Новый курс: Набор инструментов NeMo Agent от Nvidia: Как сделать агентов надежными, который ведет @Pr_Brian из @NVIDIA. Многим командам трудно превратить демонстрации агентов в надежные системы, готовые к производству. Этот короткий курс научит вас укреплять агентные рабочие процессы в надежные системы с помощью открытого набора инструментов NeMo Agent Toolkit (NAT) от Nvidia. Независимо от того, создали ли вы своего агента на чистом Python или с использованием таких фреймворков, как LangGraph или CrewAI, NAT предоставляет строительные блоки для наблюдаемости, оценки и развертывания, которые превращают концептуальные доказательства в системы, готовые к производству. NAT упрощает устранение неполадок и оптимизацию производительности агентов с помощью трассировок выполнения, систематических оценок и интеграции CI/CD. Навыки, которые вы получите: - Создание рабочих процессов агентов на основе конфигурации с REST API и минимальным кодом - Добавление наблюдаемости с помощью трассировки для визуализации рассуждений агентов и отладки узких мест в производительности - Создание систематических оценок с использованием стандартных наборов данных для измерения и улучшения надежности агентов - Развертывание многопользовательских систем с аутентификацией, ограничением скорости и профессиональными веб-интерфейсами - Оркестрация агентов из разных фреймворков для совместной работы над сложными задачами Присоединяйтесь и узнайте, как превратить демонстрации агентов в надежные системы!

Делюсь интересным рецептом создания высокоавтономного, умеренно способного и очень Ненадежного агента с использованием пакета aisuite с открытым исходным кодом, над которым мы с Рохитом Прасадом работаем. С помощью нескольких строк кода вы можете дать пограничному LLM инструмент (например, доступ к диску или веб-поиск), задать ему высокоуровневую задачу (например, создать игру в змейку и сохранить её в виде HTML-файла или провести глубокое исследование) и позволить LLM действовать самостоятельно, чтобы увидеть, что он сделает. Пример на изображении. Предостережение: это не то, как сегодня создаются практические агенты, так как большинству из них требуется гораздо больше каркаса (см. мой курс по Агентному ИИ, чтобы узнать больше), но всё равно интересно поэкспериментировать.

Новый курс: Создание кодирующих агентов с выполнением инструментов, который ведут @tereza_tizkova и @FraZuppichini из @e2b. Большинство AI-агентов ограничены предопределенными вызовами функций. Этот короткий курс научит вас создавать агентов, которые пишут и выполняют код для выполнения задач, получая доступ ко всем экосистемам языков программирования, вместо того чтобы быть ограниченными фиксированным набором инструментов. Вы научитесь безопасно запускать сгенерированный агентом код в изолированных облачных средах, которые защищают ваши системы от вредоносных операций. Навыки, которые вы получите: - Создавайте агентов, которые пишут и выполняют код, управляют файлами и обрабатывают ошибки автономно через обратные связи - Безопасно запускайте код агента в облачных песочницах E2B и понимайте компромиссы между локальным, контейнеризованным и облачным выполнением - Создайте агента-аналитика данных, который исследует и визуализирует данные с помощью Pandas - Создайте полнофункционального агента, который строит полные веб-приложения на Next.js Присоединяйтесь и создавайте агентов, которые программируют свои пути через сложные задачи: