聯繫我們

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)

課程分類