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.
Temario del curso
Revisión de los conceptos fundamentales de AutoGen
- Definiciones de agente y grupo.
- Invocación de funciones y encadenamiento de roles.
- Limitaciones de los agentes integrados y escenarios que requieren personalización.
Construcción de agentes personalizados con Python
- Definición del comportamiento del agente mediante subclases de user_proxy y AssistantAgent.
- Inyección de lógica específica por rol y toma de decisiones.
- Creación de módulos de agente reutilizables y mixins.
Integración avanzada de herramientas y enrutamiento
- Registro, vinculación e invocación de herramientas.
- Enrutamiento condicional de entradas a herramientas específicas.
- Gestión de cadenas de herramientas multipaso y acciones compuestas.
Gestión de la planificación y el contexto
- Diseño de descomponedores de tareas y planificadores intermedios.
- Mantenimiento del contexto a lo largo de agentes encadenados.
- Implementación de memoria con ámbito para sesiones prolongadas.
Mecanismos de gestión de errores y recuperación
- Detección y control de interacciones fallidas o incompletas.
- Reintentos iniciados por el agente y lógica de respaldo.
- Registro, depuración y validación de respuestas.
Colaboración multiagente con roles personalizados
- Coordinación de especialistas dentro de grupos dinámicos de agentes.
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos.
- Diferenciación entre separación y fusión de roles en la asignación de tareas.
Estrategias de implementación en el mundo real
- Optimización para rendimiento y costos (uso de tokens, caché).
- Integración de flujos de trabajo AutoGen en aplicaciones web o pipelines.
- Seguridad, observabilidad e integración de retroalimentación del usuario.
Resumen y próximos pasos
Requerimientos
- Dominio de la programación en Python.
- Experiencia desarrollando aplicaciones basadas en modelos de lenguaje grande (LLM).
- Familiaridad con la invocación de funciones y el diseño de sistemas multiagente.
Público objetivo
- Desarrolladores seniors.
- Ingenieros de plataformas.
- Arquitectos de inteligencia artificial.
14 Horas
Testimonios (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