Novo curso: Nvidia's NeMo Agent Toolkit: Tornando Agentes Fiáveis, ministrado por @Pr_Brian da @NVIDIA. Muitas equipas têm dificuldade em transformar demonstrações de agentes em sistemas fiáveis prontos para produção. Este curso curto ensina-o a solidificar fluxos de trabalho de agentes em sistemas fiáveis usando o NeMo Agent Toolkit (NAT) de código aberto da Nvidia. Quer tenha construído o seu agente em Python puro ou usando um framework como LangGraph ou CrewAI, o NAT fornece blocos de construção para observabilidade, avaliação e implementação que transformam provas de conceito em sistemas prontos para produção. O NAT facilita a resolução de problemas e a otimização do desempenho do agente com rastros de execução, avaliações sistemáticas e integração CI/CD. Habilidades que você adquirirá: - Construir fluxos de trabalho de agentes orientados por configuração com APIs REST e código mínimo - Adicionar observabilidade com rastreamento para visualizar o raciocínio do agente e depurar gargalos de desempenho - Criar avaliações sistemáticas usando conjuntos de dados padrão de referência para medir e melhorar a fiabilidade do agente - Implementar sistemas multi-agente com autenticação, limitação de taxa e interfaces web profissionais - Orquestrar agentes de diferentes frameworks para colaborar em tarefas complexas Junte-se e aprenda a transformar demonstrações de agentes em sistemas fiáveis!

Compartilhando uma receita divertida para construir um agente altamente autônomo, moderadamente capaz e muito NÃO confiável usando o pacote de código aberto aisuite no qual Rohit Prasad e eu temos trabalhado. Com algumas linhas de código, você pode dar a um LLM de fronteira uma ferramenta (como acesso a disco ou pesquisa na web), solicitá-lo com uma tarefa de alto nível (como criar um jogo da cobrinha e salvar como um arquivo HTML, ou realizar uma pesquisa profunda) e deixar o LLM solto e ver o que ele faz. Exemplo na imagem. Advertência: Esta não é a forma como agentes práticos são construídos hoje, uma vez que a maioria precisa de muito mais estrutura (veja meu curso de AI Agente para saber mais), mas ainda é interessante para experimentar. Escrita mais longa 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 está limitada a chamadas de função predefinidas. Este curso curto ensina você a construir agentes que escrevem e executam código para realizar tarefas, acessando ecossistemas inteiros de linguagens de programação em vez de serem restritos a um conjunto fixo de ferramentas. Você aprenderá a executar código gerado por agentes de forma segura em ambientes de nuvem isolados que protegem seus sistemas de operações prejudiciais. Habilidades que você adquirirá: - Construir agentes que escrevem e executam código, gerenciam arquivos e lidam com erros de forma autônoma através de ciclos de feedback - Executar código de agentes de forma segura em sandboxes de nuvem E2B e entender as compensações entre execução local, em contêineres e na nuvem - Criar um agente de análise de dados que explora e visualiza dados com Pandas - Criar um agente full-stack que constrói aplicações web completas em Next.js Junte-se e construa agentes que codificam seu caminho através de tarefas complexas: