Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Wiederholung der Kernkonzepte von AutoGen
- Definitionen von Agenten und Gruppen
- Funktionsaufrufe und Rollenketten (Role Chaining)
- Begrenzungen eingebauter Agenten und Bereiche, in denen Anpassungen erforderlich sind
Entwicklung maßgeschneiderter Agenten mit Python
- Definition des Agentenverhaltens über user_proxy- und AssistantAgent-Unterklassen
- Einfügen rollenspezifischer Logik und Entscheidungsfindung
- Erstellung wiederverwendbarer Agentenmodule und Mixins
Fortgeschrittene Werkzeugintegration und -routing
- Registrierung, Bindung und Aufruf von Tools
- Bedingtes Routing von Eingaben an bestimmte Tools
- Verwaltung mehrstufiger Werkzeugketten und zusammengesetzter Aktionen
Planung und Kontextverwaltung
- Gestaltung von Aufgabenzerlegern (Task Decomposers) und Zwischenplanern
- Beibehaltung des Kontexts über verknüpfte Agenten hinweg
- Implementierung von kontextbezogenem Gedächtnis für lang laufende Sitzungen
Fehlerbehandlung und Wiederherstellungsmechanismen
- Erkennung und Verwaltung fehlgeschlagener oder unvollständiger Interaktionen
- Von Agenten ausgelöste Wiederholungen (Retries) und Fallback-Logik
- Protokollierung, Fehlersuche und Validierung der Antworten
Mehragente-Zusammenarbeit mit benutzerdefinierten Rollen
- Koordination von Spezialisten innerhalb dynamischer Agentengruppen
- Orchestrierung von Schlussfolgerungsschleifen (Reasoning Loops) und kooperativen Workflows
- Rollentrennung versus Rollenfusion bei der Aufgabenzuweisung
Strategien für den Realbetrieb
- Optimierung für Leistung und Kosten (Token-Nutzung, Caching)
- Einbettung von AutoGen-Workflows in Web-Apps oder Pipelines
- Sicherheit, Beobachtbarkeit (Observability) und Integration von Benutzerfeedback
Zusammenfassung und weitere Schritte
Voraussetzungen
- Sicherer Umgang mit der Python-Programmierung
- Erfahrung bei der Entwicklung von LLM-basierten Anwendungen
- Vertrautheit mit Funktionsaufrufen und dem Design von Mehragentensystemen
Zielgruppe
- Senior-Entwickler
- Plattform-Ingenieure
- AI-Architekten
Erfahrungsberichte (1)
Mir gefiel, dass er ständig Beispiele zur Verfügung stellte, aber auch Zeit für individuelle Arbeit an dem bereitstellte, was er vorgestellt hatte.
Iacob Giorgel
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Maschinelle Übersetzung
