Cursusaanbod

Inleiding tot LLM Agent Systeem

  • Concepten van LLM-agenten en multi-agentarchitectuur
  • Overzicht van AutoGen framework en ecosystem
  • Agentrollen: gebruikerproxy, assistent, functie-oproeper en meer

Installeren en Configureren van AutoGen

  • Het instellen van de Python omgeving en afhankelijkheden
  • Basis van het configuratiefbestand van AutoGen
  • Verbinden met LLM-leveranciers (OpenAI, Azure, lokale modellen)

Ontwerp van Agents en Toewijzing van Rollen

  • Begrijpen van agenttypen en gesprekspatronen
  • Definiëren van agentdoelen, prompts en instructies
  • Taaktoewijzing en stuurstroom op basis van rollen

Functie-oproepen en Integratie van Hulpmiddelen

  • Functies registreren voor gebruik door agenten
  • Autonome en samenwerkende functie-uitvoering
  • Externe API's en Python scripts met agenten verbinden

Conversatie Management en Geheugen

  • Sessietracking en persistent geheugen
  • Berichtgeving van agent tot agent en tokenbehandeling
  • Beheren van conversatiecontext en geschiedenis

Eind-op-eind Agent Workflows

  • Het bouwen van meervoudige stapsamenwerkende taken (bijvoorbeeld documentanalyse, codebeoordeling)
  • Simuleren van gebruikers-agenten dialogen en beslissingsketens
  • Foutopsporing en verfijnen van agentprestaties

Use Cases en Implementatie

  • Interne automatiseringsagenten: onderzoek, rapportering, scripting
  • Externe bots: chatassistenten, stemintegraties
  • Agentensystemen in productie pakken en implementeren

Samenvatting en Volgende Stappen

Vereisten

  • Een begrip van Python programmeren
  • Vertrouwdheid met grote taalmodellen en prompt engineering
  • Ervaring met APIs en automatiseringswerkstromen

Publiek

  • AI-ingenieurs
  • ML-ontwikkelaars
  • Automatiseringsarchitecten
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën