Курс за обучение по Инженерия на агентна ИИ система с Python — Създаване на автономни агенти

Основни принципи на агентния ИИ

• Какво е автономен агент: дефиниции и таксономия
• Цикъл на агента: цикъл на възприемане, вземане на решение, действие и наблюдение
• Модели за проектиране на отговорности и обхват на агентите

Инструменти на Python и SDK за агенти

• Използване на LangChain и сходни SDK за стартиране на агенти
• Асинхронно програмиране, опашки от задачи и управление на подпроцеси
• Пакетиране, виртуални среди и възпроизводими работни потоци за разработка

Интегриране на външни инструменти и API

• Проектиране на интерфейси за инструменти и модели за безопасно инвокиране
• Повръзка към веб API, бази данни и вътрешни услуги
• Управление на удостоверения, тайни и достъп с най-малко привилегии

Памет, състояние и управление на контекста

• Краткосрочни прозорци за контекст и техники за промпт инженерия
• Архитектури за дългосрочна памет: Redis, векторни хранилища, разширяване чрез извличане (RAG)
• Консистентност, стратегии за кеширане и хигиена на паметта

Оркестрация, планиране и многоетапни работни потоци

• Веригиране на действия, под-агенти и декомпозиция на задачи
• Алгоритми за планиране срещу хевристична оркестрация
• Обработка на грешки, повторни опити и компенсиращи действия

Безопасност, тестване и наблюдаемост

• Моделни заплахи, червено-тимово тестване и пречистване на входни/изходни данни
• Модулни, интеграционни и крайно-крайни (end-to-end) тестове за агенти
• Логване, метрики, проследяване (tracing) и алармиране за поведението на агентите

Внедряване, мащабиране и MLOps за агенти

• Контейнеризация, CI/CD пайплайни и стратегии за разгръщане
• Контрол на разходите, ограничаване на честотата (rate limiting) и оптимизация на ресурсите
• Мониторинг, управление (governance) и оперативни планове (playbooks)

Резюме и следващи стъпки