Khóa học mới: Bộ công cụ NeMo Agent của Nvidia: Biến các tác nhân thành đáng tin cậy, do @Pr_Brian từ @NVIDIA giảng dạy. Nhiều đội ngũ gặp khó khăn trong việc biến các bản demo của tác nhân thành các hệ thống đáng tin cậy sẵn sàng cho sản xuất. Khóa học ngắn này dạy bạn cách củng cố các quy trình làm việc của tác nhân thành các hệ thống đáng tin cậy bằng cách sử dụng Bộ công cụ NeMo Agent (NAT) mã nguồn mở của Nvidia. Dù bạn xây dựng tác nhân của mình bằng Python thuần hoặc sử dụng một khung như LangGraph hoặc CrewAI, NAT cung cấp các khối xây dựng cho khả năng quan sát, đánh giá và triển khai, biến các bằng chứng khái niệm thành các hệ thống sẵn sàng cho sản xuất. NAT giúp dễ dàng khắc phục sự cố và tối ưu hóa hiệu suất của tác nhân với các dấu vết thực thi, các đánh giá hệ thống và tích hợp CI/CD. Kỹ năng bạn sẽ có được: - Xây dựng quy trình làm việc của tác nhân dựa trên cấu hình với REST APIs và mã tối thiểu - Thêm khả năng quan sát với việc theo dõi để hình dung lý luận của tác nhân và gỡ lỗi các nút thắt hiệu suất - Tạo các đánh giá hệ thống sử dụng các tập dữ liệu tiêu chuẩn vàng để đo lường và cải thiện độ tin cậy của tác nhân - Triển khai các hệ thống đa tác nhân với xác thực, giới hạn tỷ lệ và giao diện web chuyên nghiệp - Điều phối các tác nhân từ các khung khác nhau để hợp tác trong các nhiệm vụ phức tạp Tham gia và học cách biến các bản demo của tác nhân thành các hệ thống đáng tin cậy!

Chia sẻ một công thức thú vị để xây dựng một tác nhân tự động cao, có khả năng vừa phải và rất KHÔNG đáng tin cậy bằng cách sử dụng gói mã nguồn mở aisuite mà Rohit Prasad và tôi đã làm việc cùng nhau. Với một vài dòng mã, bạn có thể cung cấp cho một LLM tiên phong một công cụ (như truy cập đĩa hoặc tìm kiếm web), gợi ý cho nó một nhiệm vụ cấp cao (chẳng hạn như tạo một trò chơi rắn và lưu dưới dạng tệp HTML, hoặc thực hiện nghiên cứu sâu), và để LLM tự do và xem nó làm gì. Ví dụ trong hình. Lưu ý: Đây không phải là cách mà các tác nhân thực tiễn được xây dựng ngày nay, vì hầu hết cần nhiều cấu trúc hơn (xem khóa học AI Tác nhân của tôi để tìm hiểu thêm), nhưng vẫn thú vị để thử nghiệm.

Khóa học mới: Xây dựng các tác nhân lập trình với việc thực thi công cụ, do @tereza_tizkova và @FraZuppichini từ @e2b giảng dạy. Hầu hết các tác nhân AI bị giới hạn trong các cuộc gọi hàm đã định nghĩa. Khóa học ngắn này dạy bạn cách xây dựng các tác nhân viết và thực thi mã để hoàn thành các nhiệm vụ, truy cập vào toàn bộ hệ sinh thái ngôn ngữ lập trình thay vì bị hạn chế trong một tập hợp công cụ cố định. Bạn sẽ học cách chạy mã do tác nhân tạo ra một cách an toàn trong các môi trường đám mây được cách ly, bảo vệ hệ thống của bạn khỏi các hoạt động có hại. Kỹ năng bạn sẽ có được: - Xây dựng các tác nhân viết và thực thi mã, quản lý tệp và xử lý lỗi một cách tự động thông qua các vòng phản hồi - Chạy mã tác nhân một cách an toàn trong các sandbox đám mây E2B và hiểu các đánh đổi giữa thực thi cục bộ, trong container và trên đám mây - Tạo một tác nhân phân tích dữ liệu khám phá và trực quan hóa dữ liệu với Pandas - Tạo một tác nhân full-stack xây dựng các ứng dụng web Next.js hoàn chỉnh Tham gia và xây dựng các tác nhân lập trình để vượt qua các nhiệm vụ phức tạp: