Det här kapitlet introducerar grundbegreppen och den konfiguration som krävs för att bygga agentbaserade arbetsflöden med LlamaIndex. Du får praktisk erfarenhet av verktyg som Tavily och OpenAI-modeller, definierar din första verktygsfunktion och skapar en intelligent agent som kan interagera med webben. I slutet av kapitlet har du en fullt fungerande AI-agent byggd med LlamaIndex, redo att hantera verkliga uppgifter.

Välkommen!

Kom igång med LlamaIndex

Vad är agenter?

Skapa en agent

Har agenter minne?

Bevara tillstånd mellan agentkörningar

Strömmande utdata och händelser

Bygga en agent

Varför stanna vid en agent när du kan bygga ett helt team? I det här kapitlet utforskar du kraften i system med flera agenter, där specialiserade agenter samarbetar som ett forskningsteam – var och en med en unik roll. Du bygger ett eget kollaborativt agentarbetsflöde som söker, skriver och granskar, och ser hur teamarbete gör din AI smartare och mer skalbar.

Vad är multi-agentsystem?

Multi-agentsystem med AgentWorkflow

Bygg agentbaserade arbetsflöden från grunden

Utforma flerstegsvorkflöden med anpassade händelser

Parallellkörning och händelseinsamling

Sätt ihop ett multi-agentsystem

Lägga till självreflektion i arbetsflödet

Sammanfattning

Skapa ett arbetsflöde för djupforskning

Redo att bygga ett eget team av AI-agenter? I den här kursen börjar du med en enda smart assistent och bygger upp till fullständiga agentbaserade arbetsflöden som planerar, söker, minns och samarbetar. Med LlamaIndex skapar du kraftfulla system som hanterar komplexa uppgifter som djupforskning och rapportskrivning. På vägen lär du dig att orkestrera verktyg, minne och samarbete mellan flera agenter för att ge dina AI-arbetsflöden liv.

<h2>Bygg smarta, kapabla AI-agenter från grunden</h2>

Lär dig hur du bygger intelligenta agentiska arbetsflöden från grunden med LlamaIndex, ett kraftfullt ramverk för att orkestrera AI-beteende. Med en enkel agentkonfiguration och vidare mot samarbete mellan flera agenter kommer du att skapa ett system som kan utföra research, generera rapporter och reflektera över sina egna resultat.
<br></br>

<h2>Skapa och orkestrera agentiska arbetsflöden</h2>

Du börjar med att konfigurera en enkel AI-agent med klassen AgentWorkflow och koppla den till funktioner som att söka på webben. Du kommer att lära dig hur du ger dina agenter ”minne” med hjälp av kontext och gör deras svar mer dynamiska med strömmande utdata. I takt med att kursen fortskrider kommer du att utforska avancerade funktioner som händelsehantering, samtidig körning och att skapa anpassade arbetsflöden med stegvis logik. Du kommer också att implementera självreflektionsloopar som gör det möjligt för agenter att förbättra sina egna resultat.
<br></br>

<h2>Designa multiagentsystem med LlamaIndex</h2>

I det sista steget går du bortom system med en enskild agent genom att utforma team av AI-agenter som arbetar tillsammans. Du kommer att bygga arbetsflöden där varje agent tar på sig en specialiserad roll – som att forska, skriva och granska – och delar information genom ett gemensamt sammanhang. Du kommer att experimentera med sekventiella, loopande och förgrenade arbetsflöden och få insikter i hur du hanterar komplexa uppgifter med flera agenter.

Intermediate Python

Skapa AI-arbetsflöden med LlamaIndex för planering, sökning, minne och samarbete.

Bygga agentbaserade arbetsflöden med LlamaIndex

Bygg AI-agentiska arbetsflöden som kan planera, söka, minnas och samarbeta med LlamaIndex.

Lägga till självreflektion i arbetsflödet

Bygga agentbaserade arbetsflöden med LlamaIndex

Övningsinstruktioner

Interaktiv övning med praktiskt arbete