Nieuwe cursus: Nvidia's NeMo Agent Toolkit: Betrouwbare Agents Maken, gegeven door @Pr_Brian van @NVIDIA. Veel teams hebben moeite om agentdemo's om te zetten in betrouwbare systemen die klaar zijn voor productie. Deze korte cursus leert je hoe je agentische workflows kunt versterken tot betrouwbare systemen met behulp van Nvidia's open-source NeMo Agent Toolkit (NAT). Of je nu je agent hebt gebouwd in ruwe Python of met een framework zoals LangGraph of CrewAI, NAT biedt bouwstenen voor observability, evaluatie en implementatie die proof-of-concepts omzetten in productieklare systemen. NAT maakt het gemakkelijk om agentprestaties te troubleshooten en te optimaliseren met uitvoeringssporen, systematische evaluaties en CI/CD-integratie. Vaardigheden die je zult opdoen: - Bouw configuratiegestuurde agentworkflows met REST API's en minimale code - Voeg observability toe met tracing om de redenering van de agent te visualiseren en prestatieknelpunten te debuggen - Creëer systematische evaluaties met behulp van gold-standard datasets om de betrouwbaarheid van de agent te meten en te verbeteren - Implementeer multi-agent systemen met authenticatie, rate limiting en professionele webinterfaces - Orkestreer agents van verschillende frameworks om samen te werken aan complexe taken Doe mee en leer hoe je agentdemo's kunt omzetten in betrouwbare systemen!

Een leuk recept delen voor het bouwen van een zeer autonome, gematigd capabele en zeer ONbetrouwbare agent met behulp van het open source aisuite-pakket waar Rohit Prasad en ik aan hebben gewerkt. Met een paar regels code kun je een frontier LLM een tool geven (zoals schijftoegang of webzoekfunctie), het aansteken met een hoog niveau taak (zoals het maken van een slangspel en opslaan als een HTML-bestand, of diepgaand onderzoek uitvoeren), en de LLM loslaten en kijken wat het doet. Voorbeeld in afbeelding. Waarschuwing: Dit is niet hoe praktische agents vandaag de dag worden gebouwd, aangezien de meeste veel meer ondersteuning nodig hebben (zie mijn Agentic AI-cursus om meer te leren), maar het is nog steeds interessant om mee te experimenteren. Langere beschrijving hier:

Nieuwe cursus: Het bouwen van coderingsagenten met tooluitvoering, gegeven door @tereza_tizkova en @FraZuppichini van @e2b. De meeste AI-agenten zijn beperkt tot vooraf gedefinieerde functieaanroepen. Deze korte cursus leert je om agenten te bouwen die code schrijven en uitvoeren om taken te voltooien, waarbij ze toegang hebben tot volledige programmeertaal-ecosystemen in plaats van beperkt te zijn tot een vaste set tools. Je leert om agent-gegenereerde code veilig uit te voeren in sandboxed cloudomgevingen die je systemen beschermen tegen schadelijke operaties. Vaardigheden die je zult ontwikkelen: - Bouw agenten die code schrijven en uitvoeren, bestanden beheren en fouten autonoom afhandelen via feedbackloops - Voer agentcode veilig uit in E2B-cloudsandboxes en begrijp de afwegingen tussen lokale, containerized en clouduitvoering - Creëer een data-analyseagent die gegevens verkent en visualiseert met Pandas - Creëer een full-stack agent die complete Next.js-webapplicaties bouwt Doe mee en bouw agenten die hun weg coderen door complexe taken: