Datawhale Agentic AI 教程

在线视频课程地址： DeepLearning.AI - Agentic-ai

课时

• 1. Agentic工作流简介[Introduction to Agentic Workflows]
  • 欢迎来到本课程 Welcome!
  • 什么是智能体 AI？ What is agentic Al?
  • 自主程度 Degrees of autonomy
  • 智能体 AI 的优势 benefits-of-agentic-ai
  • 智能体 AI 的应用 Agentic-ai-applications
  • 为什么需要任务分解？ Task decomposition:Identifying the steps in a workflow?
  • 评估智能体 AI（评测）Evaluation agentic Al (evals)
  • 智能体设计模式 Agentic design patterns
• 2. 反思设计模式[Reflection Design Pattern]
  • 反思如何改进任务输出 Reflection to improve outputs of a task
  • 为什么不一次直接生成？Why not just direct generation?
  • 图表生成工作流程 Chart generation workflow
  • 评估反思的影响 Evaluating the impact ofreflection
  • 使用外部反馈（Using external feedback）
• 3. 工具使用[Tool Use]
  • 工具使用 Tool Use
  • 创建工具 Creating a Tool
  • 工具调用语法 Tool Use Syntax
  • 工具使用 - 代码执行 Tool Use: Code Execution
  • 工具使用 - MCP Model Context Protocol
• 4. 构建Agentic AI的实用技巧[Practical Tips for Building Agentic AI]
  • 4.1 评估（evals）[Evaluations (evals)]
  • 4.2 错误分析与制定下一步优先级[Error analysis and prioritizing next steps]
  • 更多错误分析示例 More error analysis examples
  • 4.4 组件级评估[Component level evaluations]
  • 4.6 解决识别到的问题[How to address problems you identify]
  • 4.7 延迟与成本优化[Latency, cost optimization]
  • 4.8 开发过程总结[Development process summary]
• 5. 高度自治智能体的模式[Patterns for Highly Autonomous Agents]
  • 5.1 工作流规划[Planning workflows]
  • 5.2 创建与执行LLM计划[Creating and executing LLM plans]
  • 5.3 结合代码执行的规划[Planning with code execution]
  • 5.5 多智能体工作流[Multi agentic workflows]
  • 5.7 多智能体系统的通信模式[Communication patterns for multi agent systems]
  • 5.10 总结[Conclusion]

开始学习 → 欢迎来到本课程 Welcome!