Descoperă ce face agenții de cod speciali și cum folosesc Python pentru a raționa și a acționa. Construiește primul tău agent cu smolagents, adaugă instrumente predefinite și din comunitate pentru acces la web și creează instrumente personalizate pentru a conecta agenții la date.

Introducere în Hugging Face smolagents

Lasă agentul să facă calculele: analiză cheltuieli

Stai, Nu Ai Scris Nicio Funcție?

Crearea unui agent cu instrumente

Scriere de cod prin prompturi: dobândă compusă

Lasă agenții să caute pe web

Crearea unui agent cu instrumente personalizate

Doar adaugă @tool: scrierea unui instrument personalizat

Nota de plată! Oferă agenților acces la date

Un prompt, mai multe unelte

Transformă un pipeline RAG tradițional într-un sistem agentic care recuperează informații iterativ și raționează în mai mulți pași. Construiește instrumente cu stare pentru a susține recuperarea avansată, ghidează agenții cu intervale de planificare pentru rezultate mai bune și folosește callback-uri pentru a urmări și personaliza comportamentul agenților în timp real.

Recapitulare RAG

Pipeline-ul RAG pas cu pas

RAG în ordine: de la manuale la răspunsuri

Deci, ce se întâmplă de fapt în RAG?

Pasul Care Adaugă Semnificație

Introducere în RAG agentic

Proiectat cu stare: construiește un instrument RAG de căutare

Conectează instrumentul și activează RAG-ul agențial

Lucrul cu agenți cu mai mulți pași

Urmărește pașii agentului și monitorizează acțiunea

Momentul adevărului: rulează agentul complet

RAG agentic și agenți cu mai mulți pași

Abordează fluxuri de lucru complexe prin orchestrarea unor echipe de agenți specializați, coordonați de un manager. Adaugă memorie pentru a păstra contextul între interacțiuni, depanează comportamentul agenților folosind trasee de execuție și pași de raționament și implementează strategii robuste de validare pentru a obține răspunsuri de calitate și fiabile.

Introducere în sistemele multi-agent

Divide și Cucerește: Crearea Agenților Specializați

Cunoaște echipa: Coordonarea agenților

Gestionarea memoriei agentului

Nu uita: Păstrarea memoriei între apeluri

Urmărirea execuției codului agentului

Validarea răspunsului final al agentului

Răspunde mai mult, agent: impunerea unei lungimi minime

Agenți mai inteligenți: validare și reîncercare

Felicitări!

Sisteme multi-agent, memorie și validare

Orders

Agenții AI schimbă modul în care lucrăm cu datele și software-ul. De la automatizarea fluxurilor de lucru până la ghidarea utilizatorilor prin sarcini complexe, agenții pot căuta, raționa și acționa în numele tău. În acest curs, vei învăța cum să construiești agenți folosind smolagents, un framework Python ușor, dezvoltat de Hugging Face.

Lucrează direct cu agenți de cod și instrumente

Vei începe prin a înțelege ce face agenții de cod diferiți și de ce sunt atât de puternici. Apoi, vei construi primul tău agent de la zero, folosind smolagents pentru a genera și executa cod Python. Vei învăța, de asemenea, cum să integrezi instrumente predefinite și să creezi instrumente personalizate pentru a extinde capacitățile agenților tăi.

Fă agenții mai inteligenți cu RAG și memorie

În continuare, vei folosi generarea augmentată prin recuperare (RAG) pentru a ajuta agenții să extragă informații din colecții mari de documente. Vei merge mai departe, construind sisteme RAG agentice – agenți care raționează în mai mulți pași pentru a obține răspunsuri mai bune. Vei învăța și cum să adaugi memorie, astfel încât agenții să poată gestiona întrebările de urmărire în mod natural și să țină evidența a ceea ce a fost deja realizat.

Coordoneaza sisteme multi-agent și validează rezultatele

În capitolul final, vei construi sisteme multi-agent care coordonează agenți specializați printr-un manager. Vei adăuga intervale de planificare, vei folosi callback-uri pentru a înțelege comportamentul agenților și vei valida răspunsurile finale – astfel încât agenții tăi să rămână fiabili și ușor de utilizat.

La finalul cursului, vei ști cum să construiești agenți care gândesc în avans, colaborează și duc lucrurile la bun sfârșit.

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

Învață să creezi agenți inteligenți care raționează, acționează și rezolvă sarcini reale cu Python.

Agenți AI cu Hugging Face smolagents

Învață să construiești agenți inteligenți care raționează, acționează și rezolvă sarcini reale cu Python.

Fundamentele Hugging Face

VP of AI Curriculum, DataCamp

Lucrul cu agenți multi-pas

Provocările agenților multi-pas

Exemplu: asistent de călătorie

Intervale de planificare: ajutați agenții să regândească

Rularea agentului cu intervale de planificare

Callback-uri: puncte de intrare în procesul agentului

Funcție de callback de bază

Callback-uri pentru pasul de planificare

Callback-uri pentru pasul de acțiune

Adăugarea callback-urilor la agenți

Ce se poate face cu callback-urile?

Să exersăm!

RAG agentic și agenți cu mai mulți pași - Lucrul cu agenți cu mai mulți pași

Lucrul cu agenți cu mai mulți pași

Create Your Free Account