Izgradnja LLM agentnih sistema pomoću AutoGen-a Kurs za obuku

Uvod u LLM agentne sisteme

• Koncepti LLM agenasa i višedokumantske arhitekture
• Pregled AutoGen okvira i ekosistema
• Uloge agenasa: korisnički proksi, asistent, pozivač funkcija i drugo

Instalacija i konfiguracija AutoGen-a

• Podešavanje Python okruženja i zavisnosti
• Osнове konfiguracionog fajla za AutoGen
• Povezivanje sa pružiocima LLM-a (OpenAI, Azure, lokalni modeli)

Dizajn agenasa i dodela uloga

• Razumevanje tipova agenasa i obrasata razgovora
• Definisanje ciljeva, promptova i uputstava za agente
• Dodela zadataka na osnovu uloga i tok kontrole

Pozivanje funkcija i integracija alata

• Registracija funkcija za korišćenje agenasa
• Automatsko i sarađivačko izvršavanje funkcija
• Povezivanje spoljnih API-ja i Python skripti sa agentima

Upravljanje razgovorom i memorijom

• Pracenje sesija i perzistentna memorija
• Slanje poruka između agenasa i rukovanje tokenima
• Upravljanje kontekstom i istorijom razgovora

Radni tokovi agenasa od početka do kraja

• Izgradnja višekoračnih kolaborativnih zadataka (npr. analiza dokumenata, pregleđ koda)
• Simulacija razgovora između korisnika i agenta i lanaca odluka
• Ispravljanje grešaka i usavršavanje performansi agenasa

Slučajevi upotrebe i implementacija

• Unutrašnji agenti za automatizaciju: istraživanje, izveštavanje, pisanje skripti
• Eksterni botovi: chat asistenti, glasovne integracije
• Pakovanje i implementacija agentnih sistema u proizvodno okruženje

Rezime i dalji koraci