Novo curso: NeMo Agent Toolkit da Nvidia: Tornando os Agentes Confiáveis, ministrado por @Pr_Brian da @NVIDIA. Muitas equipes têm dificuldade em transformar demonstrações de agentes em sistemas confiáveis e prontos para produção. Este curso curto ensina você a consolidar fluxos de trabalho agentes em sistemas confiáveis usando o NeMo Agent Toolkit (NAT) de código aberto da Nvidia. Seja você que você construiu seu agente em Python bruto ou usando um framework como LangGraph ou CrewAI, o NAT fornece blocos de construção para observabilidade, avaliação e implantação que transformam provas de conceito em sistemas prontos para produção. O NAT facilita a solução de problemas e otimização do desempenho do agente com rastreamentos de execução, avaliações sistemáticas e integração CI/CD. Habilidades que você vai adquirir: - Construir fluxos de trabalho de agentes orientados à configuração com APIs REST e código mínimo - Adicionar observabilidade com rastreamento para visualizar o raciocínio de agentes e depurar gargalos de desempenho - Criar avaliações sistemáticas usando conjuntos de dados de referência para medir e melhorar a confiabilidade dos agentes - Implantar sistemas multiagente com autenticação, limitação de taxa e interfaces web profissionais - Orquestrar agentes de diferentes frameworks para colaborar em tarefas complexas Junte-se e aprenda como transformar demos de agentes em sistemas confiáveis!

Compartilhando uma receita divertida para construir um agente altamente autônomo, moderadamente capaz e muito pouco confiável usando o pacote open source AISUITE no qual Rohit Prasad e eu temos trabalhado. Com algumas linhas de código, você pode dar uma ferramenta para um LLM Frontier (como acesso a disco ou busca na web), solicitar uma tarefa de alto nível (como criar um jogo de cobra e salvar como arquivo HTML, ou fazer uma pesquisa aprofundada) e deixar o LLM se soltar para ver o que ele faz. Exemplo na imagem. Aviso: Não é assim que agentes práticos são construídos hoje em dia, já que a maioria precisa de muito mais estrutura (veja meu curso de IA Agènica para saber mais), mas ainda assim é interessante experimentar. Texto mais longo aqui:

Novo curso: Construindo Agentes de Codificação com Execução de Ferramentas, ministrado por @tereza_tizkova e @FraZuppichini da @e2b. A maioria dos agentes de IA é limitada a chamadas de função predefinidas. Este curso curto ensina a construir agentes que escrevem e executam código para realizar tarefas, acessando ecossistemas inteiros de linguagens de programação em vez de estarem restritos a um conjunto fixo de ferramentas. Você aprenderá a rodar código gerado por agentes com segurança em ambientes de nuvem sandbox que protegem seus sistemas contra operações prejudiciais. Habilidades que você vai adquirir: - Construir agentes que escrevem e executam código, gerenciam arquivos e lidam com erros de forma autônoma por meio de loops de feedback - Rodar código de agente com segurança em sandboxes de nuvem E2B e entender os tradeoffs entre execução local, containerizada e na nuvem - Criar um agente analista de dados que explore e visualize dados com Pandas - Criar um agente full-stack que construa aplicações web completas Next.js Junte-se e construa agentes que programem através de tarefas complexas: