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
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
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