Kom i kontakt
 Varaktighet 14 timmar

Kursplan

Genomgång av AutoGens kärnkoncept

  • Definition av agenter och grupper
  • Function calling och rollkedjor
  • Begränsningar med inbyggda agenter och var anpassning behövs

Skapande av anpassade agenter med Python

  • Att definiera agentbeteende med hjälp av user_proxy- och AssistantAgent-underklasser
  • Infoga rollspecifik logik och beslutsfattande
  • Skapa återanvändbara agentmoduler och mixins

Avancerad integrering och styrning av verktyg

  • Registrering, bindning och anrop av verktyg
  • Villkorsstyrd styrning av indata till specifika verktyg
  • Hantering av flerstegs verktygskedjor och kompositaktioner

Planering och kontexthantering

  • Design av uppgiftsdekomponerare och mellanstegsplanörer
  • Att bibehålla kontext över kedjade agenter
  • Implementering av scoped minne för långvarande sessioner

Felhantering och återställningsmekanismer

  • Detektering och hantering av misslyckade eller ofullständiga interaktioner
  • Agentaktiverade återförsök och fallback-logik
  • Loggning, felsökning och verifiering av svar

Multi-agent samarbete med anpassade roller

  • Koordinering av specialister inom dynamiska agentergrupper
  • Orkestrering av resoneringsloopar och kooperativa arbetsflöden
  • Rollseparation vs. rollblandning i uppgiftstilldelning

Strategier för realiserad implementering

  • Optimering för prestanda och kostnad (tokenanvändning, caching)
  • Integrering av AutoGen-arbetsflöden i webbappar eller pipelinear
  • Säkerhet, observerbarhet och integrering av användarfeedback

Sammanfattning och nästa steg

Krav

  • Goda kunskaper i Python-programmering
  • Erfarenhet av att bygga LLM-baserade tillämpningar
  • Kunskap om function calling och design av multi-agentsystem

Målgrupp

  • Seniora utvecklare
  • Plattformstekniker
  • AI-arkitekter

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier