Bab ini memperkenalkan konsep inti dan penyiapan yang diperlukan untuk membangun alur kerja agentic menggunakan LlamaIndex. Anda akan berlatih langsung dengan alat seperti Tavily dan model OpenAI, mendefinisikan fungsi alat pertama Anda, serta membuat agen cerdas yang mampu berinteraksi dengan web. Pada akhir bab, Anda akan memiliki agen AI yang sepenuhnya fungsional dibangun dengan LlamaIndex, siap menangani tugas dunia nyata.

Selamat datang!

Mulai dengan LlamaIndex

Apa itu agen?

Membuat agen

Apakah agen dapat mengingat?

Mempertahankan state di antara eksekusi agen

Streaming keluaran dan event

Membangun Agen

Mengapa berhenti pada satu agen jika Anda bisa membangun sebuah tim? Di bab ini, Anda akan membuka kekuatan sistem multi-agen, di mana agen-agen spesialis bekerja bersama seperti tim riset, masing-masing dengan peran unik. Anda akan membangun alur kerja agen kolaboratif yang melakukan pencarian, penulisan, dan peninjauan, menunjukkan bagaimana kerja sama membuat AI Anda lebih cerdas dan mudah diskalakan.

Apa itu sistem multi-agen?

Sistem multi-agen dengan AgentWorkflow

Membangun alur kerja agentic dari nol

Merancang alur kerja multi-langkah dengan event kustom

Konkruensi dan pengumpulan event

Menyusun sistem multi-agen

Menambahkan refleksi diri ke alur kerja

Ringkasan

Menciptakan Alur Kerja Riset Mendalam

Siap membangun tim agen AI Anda sendiri? Dalam kursus ini, Anda akan mulai dengan satu asisten cerdas dan meningkatkannya menjadi alur kerja agentic lengkap yang mampu merencanakan, mencari, mengingat, dan berkolaborasi. Dengan LlamaIndex, Anda akan membuat sistem andal yang menangani tugas kompleks seperti riset mendalam dan pelaporan. Sepanjang jalan, Anda akan mempelajari cara mengorkestrasi alat, memori, dan kolaborasi multi-agen untuk mewujudkan alur kerja AI Anda.

<h2>Bangun Agen AI Cerdas dan Mampu dari Nol</h2>

Pelajari cara membangun alur kerja agen cerdas dari awal menggunakan LlamaIndex, sebuah kerangka kerja yang kuat untuk mengoordinasikan perilaku AI. Mulai dengan konfigurasi satu agen dan beralih ke kolaborasi multi-agen, Anda akan menciptakan sistem yang mampu melakukan penelitian, menghasilkan laporan, dan mengevaluasi hasil kerjanya sendiri.
<br></br>

<h2>Buat dan Atur Alur Kerja Berbasis Agen</h2>

Anda akan memulai dengan membuat agen AI sederhana menggunakan kelas AgentWorkflow dan menghubungkannya dengan fungsi-fungsi seperti pencarian di web. Anda akan belajar cara memberikan "memori" kepada agen Anda menggunakan konteks dan membuat respons mereka terasa lebih dinamis dengan output streaming. Seiring berjalannya kursus, Anda akan mempelajari fitur-fitur lanjutan seperti penanganan peristiwa, eksekusi bersamaan, dan pembuatan alur kerja kustom menggunakan logika berbasis langkah. Anda juga akan menerapkan siklus refleksi diri untuk memungkinkan agen meningkatkan hasil kerja mereka sendiri.
<br></br>

<h2>Desain Sistem Multi-Agen dengan LlamaIndex</h2>

Pada langkah terakhir, Anda akan melampaui sistem agen tunggal dengan merancang tim agen AI yang bekerja sama. Anda akan membangun alur kerja di mana setiap agen memiliki peran khusus—seperti melakukan riset, menulis, dan meninjau—dan berbagi informasi melalui konteks yang sama. Anda akan bereksperimen dengan alur kerja berurutan, berulang, dan bercabang, serta memperoleh wawasan tentang cara mengelola tugas-tugas kompleks yang melibatkan beberapa agen.

Intermediate Python

Bangun alur kerja AI yang dapat merencanakan, mencari, mengingat, dan berkolaborasi dengan LlamaIndex.

Membangun Alur Kerja Agentic dengan LlamaIndex

Bangun alur kerja agen AI yang dapat merencanakan, mencari, mengingat, dan berkolaborasi, menggunakan LlamaIndex.

Membangun alur kerja agentic dari nol

Membangun Alur Kerja Agentic dengan LlamaIndex

Instruksi latihan

Latihan interaktif langsung