Nowy kurs: Nvidia's NeMo Agent Toolkit: Uczynienie agentów niezawodnymi, prowadzony przez @Pr_Brian z @NVIDIA. Wiele zespołów ma trudności z przekształceniem demonstracji agentów w niezawodne systemy gotowe do produkcji. Ten krótki kurs nauczy Cię, jak wzmocnić agentowe przepływy pracy w niezawodne systemy, korzystając z otwartego narzędzia NeMo Agent Toolkit (NAT) firmy Nvidia. Niezależnie od tego, czy zbudowałeś swojego agenta w czystym Pythonie, czy używając frameworka takiego jak LangGraph lub CrewAI, NAT dostarcza elementy do obserwowalności, oceny i wdrożenia, które przekształcają dowody koncepcji w systemy gotowe do produkcji. NAT ułatwia rozwiązywanie problemów i optymalizację wydajności agentów za pomocą śladów wykonania, systematycznych ocen i integracji CI/CD. Umiejętności, które zdobędziesz: - Budowanie przepływów pracy agentów opartych na konfiguracji z REST API i minimalną ilością kodu - Dodawanie obserwowalności z użyciem śledzenia, aby wizualizować rozumowanie agenta i debugować wąskie gardła wydajności - Tworzenie systematycznych ocen przy użyciu zestawów danych o złotym standardzie, aby mierzyć i poprawiać niezawodność agenta - Wdrażanie systemów wieloagentowych z uwierzytelnianiem, ograniczeniem przepustowości i profesjonalnymi interfejsami internetowymi - Orkiestracja agentów z różnych frameworków, aby współpracować nad złożonymi zadaniami Dołącz i naucz się, jak przekształcać demonstracje agentów w niezawodne systemy!

Dzielę się zabawnym przepisem na stworzenie wysoce autonomicznego, umiarkowanie zdolnego i bardzo Niezawodnego agenta przy użyciu pakietu open source aisuite, nad którym pracowali Rohit Prasad i ja. W kilku linijkach kodu możesz dać frontier LLM narzędzie (takie jak dostęp do dysku lub wyszukiwanie w sieci), poprowadzić go do wykonania zadania na wysokim poziomie (takiego jak stworzenie gry w węża i zapisanie jej jako plik HTML lub przeprowadzenie głębokich badań) i puścić LLM na wolność, aby zobaczyć, co zrobi. Przykład na obrazku. Zastrzeżenie: To nie jest sposób, w jaki praktyczne agenty są budowane dzisiaj, ponieważ większość potrzebuje znacznie więcej wsparcia (zobacz mój kurs Agentic AI, aby dowiedzieć się więcej), ale wciąż jest to interesujące do eksperymentowania. Dłuższy opis tutaj:

Nowy kurs: Budowanie agentów kodujących z wykonaniem narzędzi, prowadzony przez @tereza_tizkova i @FraZuppichini z @e2b. Większość agentów AI jest ograniczona do zdefiniowanych wywołań funkcji. Ten krótki kurs nauczy Cię, jak budować agentów, którzy piszą i wykonują kod w celu realizacji zadań, uzyskując dostęp do całych ekosystemów języków programowania, zamiast być ograniczonym do stałego zestawu narzędzi. Nauczysz się bezpiecznie uruchamiać kod generowany przez agenta w piaskownicach chmurowych, które chronią Twoje systemy przed szkodliwymi operacjami. Umiejętności, które zdobędziesz: - Budowanie agentów, którzy piszą i wykonują kod, zarządzają plikami i autonomicznie obsługują błędy poprzez pętle sprzężenia zwrotnego - Bezpieczne uruchamianie kodu agenta w piaskownicach chmurowych E2B oraz zrozumienie kompromisów między lokalnym, kontenerowym a chmurowym wykonaniem - Tworzenie agenta analityka danych, który eksploruje i wizualizuje dane za pomocą Pandas - Tworzenie agenta full-stack, który buduje kompletne aplikacje internetowe Next.js Dołącz i buduj agentów, którzy kodują w skomplikowanych zadaniach: