Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Revue des concepts fondamentaux d'AutoGen
- Définitions des agents et des groupes
- Appels de fonctions et chaînage des rôles
- Limites des agents intégrés et nécessité de personnalisation
Création d'agents personnalisés avec Python
- Définition du comportement des agents en utilisant les sous-classes user_proxy et AssistantAgent
- Injection de logique spécifique au rôle et de prise de décision
- Création de modules d'agents réutilisables et de mixins
Intégration et routage avancés des outils
- Enregistrement, liaison et invocation des outils
- Routage conditionnel des entrées vers des outils spécifiques
- Gestion des chaînes d'outils multi-étapes et des actions composites
Planification et gestion du contexte
- Conception de décomposeurs de tâches et de planificateurs intermédiaires
- Préservation du contexte entre les agents chaînés
- Mise en œuvre d'une mémoire à portée limitée pour les sessions de longue durée
Gestion des erreurs et mécanismes de récupération
- Détection et gestion des interactions échouées ou incomplètes
- Retentatives déclenchées par les agents et logique de secours
- Journalisation, débogage et validation des réponses
Collaboration multi-agents avec des rôles personnalisés
- Coordination des spécialistes au sein de groupes d'agents dynamiques
- Orchestration des boucles de raisonnement et des flux de travail coopératifs
- Séparation des rôles vs fusion des rôles dans l'assignation des tâches
Stratégies de déploiement en environnement réel
- Optimisation des performances et des coûts (utilisation des jetons, cache)
- Intégration des flux de travail AutoGen dans des applications web ou des pipelines
- Sécurité, observabilité et intégration des retours utilisateurs
Conclusion et étapes suivantes
Pré requis
- Maîtrise de la programmation Python
- Expérience dans la construction d'applications basées sur des LLM
- Familiarité avec les appels de fonctions et la conception de systèmes multi-agents
Public cible
- Développeurs seniors
- Ingénieurs plateformes
- Architectes IA
Nos clients témoignent (1)
J'ai apprécié qu'il fournisse constamment des exemples, tout en offrant du temps pour le travail individuel sur ce qu'il présentait.
Iacob Giorgel
Formation - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traduction automatique