioner

Felhantering och återställningsmekanismer

  • Detektering och hantering av misslyckade eller ofullständiga interaktioner
  • Agerar agentutlösta omförsök och fallbacklogik
  • Loggning, felsökning och validering av svar

Multi-Agent Collaboration med anpassade roller

  • Koordinera specialister inom dynamiska agentgrupper
  • Orkestrera resonemangslopp och samarbetsflöden
  • Rollseparation vs. rollblandning vid uppgiftsuppdelning

Strategier för verklighetsbaserad distribuering

  • Optimerar för prestanda och kostnad (tokenanvändning, cachning)
  • Inbäddning av AutoGen arbetsflöden i webbappar eller pipeliner
  • Säkerhet, observerbarhet och integration av användaråterkoppling

Sammanfattning och nästa steg

Krav

  • Kompetens i Python-programmering
  • Erfarenhet av byggande med LLM-baserade applikationer
  • Kännedom om funktioner som anrop och design av multi-agent-system

Målgrupp

  • Erfarna utvecklare
  • Plattformstekniker
  • AI-arkitekter
 14 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier