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 básicos de AutoGen
- Definiciones de agentes y grupos
- Invocación de funciones y encadenamiento de roles
- Limitaciones de los agentes incorporados y escenarios donde se requiere personalización
Creación de agentes personalizados con Python
- Definición del comportamiento del agente mediante subclases user_proxy y AssistantAgent
- Inyección de lógica específica por rol y toma de decisiones
- Creación de módulos de agentes reutilizables y mixin
Integración avanzada de herramientas y enrutamiento
- Registro, vinculación e invocación de herramientas
- Enrutamiento condicional de entradas a herramientas específicas
- Gestión de cadenas de herramientas de múltiples pasos y acciones compuestas
Gestión de planificación y contexto
- Diseño de descomponedores de tareas y planificadores intermedios
- Mantenimiento del contexto a lo largo de agentes encadenados
- Implementación de memoria con alcance limitado para sesiones prolongadas
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas
- Reintentos activados por el agente 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 frente a integración de roles en la asignación de tareas
Estrategias de implementación en el mundo real
- Optimización del rendimiento y los costos (uso de tokens, almacenamiento en caché)
- Integración de flujos de trabajo de AutoGen en aplicaciones web o pipelines
- Seguridad, observabilidad e integración de la retroalimentación del usuario
Resumen y próximos pasos
Requerimientos
- Dominio de la programación en Python
- Experiencia en desarrollo de aplicaciones basadas en LLM
- Conocimiento de invocación de funciones y diseño de sistemas multiagente
Público objetivo
- Desarrolladores senior
- 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