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.
Dauer 14 Stunden
Schulungsübersicht
Wiederholung der Kernkonzepte von AutoGen
- Definitionen von Agenten und Gruppen
- Function Calling und Rollenketten
- Grenzen eingebauter Agenten und Bedarf an Anpassungen
Aufbau benutzerdefinierter Agenten mit Python
- Definition des Agentenverhaltens unter Verwendung von user_proxy und AssistantAgent-Unterklassen
- Integration rollenspezifischer Logik und Entscheidungsfindung
- Erstellung wiederverwendbarer Agentenmodule und Mixins
Erweiterte Tool-Integration und -Routing
- Registrierung, Bindung und Aufruf von Tools
- Bedingtes Routing von Eingaben an bestimmte Tools
- Verwaltung mehrstufiger Toolchains und zusammengesetzter Aktionen
Planung und Kontextverwaltung
- Gestaltung von Aufgabenzerlegern und Zwischenplanern
- Aufrechterhaltung des Kontextes über verkettete Agenten hinweg
- Implementierung von begrenztem Speicher für längere Sessions
Fehlerbehandlung und Wiederherstellungsmechanismen
- Erkennung und Verwaltung fehlgeschlagener oder unvollständiger Interaktionen
- Von Agenten ausgelöste Wiederholungen und Fallback-Logik
- Logging, Debugging und Antwortvalidierung
Multi-Agent-Zusammenarbeit mit benutzerdefinierten Rollen
- Koordination von Spezialisten innerhalb dynamischer Agentengruppen
- Orchestrierung von Schlussfolgerungsschleifen und kooperativen Workflows
- Rollenunterscheidung vs. Rollenverschmelzung bei der Aufgabenzuweisung
Strategien für den Echtbetrieb
- Optimierung für Leistung und Kosten (Token-Nutzung, Caching)
- Einbettung von AutoGen-Workflows in Web-Apps oder Pipelines
- Sicherheit, Beobachtbarkeit und Integration von Benutzerfeedback
Zusammenfassung und nächste Schritte
Voraussetzungen
- Sicherer Umgang mit der Programmiersprache Python
- Erfahrung im Aufbau von LLM-basierten Anwendungen
- Vertrautheit mit Function Calling und dem Design von Multi-Agent-Systemen
Zielgruppe
- Senior-Entwickler
- Plattform-Ingenieure
- AI-Architekten
Erfahrungsberichte (1)
Mir gefiel, dass er ständig Beispiele zur Verfügung stellte, aber auch Zeit für individuelle Arbeit an dem bereitstellte, was er vorgestellt hatte.
Iacob Giorgel
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Maschinelle Übersetzung
