Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Repaso de los conceptos fundamentales de AutoGen
- Definiciones de agentes y grupos
- Invocación de funciones y encadenado de roles
- Limitaciones de los agentes integrados y donde se necesita personalización
Creación de agentes personalizados con Python
- Definición del comportamiento del agente usando subclases de user_proxy y AssistantAgent
- Inyección de lógica y toma de decisiones específica de rol
- Creación de módulos de agentes reutilizables y mixins
Integración y enrutamiento avanzado de herramientas
- Registro, vinculación e invocación de herramientas
- Enrutamiento condicional de entradas a herramientas específicas
- Gestión de cadenas de herramientas de múltiples pasos y acciones compuestas
Planificación y gestión de contexto
- Diseño de descomponedores de tareas y planificadores intermedios
- Mantenimiento del contexto entre agentes encadenados
- Implementación de memoria con alcance para sesiones de larga duración
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas
- Reintentos activados por agentes y lógica de respaldo
- Registro, depuración y validación de respuestas
Colaboración multiagente con roles personalizados
- Coordinación de especialistas dentro de grupos de agentes dinámicos
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos
- Separación de roles versus fusión de roles en las asignaciones de tareas
Estrategias de despliegue del mundo real
- Optimización para el rendimiento y el costo (uso de tokens, caché)
- Incorporación de flujos de trabajo de AutoGen en aplicaciones web o tuberías
- Seguridad, observabilidad e integración de retroalimentación del usuario
Requerimientos
- Profundidad en la programación en Python
- Experiencia en la construcción de aplicaciones basadas en LLMs
- Conocimiento de la invocación de funciones y el diseño de sistemas multiagente
Público objetivo
- Desarrolladores senior
- Ingenieros de plataforma
- Arquitectos de IA
Reseñas (1)
Me gustó que constantemente proporcionara ejemplos, pero también ofreciera tiempo para el trabajo individual sobre lo que presentaba.
Iacob Giorgel
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática