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 agente y grupo
- Llamada de funciones y encadenamiento de roles
- Limitaciones de los agentes integrados y dónde se necesita personalización
Construcción de agentes personalizados con Python
- Definición del comportamiento del agente utilizando subclases de user_proxy y AssistantAgent
- Inyección de lógica específica de rol y toma de decisiones
- 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 del contexto
- Diseño de descomponedores de tareas y planificadores intermedios
- Mantenimiento del contexto a través de 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 vs. mezcla de roles en la asignación de tareas
Estrategias de despliegue en el mundo real
- Optimización para el rendimiento y el costo (uso de tokens, caché)
- Incorporación de flujos de trabajo de AutoGen en aplicaciones web o líneas de procesos
- Seguridad, observabilidad e integración de retroalimentación del usuario
Resumen y próximos pasos
Requerimientos
- Proficiencia en programación en Python
- Experiencia en el desarrollo con aplicaciones basadas en LLM
- Familiaridad con la llamada 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