使用 Autogen 和 Crewai 掌握人工智能代理

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz
语言：英语 |时长：2小时27米

你将学到什么

• 解释代理循环（原因、行动、观察）以及代理何时击败脚本或单个 LLM 调用。
• 在 AutoGen 中构建对话驱动的代理和群聊，并具有安全的代码执行和人机交互功能。
• 诊断并修复常见的代理故障模式：循环、漂移和幻觉工具调用。
• 通过模型分层、提示修剪和缓存来控制代理成本，并衡量节省的成本。
• 在 CrewAI 中构建具有明确角色、任务和流程的单代理和多代理团队。
• 为代理配备自定义工具、真正的 API 和数据库访问、持久内存以及针对文档的 RAG。
• 将代理部署为可观察的 API 服务，并提供机密、最低权限访问和日志记录。
• 针对特定问题选择正确的架构 – 单代理、团队或群聊。

要求

• 能够轻松编写基本 Python（函数、包、虚拟环境）。
• LLM 提供商的 API 密钥（我们涵盖安全设置）；实际操作的一点功劳。
• 无需具备 AI 代理经验 – 我们从代理循环本身开始。

描述

本课程涉及人工智能的使用。

人工智能工具仅用于改写和修复课程描述和支持文本中的语法。

人工智能代理正在从演示过渡到生产，观看一个代理与按计划构建一个您信任的代理之间的差距正是本课程所要解决的问题。您将使用业界已确定的两个框架（用于角色和任务团队的 CrewAI 和用于对话驱动代理的 AutoGen）构建真实的工作代理和多代理系统，并学习这两者背后的模型，因此您永远不会局限于一种工具。

这是一门实践性的构建课程，面向那些想要交付代理而不仅仅是谈论代理的软件工程师、数据科学家、解决方案架构师和技术分析师。不需要事先有代理经验——您从代理循环本身开始——但您应该能够轻松编写基本的 Python。最后，您将构建四个项目：一个研究小组、一个多代理支持系统、一个运行代码的数据分析代理以及一个已部署的、可观察的多代理服务。

我们已经远远超越了“你好代理”。您将为代理提供真正的工具、数据库、内存以及对您自己的文档的检索；然后你将做大多数教程跳过的事情——让它们可靠。您将诊断代理为何循环、漂移和发明工具调用，添加护栏和成本上限，并实际评估代理是否有效。最后，您将部署一个：在 API 后面，处理机密，打开可观察性，并按计划自动触发它。

每个概念都是由 Ganesh Ravikumar 在运营车间以美元和卢比成本为例进行教授的，他花了 20 多年的时间将自动化（现在是代理）投入到实际的、受监管的运营中，在这些运营中，失控循环或意外账单是一个真正的问题。当我将第一个代理投入生产时，我希望这个课程已经存在。