การพัฒนา AI Agent ด้วย LangGraph, AutoGen และ Semantic Kernel

การเปลี่ยนผ่านจากแชทบอทธรรมดาไปสู่ AI Agent อัตโนมัติกำลังเปลี่ยนแปลงวิธีการแก้ปัญหาที่ซับซ้อนของเราโดยใช้ Large Language Models คอร์สนี้เป็นคู่มือที่ครอบคลุมสำหรับการสร้างระบบอัจฉริยะที่สามารถให้เหตุผล, ใช้เครื่องมือ และทำงานร่วมกันเพื่อให้บรรลุเป้าหมายเฉพาะ คุณจะได้รับทักษะในการก้าวข้ามพรอมต์พื้นฐานและสร้างเวิร์กโฟลว์ AI ที่ซับซ้อนและปรับเปลี่ยนได้ซึ่งจัดการกับความซับซ้อนในโลกแห่งความเป็นจริง เมื่อทำตามโปรแกรมที่เป็นลายลักษณ์อักษรนี้ คุณจะเปลี่ยนจากผู้เริ่มต้นไปสู่ผู้พัฒนาที่สามารถจัดการสภาพแวดล้อมแบบ multi-agent ได้ คุณจะได้เรียนรู้วิธีจัดการสถานะการสนทนา, ใช้ feedback loops และเชื่อมต่อโมเดล AI กับข้อมูลและฟังก์ชันภายนอก สิ่งที่คุณจะได้เรียนรู้: - เข้าใจสถาปัตยกรรมพื้นฐานของเอเจนต์อัตโนมัติและลูปการให้เหตุผลของเอเจนต์ - สร้างเวิร์กโฟลว์ที่ซับซ้อนและมีสถานะโดยใช้ LangGraph เพื่อจัดการกระบวนการและตรรกะแบบวนซ้ำ - ใช้รูปแบบการทำงานร่วมกันแบบ multi-agent โดยใช้เฟรมเวิร์ก AutoGen สำหรับการมอบหมายงาน - ใช้ Semantic Kernel เพื่อผสานรวมความสามารถของ AI เข้ากับสภาพแวดล้อมซอฟต์แวร์ที่มีโครงสร้าง - ผสานรวมรูปแบบ human-in-the-loop เพื่อให้แน่ใจในความปลอดภัยและความแม่นยำในการตัดสินใจที่ขับเคลื่อนโดยเอเจนต์ - กำหนดค่าความสามารถในการเรียกใช้เครื่องมือและการดำเนินการฟังก์ชันสำหรับการโต้ตอบระบบในโลกแห่งความเป็นจริง - ฝึกฝนการออกแบบระบบเอเจนต์ที่ใช้ Retrieval-Augmented Generation (RAG) สำหรับการตอบสนองที่มีพื้นฐาน คอร์สนี้เริ่มต้นด้วยคำจำกัดความพื้นฐานและหลักการสำคัญของการออกแบบเอเจนต์ ก่อนที่จะนำคุณผ่านรูปแบบการใช้งานเฉพาะของเฟรมเวิร์กชั้นนำในอุตสาหกรรม คุณจะได้สำรวจวิธีการจัดโครงสร้างหน่วยความจำของเอเจนต์, จัดการการสนทนาแบบหลายเทิร์น และดีบักการโต้ตอบที่ซับซ้อน คอร์สนี้ออกแบบมาสำหรับนักพัฒนาและผู้ที่สนใจ AI ที่ยังใหม่กับเฟรมเวิร์กเอเจนต์ ไม่จำเป็นต้องมีประสบการณ์ LangGraph หรือ AutoGen มาก่อน เริ่มสร้างเอเจนต์อัจฉริยะที่ก้าวข้ามการโต้ตอบแชทธรรมดาได้แล้ววันนี้