感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
LLM Agent 系統簡介
- LLM agents 與多代理架構概念
- AutoGen 框架與生態系概覽
- 代理角色:使用者代理、助手、函式呼叫者等
安裝與設定 AutoGen
- 設定 Python 環境與相依套件
- AutoGen 組態檔案基礎
- 連接至 LLM 提供者(OpenAI、Azure、本地模型)
代理設計與角色分配
- 理解代理類型與對話模式
- 定義代理目標、提示詞與指示
- 基於角色的任務委派與控制流程
函式呼叫與工具整合
- 註冊供代理使用的函式
- 自主及協作式函式執行
- 將外部 API 與 Python 腳本連線至代理
對話管理與記憶體
- 會話追蹤與持久化記憶體
- 代理間訊息傳遞與 token 處理
- 管理對話上下文與歷史紀錄
端到端代理工作流程
- 建構多步驟協作任務(例如:文件分析、程式碼審查)
- 模擬使用者與代理對話及決策鏈結
- 除錯並優化代理效能
應用案例與部署
- 內部自動化代理:研究、報告撰寫、腳本執行
- 對外機器人之類應用:聊天助手、語音整合
- 打包並在生產環境中部署代理系統
總結與下一步
最低要求
- 具備 Python 程式設計基礎知識
- 熟悉大型語言模型與提示工程技術
- 擁有 API 及自動化工作流程的實作經驗
適用對象
- AI 工程師
- ML 開發人員
- 自動化架構師
21 小時
客戶評論 (1)
我喜歡他不斷提供示例,同時也留出時間讓我們獨立練習他講解的內容。
Iacob Giorgel
課程 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
機器翻譯