Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Revue des concepts fondamentaux d'AutoGen
- Définition des agents et des groupes
- Appel de fonctions et enchaînement des rôles
- Limites des agents intégrés et zones nécessitant une personnalisation
Construction d'agents personnalisés avec Python
- Définition du comportement de l'agent à l'aide des sous-classes user_proxy et AssistantAgent
- Injection de logique spécifique au rôle et de prise de décision
- Création de modules d'agents réutilisables et de mixins
Intégration avancée des outils et routage
- Enregistrement, liaison et invocation des outils
- Routage conditionnel des entrées vers des outils spécifiques
- Gestion des chaînes d'outils multi-étapes et des actions composites
Planification et gestion du contexte
- Conception de décomposeurs de tâches et de planificateurs intermédiaires
- Maintenance du contexte entre les agents en chaîne
- Mise en œuvre d'une mémoire limitée au scope pour les sessions de longue durée
Mécanismes de gestion des erreurs et de récupération
- Détection et gestion des interactions échouées ou incomplètes
- Reprises déclenchées par l'agent et logique de repli
- Journalisation, débogage et validation des réponses
Collaboration multi-agents avec des rôles personnalisés
- Coordination des spécialistes au sein de groupes d'agents dynamiques
- Orchestration des boucles de raisonnement et des flux de travail coopératifs
- Séparation des rôles par rapport à leur fusion dans l'attribution des tâches
Stratégies de déploiement en conditions réelles
- Optimisation des performances et des coûts (utilisation des jetons, mise en cache)
- Intégration des flux de travail AutoGen dans des applications web ou des pipelines
- Sécurité, observabilité et intégration des retours utilisateurs
Conclusion et prochaines étapes
Pré requis
- Maîtrise de la programmation Python
- Expérience dans la création d'applications basées sur des LLM
- Connaissance de l'appel de fonctions et de la conception de systèmes multi-agents
Audience cible
- Développeurs seniors
- Ingénieurs de plateforme
- Architectes en IA
14 Heures
Nos clients témoignent (1)
J'ai apprécié qu'il fournisse constamment des exemples, tout en offrant du temps pour le travail individuel sur ce qu'il présentait.
Iacob Giorgel
Formation - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traduction automatique