Ontdek wat code-agents bijzonder maakt en hoe ze Python gebruiken om te redeneren en te handelen. Bouw je eerste agent met smolagents, voeg ingebouwde en community-tools toe voor webtoegang en maak eigen tools om agents met data te verbinden.

Introductie tot Hugging Face smolagents

Laat de agent rekenen: Inzicht in uitgaven

Wacht, je hebt geen functies geschreven?

Een agent maken met tools

Code schrijven via prompts: samengestelde rente

Laat agents het web doorzoeken

Een agent maken met aangepaste tools

Voeg gewoon @tool toe: een eigen tool schrijven

Rekening graag! Agents toegang geven tot data

Eén prompt, veel tools

Maak van je traditionele RAG-pijplijn een agentic systeem dat iteratief informatie ophaalt en over meerdere stappen redeneert. Bouw stateful tools voor geavanceerde retrieval, stuur agents met planningsintervallen om resultaten te verbeteren en gebruik callbacks om agentgedrag tijdens runtime te volgen en aan te passen.

RAG-opfrisser

RAG op volgorde: van handleidingen naar antwoorden

Wat gebeurt er nu eigenlijk in RAG?

De stap die betekenis toevoegt

Introductie tot Agentic RAG

Stateful by Design: bouw een RAG-zoektool

Koppel de tool en ontgrendel Agentic RAG

Werken met multi-step agents

Volg agentstappen, houd de actie in de gaten

Game Time: voer de volledige agent uit

Agentic RAG en meerstapsagents

Pak complexe workflows aan door teams van gespecialiseerde agents te orkestreren onder een coördinerende manager. Voeg geheugen toe om context over interacties heen te behouden, debug agentgedrag met uitvoeringstraces en redeneerstappen, en implementeer robuuste validatiestrategieën voor hoogwaardige, betrouwbare antwoorden.

Introductie tot multi-agentsystemen

Divide and Conquer: specialist-agents maken

Maak kennis met het team: agentcoördinatie

Geheugen van agents beheren

Niet vergeten: geheugen bewaren tussen aanroepen

De code-uitvoering van de agent traceren

Validatie van het uiteindelijke antwoord van de agent

Vertel meer, agent: lengte van antwoorden afdwingen

Slimmere agents: valideren en opnieuw proberen

Gefeliciteerd!

Multi-agent systemen, geheugen en validatie

Orders

AI-agents veranderen hoe we met data en software werken. Van het automatiseren van workflows tot het helpen van gebruikers bij complexe taken: agents kunnen voor jou zoeken, redeneren en handelen. In deze cursus leer je agents bouwen met smolagents, een lichtgewicht Python-framework van Hugging Face.

Aan de slag met code-agents en tools

Je begint met wat code-agents anders maakt en waarom ze zo krachtig zijn. Daarna bouw je je eerste agent vanaf nul met smolagents om Python-code te genereren en uit te voeren. Je leert ook hoe je ingebouwde tools koppelt en eigen tools maakt om je agents uit te breiden.

Maak agents slimmer met RAG en geheugen

Vervolgens gebruik je retrieval-augmented generation (RAG) om agents informatie uit grote documentcollecties te laten halen. Je gaat nog een stap verder met agentic RAG-systemen—agents die in meerdere stappen redeneren voor betere antwoorden. Je leert ook geheugen toevoegen, zodat agents vervolgvragen natuurlijk afhandelen en bijhouden wat er al is gedaan.

Coördineer multi-agent systemen en valideer Resultaten

In het laatste hoofdstuk bouw je multi-agent systemen die specialistische agents laten samenwerken via een manager. Je voegt planningsintervallen toe, gebruikt callbacks voor inzicht in agentgedrag en valideert eindantwoorden, zodat je agents betrouwbaar en gebruiksvriendelijk blijven.

Aan het einde van de cursus weet je hoe je agents bouwt die vooruitdenken, samenwerken en dingen gedaan krijgen.

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

Leer intelligente agenten bouwen die redeneren, handelen en problemen oplossen met Python.

AI-agents met Hugging Face smolagents

Leer hoe je slimme agents kunt maken die nadenken, handelen en echte taken oplossen met Python.

Een agent maken met tools

Create Your Free Account