Building Agentic AI Systems: From Theory to Practice

• 對人工智慧和機器學習概念有基本了解
• 具備Python程式設計經驗
• 熟悉基於API的人工智慧模型整合

目標受眾

• 開發自主人工智慧系統的AI工程師
• 探索多代理人工智慧框架的機器學習研究人員
• 實作人工智慧驅動自動化的開發者

Agentic AI 系統具備自主決策、自我改進和多代理協作的能力。

這是一場由講師引導的實時培訓（線上或現場），針對希望在建構和實施 Agentic AI 系統於實際應用中的中級 AI 工程師、機器學習研究人員和開發人員。

在培訓結束時，參與者將能夠：

• 理解 Agentic AI 系統的核心原則。
• 實現具備自主推理和行動能力的 AI 代理。
• 將 Agentic AI 與 API 和第三方服務整合。
• 優化多代理互動以應對複雜任務。
• 應對 Agentic AI 中的倫理、安全性和可擴展性挑戰。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手實作。

課程定制選項

• 如需為此課程請求定制培訓，請聯繫我們進行安排。

Agentic AI 系統簡介

• 定義 Agentic AI 及其功能
• 基於規則的 AI 與自主 AI 的主要區別
• 應用案例與行業應用

Agentic AI 系統架構設計

• 構建自主 AI 的框架與工具
• 設計具備目標驅動能力的 AI 代理
• 實現記憶、情境感知與適應性

使用 Python 和 API 開發 AI Agents

• 使用 OpenAI 和 DeepSeek API 構建 AI 代理
• 將 AI 模型與外部數據源整合
• 處理 API 回應並改善代理互動

優化多代理 Collaboration

• 設計用於合作與競爭任務的 AI 代理
• 管理代理通訊與任務分配
• 為實際應用擴展多代理系統

提升 Agentic AI 中的決策能力

• 強化學習與自我改進的 AI 代理
• 規劃、推理與長期目標執行
• 平衡自動化與人為監督

Agentic AI 中的安全性、倫理與合規

• 解決偏見並確保負責任的 AI 部署
• AI 驅動決策的安全性措施
• 自主 AI 系統的監管考量

Agentic AI 的未來趨勢

• AI 自主性與自我學習系統的進展
• 透過多模態學習擴展 AI 代理能力
• 為下一代自主 AI 做好準備

總結與下一步