Uusi kurssi: Nvidian NeMo Agent Toolkit: Making Agents Reliable, jota opettaa @Pr_Brian @NVIDIA. Monet tiimit kamppailevat muuttaakseen agenttien demot luotettaviksi järjestelmiksi, jotka ovat valmiita tuotantoon. Tämä lyhyt kurssi opettaa sinua vahvistamaan agenttien työnkulkuja luotettaviksi järjestelmiksi Nvidian avoimen lähdekoodin NeMo Agent Toolkitin (NAT) avulla. Olitpa sitten rakentanut agenttisi raaka-Pythonilla tai käyttämässä kehystä kuten LangGraph tai CrewAI, NAT tarjoaa rakennuspalikoita havaittavuuteen, arviointiin ja käyttöönottoon, jotka muuttavat konseptitodistukset tuotantovalmiiksi järjestelmiksi. NAT tekee agentin suorituskyvyn vianetsinnästä ja optimoinnista helppoa suoritusjäljityksillä, systemaattisilla arvioinneilla ja CI/CD-integraatiolla. Taitoja, joita opit: - Rakentaa konfiguraatiopohjaisia agenttityönkulkuja REST-rajapinnoilla ja vähäisellä koodilla - Lisää havaittavuutta jäljityksellä agenttien päättelyn visualisoimiseksi ja suorituskyvyn pullonkauloiden korjaamiseksi - Luoda systemaattisia arviointeja kultastandardin tietoaineistoilla agenttien luotettavuuden mittaamiseen ja parantamiseen - Ottaa käyttöön moniagenttijärjestelmiä, joissa on tunnistautuminen, nopeusrajoitus ja ammattimaiset verkkorajapinnat - Orkestroida eri kehyksistä toimijoita tekemään yhteistyötä monimutkaisissa tehtävissä Liity mukaan ja opi, miten agenttien esittelyt muutetaan luotettaviksi järjestelmiksi!

Jaan hauskan reseptin erittäin autonomisen, kohtalaisen kykenevän ja erittäin epäluotettavan agentin rakentamiseen avoimen lähdekoodin aisuite-paketilla, jota Rohit Prasad ja minä olemme työstäneet. Muutamalla koodirivillä voit antaa rajalle LLM:lle työkalun (kuten levynkäytön tai verkkohaun), antaa sille tehtävän korkeatasoisella tehtävällä (kuten luoda käärmepeli ja tallentaa HTML-tiedostona tai tehdä syvällistä tutkimusta) ja päästää LLM:n vapaaksi katsomaan, mitä se tekee. Esimerkki kuvassa. Huomautus: Käytännöllisiä agentteja ei nykyään rakenneta näin, koska useimmat tarvitsevat paljon enemmän tukirakenteita (katso Agentic AI -kurssini saadaksesi lisätietoa), mutta on silti mielenkiintoista kokeilla. Pidempi kirjoitus täällä:

Uusi kurssi: Building Coding Agents with Tool Execution, jota opettavat @tereza_tizkova ja @FraZuppichini @e2b. Useimmat tekoälyagentit rajoittuvat ennalta määriteltyihin funktiokutsuihin. Tämä lyhyt kurssi opettaa sinua rakentamaan agentteja, jotka kirjoittavat ja suorittavat koodia suorittaakseen tehtäviä, käyttäen koko ohjelmointikielten ekosysteemejä sen sijaan, että olisit sidottu kiinteään työkalujoukkoon. Opit ajamaan agenttien tuottamaa koodia turvallisesti hiekkalaatikkopohjaisissa pilviympäristöissä, jotka suojaavat järjestelmiäsi haitallisilta toiminnoilta. Taitoja, joita opit: - Rakentaa agentteja, jotka kirjoittavat ja suorittavat koodia, hallinnoivat tiedostoja ja käsittelevät virheitä itsenäisesti palautesilmukoiden kautta - Ajaa agenttikoodia turvallisesti E2B-pilvihiekkalaatikoissa ja ymmärtää kompromissit paikallisen, konttipohjaisen ja pilvisuorituksen välillä - Luoda data-analyytikkoagentti, joka tutkii ja visualisoi dataa Pandasilla - Luoda full-stack-agentti, joka rakentaa täydellisiä Next.js web-sovelluksia Liity ja rakenna agentteja, jotka koodaavat läpi monimutkaisia tehtäviä: