Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Zusammenfassung der Kernkonzepte von AutoGen
- Definitionen für Agenten und Gruppen
- Funktionsaufrufe und Rollenketten
- Grenzen eingebaute Agents und Anwendungsbereiche für Anpassungen
Erstellen von benutzerdefinierten Agenten mit Python
- Definieren des Verhaltens von Agenten mithilfe der Unterklasse user_proxy und AssistantAgent
- Einfügen spezifischer Logik und Entscheidungen für Rollen
- Erstellen wiederverwendbarer Agentenmodule und Mixins
Fortschrittliche Werkzeuginegration und Routing
- Anmelden, Binden und Aufrufen von Werkzeugen
- Konditionelles Routen von Eingaben zu bestimmten Werkzeugen
- Verwaltung von mehrstufigen Werkzeugketten und komplexen Aktionen
Planung und Kontext Management
- Entwerfen von Aufgabenzerlegern und Zwischenplanern
- Erhaltung des Kontextes über verkettete Agenten hinweg
- Implementierung einer umfangsgerechten Speicherkapazität für lange Sitzungen
Fehlerbehandlung und Wiederherstellungsmethoden
- Erfassung und Management von fehlgeschlagenen oder unvollständigen Interaktionen
- Von Agenten ausgelöste erneuten Versuche und Fallback-Logik
- Protokollierung, Debugging und Validierung der Antwort
Mehrere Agenten Collaboration mit benutzerdefinierten Rollen
- Koordination von Spezialisten in dynamischen Agentengruppen
- Ausführen von Schleifen für den logischen Prozess und Zusammenarbeitsszenarien
- Scheidung oder Verbindung von Rollen bei der Aufgabenverteilung
Einsatzstrategien in der Praxis
- Optimierung zur Leistung und Kosten (Tokennutzung, Caching)
- Einbetten AutoGen-Workflows in Webanwendungen oder Pipeline-Systeme
- Sicherheit, Überwachbarkeit und Integration von Benutzerzurückmeldungen
Zusammenfassung und Nächste Schritte
Voraussetzungen
- Fachkenntnisse in Python Programmierung
- Erfahrung bei der Entwicklung von LLM-basierten Anwendungen
- Vertrautheit mit Funktionsaufrufen und der Design von Multi-Agent-Systemen
Zielgruppe
- Fachentwickler (Senior)
- Platform Engineers
- AI-Architekten
14 Stunden
Erfahrungsberichte (1)
Trainer beantwortet Fragen spontan.
Adrian
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Maschinelle Übersetzung