Dowiedz się, co wyróżnia agenty kodu i jak używają Pythona do wnioskowania i działania. Zbuduj swojego pierwszego agenta przy użyciu smolagents, dodaj wbudowane narzędzia i narzędzia społeczności umożliwiające dostęp do internetu, a następnie stwórz własne narzędzia, by połączyć agenty z danymi.

Wprowadzenie do Hugging Face smolagents

Niech agent policzy: analiza wydatków

Chwila, ale ty nie napisałeś żadnych funkcji?

Tworzenie agenta z narzędziami

Pisanie kodu za pomocą promptów: procent składany

Daj agentowi dostęp do internetu

Tworzenie agenta z użyciem własnych narzędzi

Wystarczy @tool: tworzenie własnego narzędzia

Rachunek poproszę! Daj agentowi dostęp do danych

Jedno polecenie, wiele narzędzi

Przekształć tradycyjny potok RAG w system agentowy, który iteracyjnie pobiera informacje i wnioskuje wieloetapowo. Zbuduj narzędzia ze stanem, by wspierać zaawansowane wyszukiwanie, steruj agentami za pomocą interwałów planowania w celu poprawy wyników, a następnie użyj callbacków do śledzenia i dostosowywania zachowania agentów w czasie działania.

Przypomnienie RAG

Potok RAG krok po kroku

RAG krok po kroku: od instrukcji do odpowiedzi

Co tak właściwie dzieje się w RAG?

Krok, który nadaje znaczenie

Wprowadzenie do agentowego RAG

Projektowanie ze stanem: tworzenie narzędzia RAG do wyszukiwania

Podłącz narzędzie i uruchom agentic RAG

Praca z agentami wieloetapowymi

Śledzenie kroków agenta i monitorowanie akcji

Czas na grę: uruchom pełnego agenta

Agentowy RAG i agenty wieloetapowe

Zmierz się ze złożonymi procesami, koordynując zespoły wyspecjalizowanych agentów pod nadzorem menedżera. Dodaj pamięć, aby zachować kontekst między interakcjami, debuguj zachowanie agentów przy użyciu śladów wykonania i kroków wnioskowania, a następnie wdróż solidne strategie walidacji, które zapewnią wysoką jakość i niezawodność odpowiedzi.

Wprowadzenie do systemów wieloagentowych

Dziel i rządź: tworzenie wyspecjalizowanych agentów

Poznaj zespół: koordynacja agentów

Zarządzanie pamięcią agenta

Nie zapomnij: zachowywanie pamięci między wywołaniami

Śledzenie wykonania kodu przez agenta

Walidacja ostatecznej odpowiedzi agenta

Więcej szczegółów: wymuszanie długości odpowiedzi

Sprytniejsze agenty: walidacja i ponowna próba

Gratulacje!

Systemy wieloagentowe, pamięć i walidacja

Orders

Agenty AI zmieniają sposób, w jaki pracujemy z danymi i oprogramowaniem. Od automatyzacji procesów po pomoc w wykonywaniu złożonych zadań – agenty potrafią wyszukiwać informacje, analizować je i działać w twoim imieniu. W tym kursie nauczysz się budować agenty przy użyciu smolagents – lekkiego frameworka Pythona stworzonego przez Hugging Face.

Praktyczna praca z agentami kodu i narzędziami

Na początku poznasz, co wyróżnia agenty kodu i dlaczego są tak skuteczne. Następnie zbudujesz swojego pierwszego agenta od podstaw, używając smolagents do generowania i wykonywania kodu Pythona. Dowiesz się też, jak korzystać z wbudowanych narzędzi oraz tworzyć własne, by rozszerzyć możliwości agentów.

Inteligentniejsze agenty dzięki RAG i pamięci

W kolejnym etapie wykorzystasz retrieval-augmented generation (RAG), aby agenty mogły czerpać informacje z dużych zbiorów dokumentów. Pójdziesz o krok dalej – zbudujesz agentowe systemy RAG, w których agenty wnioskują wieloetapowo, uzyskując trafniejsze odpowiedzi. Nauczysz się też dodawać pamięć, dzięki której agenty będą naturalnie obsługiwać pytania uzupełniające i śledzić wykonane już kroki.

Koordynacja systemów wieloagentowych i walidacja wyników

W ostatnim rozdziale zbudujesz systemy wieloagentowe, w których wyspecjalizowane agenty są koordynowane przez menedżera. Dodasz interwały planowania, użyjesz callbacków do wglądu w zachowanie agentów oraz zaimplementujesz walidację końcowych odpowiedzi – tak, by twoje agenty były niezawodne i przyjazne dla użytkownika.

Po ukończeniu kursu będziesz wiedzieć, jak budować agenty, które myślą z wyprzedzeniem, współpracują ze sobą i skutecznie realizują zadania.

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

Naucz się tworzyć inteligentne agenty, które rozwiązują zadania w Pythonie.

Agenty AI z Hugging Face smolagents

Build intelligent agents with Python to reason, act, and solve real-world tasks.

Podstawy Hugging Face

Krok, który nadaje znaczenie

Agenty AI z Hugging Face smolagents

Interaktywne ćwiczenie praktyczne