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.
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
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