Building Agentic AI Systems: From Theory to Practice

• 对人工智慧和机器学习概念有基本了解
• 具备Python程式设计经验
• 熟悉基于API的人工智慧模型整合

目标受众

• 开发自主人工智慧系统的AI工程师
• 探索多代理人工智慧框架的机器学习研究人员
• 实作人工智慧驱动自动化的开发者

Agentic AI 系统具备自主决策、自我改进和多代理协作的能力。

这是一场由讲师引导的实时培训（线上或现场），针对希望在建构和实施 Agentic AI 系统于实际应用中的中级 AI 工程师、机器学习研究人员和开发人员。

在培训结束时，参与者将能够：

• 理解 Agentic AI 系统的核心原则。
• 实现具备自主推理和行动能力的 AI 代理。
• 将 Agentic AI 与 API 和第三方服务整合。
• 优化多代理互动以应对复杂任务。
• 应对 Agentic AI 中的伦理、安全性和可扩展性挑战。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在即时实验室环境中进行动手实作。

课程定制选项

• 如需为此课程请求定制培训，请联系我们进行安排。

Agentic AI 系统简介

• 定义 Agentic AI 及其功能
• 基于规则的 AI 与自主 AI 的主要区别
• 应用案例与行业应用

Agentic AI 系统架构设计

• 构建自主 AI 的框架与工具
• 设计具备目标驱动能力的 AI 代理
• 实现记忆、情境感知与适应性

使用 Python 和 API 开发 AI Agents

• 使用 OpenAI 和 DeepSeek API 构建 AI 代理
• 将 AI 模型与外部数据源整合
• 处理 API 回应并改善代理互动

优化多代理 Collaboration

• 设计用于合作与竞争任务的 AI 代理
• 管理代理通讯与任务分配
• 为实际应用扩展多代理系统

提升 Agentic AI 中的决策能力

• 强化学习与自我改进的 AI 代理
• 规划、推理与长期目标执行
• 平衡自动化与人为监督

Agentic AI 中的安全性、伦理与合规

• 解决偏见并确保负责任的 AI 部署
• AI 驱动决策的安全性措施
• 自主 AI 系统的监管考量

Agentic AI 的未来趋势

• AI 自主性与自我学习系统的进展
• 透过多模态学习扩展 AI 代理能力
• 为下一代自主 AI 做好准备

总结与下一步