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
Überblick über die Kernkonzepte von AutoGen
- Definitionen von Agenten und Gruppen
- Funktionsaufrufe und Rollenkettung
- Einschränkungen integrierter Agenten und Stellen, an denen Anpassungen erforderlich sind
Bau von benutzerdefinierten Agenten mit Python
- Definition des Agentenverhaltens mittels Subklassen von user_proxy und AssistantAgent
- Einfügen rollenspezifischer Logik und Entscheidungsfindung
- Erstellen wiederverwendbarer Agenten-Module und Mixins
Fortschrittliche Werkzeugintegration und Routing
- Werkzeugregistrierung, -bindung und -aufruf
- Konditionales Routing von Eingaben zu spezifischen Werkzeugen
- Verwalten mehrstufiger Werkzeugketten und zusammengesetzter Aktionen
Planung und Kontextverwaltung
- Entwurf von Aufgabenzersetzern und Zwischengebern
- Kontext über gekettete Agenten hinweg aufrechterhalten
- Gescopedte Speicherimplementierung für langlaufende Sitzungen
Fehlerbehandlung und Wiederherstellungsmechanismen
- Erkennen und Verwalten fehlgeschlagener oder unvollständiger Interaktionen
- Vom Agenten angestossene Wiederholungen und Fallback-Logik
- Logging, Debugging und Validierung der Antwort
Multi-Agent-Zusammenarbeit mit benutzerdefinierten Rollen
- Koordination von Spezialisten innerhalb dynamischer Agentengruppen
- Orchestrierung von Schlussfolgerungs-Schleifen und kooperativen Workflows
- Rollentrennung vs. Rollenmischung bei Aufgabenzuweisungen
Strategien für den produktiven Einsatz
- Optimierung für Leistung und Kosten (Token-Verbrauch, Caching)
- Einbetten von AutoGen-Workflows in Web-Apps oder Pipelines
- Sicherheit, Beobachtbarkeit und Integration von Nutzerfeedback
Zusammenfassung und nächste Schritte
Voraussetzungen
- Kenntnisse in der Python-Programmierung
- Erfahrung im Aufbau von LLM-basierten Anwendungen
- Vertrautheit mit Funktionsaufrufen und dem Design von Multi-Agent-Systemen
Zielgruppe
- Senior-Entwickler
- Plattform-Ingenieure
- KI-Architekten
14 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