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.
Temario del curso
Revisión de los Conceptos Clave de AutoGen
- Definiciones de agentes y grupos.
- Llamada a funciones y encadenamiento de roles.
- Limitaciones de los agentes incorporados y dónde se requiere personalización.
Construcción de Agentes Personalizados con Python
- Definición del comportamiento del agente utilizando subclases user_proxy y AssistantAgent.
- Inyección de lógica específica para cada rol y toma de decisiones.
- Creación de módulos de agentes reutilizables y mezclas (mixins).
Integración Avanzada de Herramientas y Enrutamiento
- Registro, vinculación e invocación de herramientas.
- Enrutamiento condicional de entradas a herramientas específicas.
- Gestión de cadenas de herramientas multi-etapa y acciones compuestas.
Planificación y Gestión del Contexto
- Diseño de descomponedores de tareas y planificadores intermedios.
- Mantenimiento del contexto entre agentes encadenados.
- Implementación de memoria con ámbito para sesiones de larga duración.
Mecanismos de Manejo de Errores y Recuperación
- Detección y gestión de interacciones fallidas o incompletas.
- Reintentos iniciados por el agente y lógica de respaldo (fallback).
- Registro, depuración y validación de respuestas.
Colaboración Multi-Agente con Roles Personalizados
- Coordinación de especialistas dentro de grupos dinámicos de agentes.
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos.
- Separación frente a fusión de roles en la asignación de tareas.
Estrategias de Implementación en el Mundo Real
- Optimización para rendimiento y costo (uso de tokens, almacenamiento en caché).
- Inclusión de flujos de trabajo AutoGen en aplicaciones web o canalizaciones.
- Seguridad, observabilidad e integración de la retroalimentación del usuario.
Resumen y Próximos Pasos
Requerimientos
- Dominio de la programación en Python
- Experiencia en desarrollo de aplicaciones basadas en LLM
- Conocimiento familiaridad con llamadas a funciones y diseño de sistemas multi-agente
Público Objetivo
- Desarrolladores senior
- Ingenieros de plataforma
- Arquitectos de IA
14 Horas
Testimonios (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