У цьому розділі представлено ключові концепції та налаштування, потрібні для побудови агентних робочих процесів за допомогою LlamaIndex. Ви попрактикуєтеся з такими інструментами, як Tavily і моделі OpenAI, визначите свою першу функцію-інструмент і створите інтелектуального агента, здатного взаємодіяти з вебом. Наприкінці у вас буде повнофункціональний AI-агент, створений у LlamaIndex, готовий до реальних завдань.

Вітаємо!

Початок роботи з LlamaIndex

Що таке агенти?

Створення агента

Чи мають агенти памʼять?

Збереження стану між запусками агента

Потоковий вивід і події

Навіщо зупинятися на одному агенті, якщо можна створити команду? У цьому розділі ви розкриєте потенціал багатагентних систем, де спеціалізовані агенти працюють разом, мов дослідницька група, і кожен виконує свою роль. Ви збудуєте власний спільний агентний робочий процес, який шукає, пише та рецензує, демонструючи, як командна робота робить ваш ШІ розумнішим і масштабованішим.

Що таке багатоагентні системи?

Багатоагентна система з AgentWorkflow

Створення агентних робочих процесів з нуля

Проєктування багатоетапних робочих процесів із користувацькими подіями

Паралельність і збирання подій

Збираємо мультиагентну систему

Додаємо самооцінку до робочого процесу

Підсумок

Створення робочого процесу для глибинного дослідження

Готові зібрати власну команду AI-агентів? У цьому курсі ви почнете з одного розумного асистента й поступово перейдете до повних агентних робочих процесів, які планують, шукають, запам'ятовують і співпрацюють. Використовуючи LlamaIndex, ви створите потужні системи, що розв'язують складні завдання, як-от глибинні дослідження та підготовка звітів. Паралельно ви навчитеся керувати інструментами, пам'яттю та взаємодією кількох агентів, щоб оживити ваші AI-робочі процеси.

<h2>Створюйте розумних, потужних AI-агентів з нуля</h2>

Дізнайтеся, як створювати інтелектуальні агентні робочі процеси з нуля за допомогою LlamaIndex — потужного фреймворку для оркестрації поведінки ШІ. Починаючи з налаштування з одним агентом і переходячи до багатoагентної співпраці, ви створите систему, яка може проводити дослідження, генерувати звіти та аналізувати власні результати.
<br></br>

<h2>Створюйте та оркеструйте агентні робочі процеси</h2>

Ви почнете з налаштування простого AI-агента за допомогою класу AgentWorkflow і підключення його до таких функцій, як пошук у вебі. Ви навчитеся надавати своїм агентам «пам’ять» за допомогою контексту та робити їхні відповіді більш динамічними завдяки потоковому виведенню. У міру проходження курсу ви ознайомитеся з такими розширеними можливостями, як обробка подій, паралельне виконання та створення власних робочих процесів із використанням покрокової логіки. Ви також реалізуєте цикли саморефлексії, щоб дати агентам змогу покращувати власні результати.
<br></br>

<h2>Проєктуйте багатoагентні системи за допомогою LlamaIndex</h2>

На завершальному етапі ви перейдете від однoагентних систем до проєктування команд AI-агентів, які працюють разом. Ви створите робочі процеси, у яких кожен агент виконує спеціалізовану роль — наприклад, досліджує, пише та перевіряє — і обмінюється інформацією через спільний контекст. Ви експериментуватимете з послідовними, циклічними та розгалуженими робочими процесами, отримуючи уявлення про те, як керувати складними завданнями за допомогою кількох агентів.

Intermediate Python

Створюйте агентні AI-процеси для планування, пошуку, запам'ятовування та співпраці з LlamaIndex.

Створення агентних робочих процесів із LlamaIndex

Створюйте агентні AI-робочі процеси, що можуть планувати, шукати, запам’ятовувати й співпрацювати, за допомогою LlamaIndex.

VP Developer Relations, LlamaIndex

Що таке мультиагентні системи?

Поза межами одного агента

Чому варто використовувати багато агентів?

Познайомтеся зі спеціалізованими агентами

Як вони працюють разом

Коли масштабувати

Вбудований AgentWorkflow

Давайте потренуємось!

Створення робочого процесу для глибинного дослідження - Що таке багатоагентні системи?

Що таке багатоагентні системи?

Create Your Free Account