Kontakt aufnehmen

Schulungsübersicht

Einführung in LLM-Agentensysteme

  • Grundlagen zu LLM-Agenten sowie Konzepte der mehrfach verwendbaren Agentenarchitektur
  • Überblick über das AutoGen-Framework und sein Ökosystem
  • Agentenrollen: Benutzer-Proxy, Assistent, Funktionsaufrufer usw.

Installation und Konfiguration von AutoGen

  • Einrichten der Python-Umgebung sowie Abhängigkeiten
  • Grundlagen zur Konfigurationsdatei von AutoGen
  • Verbindung mit LLM-Anbietern wie OpenAI, Azure oder lokalen Modellen

Entwurf und Zuweisung der Agentenrollen

  • Arten von Agenten sowie typische Gesprächsmuster verstehen
  • Festlegung der Ziele, Prompts sowie Instruktionen für die einzelnen Agenten
  • Aufgabenzuweisung anhand von Rollen sowie Steuerungslogik festlegen

Funktionsaufrufe und Integration externer Werkzeuge

  • Funktionen für die Verwendung durch Agenten registrieren
  • Autonome wie auch gemeinschaftliche Ausführung von Funktionen realisieren
  • Verbindung von externen APIs sowie Python-Skripten mit den Agenten herstellen

Gesprächsmanagement und Speicherverwaltung

  • Sitzungsüberwachung sowie dauerhafte Datenspeicherung nutzen
  • Nachrichtenaustausch zwischen Agenten und Verwaltung des Token-Volumens sicherstellen
  • Gesprächskontext und Historie im Überblick behalten

Vollständige Workflows für Agentensysteme

  • Mehrstufige Zusammenarbeitsprozesse planen (z. B. Dokumentanalyse oder Codeüberprüfung)
  • Gespräche zwischen Benutzern und Agenten sowie Entscheidungsabläufe simulieren
  • Leistungsmerkmale der Agenten debuggen und optimieren

Anwendungsbeispiele und Produktionsumsetzung

  • Automatisierungsagenten für interne Aufgaben: Recherche, Berichterstellung, Skriptgenerierung
  • Extern nutzbare Bots: Chat-Assistenten sowie sprachbasierte Integrationen
  • Verpackung und Einführung von Agentensystemen in die Produktionsumgebung

Zusammenfassung und weitere Entwicklungsmöglichkeiten

Voraussetzungen

  • Grundkenntnisse in der Python-Programmierung
  • Bekanntschaft mit großen Sprachmodellen sowie Prompt Engineering
  • Erfahrung im Umgang mit APIs und Automatisierungsprozessen

Zielgruppe

  • KI-Ingenieure
  • ML-Entwickler
  • Architekten für Automatisierungssysteme
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien