Plan du cours

Introduction aux systèmes d'agents LLM

  • Concepts des agents LLM et de l'architecture multi-agent
  • Aperçu du cadre et de l'écosystème AutoGen
  • Rôles des agents : mandataire utilisateur, assistant, appelant de fonctions et plus encore

Installation et configuration de AutoGen

  • Mise en place de l'environnement et des dépendances Python
  • Notions de base sur les fichiers de configuration de AutoGen
  • Connexion aux fournisseurs LLM (OpenAI, Azure, modèles locaux)

Conception d'agents et attribution des rôles

  • Comprendre les types d'agents et les schémas de conversation
  • Définir les objectifs, les prompts et les instructions des agents
  • Délégation des tâches basée sur le rôle et flux de contrôle

Appel de fonctions et intégration d'outils

  • Inscription des fonctions pour l'utilisation par les agents
  • Exécution autonome et collaborative des fonctions
  • Connexion aux API externes et scripts Python à partir des agents

Conversation Management et mémoire

  • Suivi de session et mémoire persistante
  • Messaging entre agents et gestion des jetons
  • Gestion du contexte et de l'historique de la conversation

Flux de travail agent à agent

  • Construction de tâches collaboratives en plusieurs étapes (par exemple, analyse de documents, revue de code)
  • Simulation des dialogues utilisateur-agent et chaînes décisionnelles
  • Débogage et affinement des performances des agents

Use Case et déploiement

  • Agents d'automatisation internes : recherche, rapports, scriptage
  • Bots面向外部:聊天助手、语音集成
  • 打包并在生产中部署代理系统

总结和下一步行动

Pré requis

  • Une compréhension de la programmation en Python
  • Connaissance des modèles de langage volumineux et de l'ingénierie des prompts
  • Expérience avec les API et les workflows automatisés

Public cible

  • Ingénieurs en IA
  • Développeurs ML
  • Architectes d'automatisation
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires