Agentic AI Unleashed: Crafting LLM Applications with AutoGen

Wymagania wstępne - Python programowanie

Ten 1-dniowy warsztat, przeznaczony dla programistów, naukowców danych i entuzjastów sztucznej inteligencji, pomoże zrozumieć i wykorzystać moc agentowych systemów AI za pomocą AutoGen v0.4. 

Dzięki połączeniu ćwiczeń praktycznych i demonstracji, nauczysz się budować, zarządzać i wdrażać aplikacje wieloagentowe napędzane przez Large Language Models (LLMs). 

Na zakończenie kursu zdobędziesz solidne podstawy architektury warstwowej AutoGen, opanujesz asynchroniczną komunikację między agentami oraz przeanalizujesz przypadki zastosowania w rzeczywistym świecie i najlepsze praktyki dotyczące tworzenia skalowalnych i inteligentnych aplikacji napędzanych LLM.

1. Wprowadzenie do aplikacji LLM i AutoGen v0.4

• Przegląd Large Language Models (LLMs): Zrozumienie ich możliwości i zastosowań.​ 
• Wprowadzenie do AutoGen v0.4: Badanie jego funkcji, architektury oraz sposobu ułatwiania tworzenia systemów sztucznej inteligencji o charakterze agentowym.  

2. Podstawowe koncepcje i składniki AutoGen

• Zrozumienie warstwowej ramki:
  • Warstwa rdzenna: Architektura napędzana zdarzeniami wspierająca dynamiczne przepływy pracy.
  • API AgentChat: Budowanie agentów napędzanych zadaniami z użyciem wysokopoziomowych API.
  • Rozszerzenia: Integrowanie niestandardowych agentów, narzędzi oraz modułów pamięci dla zwiększonej funkcjonalności.
• Asynchroniczne wysyłanie wiadomości: Wdrażanie stylów interakcji napędzanych zdarzeniami oraz żądania-odpowiedzi.​ 

3. Tworzenie pierwszej aplikacji wieloagentowej

• Definiowanie agentów: Tworzenie agentów asystenta i zastępczych użytkowników.​ 
• Ustanawianie Communication agentów: Konfiguracja asynchronicznego wysyłania wiadomości między agentami. 
• Wdrażanie przykładowej aplikacji: Tworzenie prostego systemu wieloagentowego do rozwiązania konkretnego zadania.​ 
• Narzędzia obserwacji i debugowania: Wykorzystywanie wbudowanego śledzenia metryk i śledzenia wiadomości do monitorowania w czasie rzeczywistym.​ 

4. Studia przypadków i najlepsze praktyki

• Zastosowania w rzeczywistym świecie: Badanie udanych wdrożeń AutoGen w różnych branżach.​
• Najlepsze praktyki: Wytyczne do projektowania wydajnych i skalowalnych aplikacji LLM z użyciem AutoGen.​
• Wyzwania i rozwiązania: Rozwiązywanie typowych problemów napotykanych podczas rozwoju oraz ich rozwiązań.​
• Sekcja pytań i odpowiedzi

Workshop jest przeznaczony dla:

• programistów
• naukowców danych
• inżynierów danych
• osób z programistycznym tłem/biegłością, którzy chcą poznać programowanie AI.