Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Repaso de los conceptos clave de AutoGen
- Definiciones de agentes y grupos
- Llamadas a funciones y encadenamiento de roles
- Limitaciones de los agentes integrados y dónde se requiere personalización
Creación de agentes personalizados con Python
- Definición del comportamiento de agentes mediante subclases de user_proxy y AssistantAgent
- Inserción de lógica específica de roles y mecanismos de toma de decisiones
- Creación de módulos y mezclas (mixins) de agentes reutilizables
Integración y enrutamiento avanzado de herramientas
- Registro, vinculación e invocación de herramientas
- Enrutamiento condicional de entradas a herramientas específicas
- Gestión de cadenas de herramientas de múltiples pasos y acciones compuestas
Planificación y gestión de contexto
- Diseño de descompositores de tareas y planificadores intermedios
- Mantenimiento del contexto entre agentes encadenados
- Implementación de memoria con alcance definido para sesiones de larga duración
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas
- Reintentos activados por agentes y lógica de respaldo
- Registros, depuración y validación de respuestas
Colaboración multiagente con roles personalizados
- Coordinación de especialistas dentro de grupos de agentes dinámicos
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos
- Separación de roles frente a fusión de roles en la asignación de tareas
Estrategias de despliegue en entornos reales
- Optimización para el rendimiento y los costos (uso de tokens, caché)
- Integración de flujos de trabajo de AutoGen en aplicaciones web o tuberías de datos
- Seguridad, observabilidad e integración de retroalimentación del usuario
Requerimientos
- Dominio de la programación en Python
- Experiencia en el desarrollo de aplicaciones basadas en LLMs
- Conocimiento de llamadas a funciones y diseño de sistemas multiagente
Público objetivo
- Desarrolladores senior
- Ingenieros de plataforma
- Arquitectos de IA
Reseñas (1)
Me gustó que constantemente proporcionara ejemplos, pero también ofreciera tiempo para el trabajo individual sobre lo que presentaba.
Iacob Giorgel
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática