Kontakt aufnehmen

Schulungsübersicht

Einführung in LLM-Agenten-Systeme

  • Konzepte von LLM-Agenten und multi-agentischer Architektur
  • Überblick über das AutoGen-Framework und das Ökosystem
  • Agentenrollen: User Proxy, Assistent, Funktion-Aufrufer und mehr

Installation und Konfiguration von AutoGen

  • Einrichten der Python-Umgebung und Abhängigkeiten
  • Grundlagen der AutoGen-Konfigurationsdatei
  • Verbindung zu LLM-Anbietern (OpenAI, Azure, lokale Modelle)

Agentendesign und Rollenzuweisung

  • Verständnis von Agententypen und Gesprächsmustern
  • Definition von Agentenzielen, Prompts und Anweisungen
  • Rollenspezifische Aufgabenübertragung und Kontrollfluss

Funktion-Aufrufe und Tool-Integration

  • Registrierung von Funktionen zur Nutzung durch Agenten
  • Autonome und kollaborative Funktionsausführung
  • Anbindung externer APIs und Python-Skripte an Agenten

Gesprächsmanagement und Speicher

  • Sitzungsverfolgung und persistenter Speicher
  • Agent-zu-Agent-Nachrichten und Token-Verarbeitung
  • Verwaltung des Gesprächskontexts und der Historie

End-to-End-Agentenworkflows

  • Aufbau mehrstufiger kollaborativer Aufgaben (z. B. Dokumentanalyse, Code-Review)
  • Simulation von Benutzer-Agent-Dialogen und Entscheidungsketten
  • Fehlersuche und Verfeinerung der Agentenleistung

Anwendungsfälle und Bereitstellung

  • Interne Automatisierungsagenten: Forschung, Berichterstellung, Skripting
  • Extern ausgerichtete Bots: Chat-Assistenten, Sprachintegrationen
  • Paketierung und Bereitstellen von Agenten-Systemen in der Produktion

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in der Python-Programmierung
  • Vertrautheit mit Large Language Models und Prompt Engineering
  • Erfahrung mit APIs und Automatisierungsworkflows

Zielgruppe

  • KI-Ingenieure
  • ML-Entwickler
  • Architekten für Automatisierung
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien