课程大纲

Agentic AI简介

  • 定义Agentic AI及其与传统AI系统的关系。
  • 推理、记忆和目标驱动架构概述。
  • 关键用例和行业应用。

核心概念与设计模式

  • Agent循环:感知、推理和行动。
  • 单Agent与多Agent系统。
  • 环境交互与工具调用。

提示工程基础

  • 设计有效的提示以实现推理和任务分解。
  • 使用示例、约束和角色以获得更好的控制。
  • 系统地调试和迭代提示。

构建简单的Agentic工作流程

  • 在Python中实现Agent循环。
  • 与API和简单工具集成。
  • 管理Agent状态和记忆。

责任设计与安全实践

  • Agent的伦理考虑与责任使用。
  • AI系统中的偏见、透明度和问责制。
  • 访问控制、数据保护和内容安全。

实践项目:设计一个责任Agent

  • 定义问题范围与目标。
  • 开发提示与控制逻辑。
  • 测试、优化和评估Agent行为。

总结与下一步

要求

  • 对AI或机器学习概念有基本了解。
  • 熟悉Python语法和脚本编写。
  • 有处理数据或基于API的应用程序的经验。

目标受众

  • 刚接触Agentic AI开发的数据科学家。
  • 探索应用Agent架构的初级机器学习工程师。
  • 希望了解Agent设计和安全原则的技术经理。
 14 小时

客户评论 (3)

即将举行的公开课程

课程分类