Новий курс: NeMo Agent Toolkit від Nvidia: як зробити агентів надійними, викладається @Pr_Brian з @NVIDIA. Багатьом командам важко перетворити демо агентів на надійні системи, готові до виробництва. Цей короткий курс навчає вас удосконалювати агентні робочі процеси у надійні системи за допомогою відкритого Nvidia NeMo Agent Toolkit (NAT). Чи створюєте ви свого агента на сирому Python, чи використовуючи фреймворки на кшталт LangGraph чи CrewAI, NAT надає будівельні блоки для спостережуваності, оцінки та розгортання, які перетворюють докази концепції на готові до виробництва системи. NAT полегшує діагностику та оптимізацію роботи агентів за допомогою трасування виконання, систематичних оцінок і інтеграції CI/CD. Навички, які ви отримаєте: - Створення робочих процесів агентів, керованих конфігурацією, з REST API та мінімальним кодом - Додати спостережуваність за допомогою трасування для візуалізації агентного мислення та відлагодження вузьких місць у продуктивності - Створення систематичних оцінок із використанням золотих стандартних наборів даних для вимірювання та підвищення надійності агентів - Розгортати багатоагентні системи з автентифікацією, обмеженням швидкості та професійними веб-інтерфейсами - Організувати агентів з різних фреймворків для співпраці над складними завданнями Приєднуйтесь і дізнайтеся, як перетворити демо агентів на надійні системи!

Ділимося цікавим рецептом створення високоавтономного, помірно здатного та дуже ненадійного агента за допомогою open source пакету aisuite, над яким ми з Рохітом Прасадом працюємо. З кількома рядками коду ви можете надати фронтирній LLM інструмент (наприклад, доступ до диска або веб-пошук), запропонувати їй завдання високого рівня (наприклад, створення гри-змії та збереження у вигляді HTML-файлу, або провести глибоке дослідження), і дати LLM вільно працювати, щоб подивитися, що вона зробить. Приклад на зображенні. Застереження: Сьогодні практичні агенти не будують так, оскільки більшість потребує набагато більшої підтримки (див. мій курс з агентного ШІ, щоб дізнатися більше), але все одно цікаво експериментувати. Детальніший огляд тут:

Новий курс: Створення агентів кодування за допомогою виконання інструментів, викладається @tereza_tizkova та @FraZuppichini @e2b. Більшість агентів ШІ обмежені заздалегідь визначеними викликами функцій. Цей короткий курс навчає створювати агенти, які пишуть і виконують код для виконання завдань, отримуючи доступ до цілих екосистем мов програмування, а не обмежені лише фіксованим набором інструментів. Ви навчитеся безпечно запускати код, створений агентами, у пісочниці-хмарних середовищах, які захищають ваші системи від шкідливих операцій. Навички, які ви отримаєте: - Створювати агенти, які пишуть і виконують код, керують файлами та обробляють помилки автономно через цикли зворотного зв'язку - Безпечно виконувати код агента в хмарних пісочницях E2B та розуміти компроміси між локальним, контейнеризованим і хмарним виконанням - Створити агент-аналітика даних, який досліджує візуалізацію даних за допомогою Pandas - Створити full-stack агент, який створює повні Next.js веб-додатки Об'єднуйте та створюйте агенти, які самостійно виконують складні завдання: