Sisteme AI bazate pe Agenți (Agentic AI): Proiectarea și Implementarea Fluxurilor Autonome
Sesiuni programate
Următoarea evoluție a inteligenței artificiale: Treci dincolo de chatboții pasivi și de pipeline-urile RAG standard. Învață să construiești sisteme Agentic AI capabile să raționeze, să planifice și să execute sarcini complexe în mod autonom.
Stăpânește Tool Calling & ReAct: Învață modelele Large Language Models cum să interacționeze cu lumea exterioară — interogând baze de date, apelând API-uri interne, navigând pe web și executând cod.
Orchestrare Multi-Agent: Lucrează hands-on cu framework-uri de ultimă generație precum LangGraph și AutoGen pentru a construi echipe de agenți AI specializați care colaborează, dezbat și rezolvă fluxuri de lucru complexe sub un model de supervizor.
Siguranță și Producție: ~70% laboratoare practice axate pe construirea unor agenți fiabili, implementarea mecanismelor de Human-in-the-Loop (HITL) și prevenirea buclelor infinite sau a execuțiilor necontrolate.
Cui i se adresează: Senior Software Engineers, AI Researchers și Arhitecți care doresc să dezvolte și să implementeze următoarea generație de aplicații enterprise autonome.
Abilități dobândite
Curriculum
Fundamentele Agentic AI & Tool Calling
- Trecerea de la Generare la Acțiune: Definirea unui Agent AI
- Framework-ul ReAct (Reasoning + Acting): Cum își planifică pașii un LLM
- Function/Tool Calling explicat în profunzime: Scheme, execuție și returnarea rezultatelor către LLM
- Lab: Construirea de la zero a unui agent capabil să interogheze o bază de date SQL și un API meteo live
Agenți Stateful & Managementul Memoriei
- Gestionarea task-urilor de lungă durată: Memorie pe termen scurt vs. memorie pe termen lung
- Memoria semantică: Integrarea bazelor de date vectoriale pentru contextul agentului
- Gestionarea erorilor de execuție: Auto-corectare și fallback prompting
- Lab: Crearea unui agent de analiză a datelor care scrie, execută și își repară propriul cod Python
Orchestrare Multi-Agent (LangGraph & AutoGen)
- De ce Multi-Agent? Direcționarea complexității către agenți specializați (narrow agents)
- Introducere în LangGraph: Tratarea fluxurilor agentice ca grafuri ciclice (StateGraph)
- Microsoft AutoGen: Pattern-uri conversaționale între agenți autonomi
- Pattern-uri de Supervizor vs. Echipe Ierarhice vs. Chat Peer-to-peer
- Lab: Construirea cu LangGraph a unei echipe multi-agent de dezvoltare software (Coder, Reviewer, Tester)
Producție, Siguranță și Human-in-the-Loop
- Siguranța pe primul loc: Izolarea (sandboxing) execuției de cod și restricționarea scope-urilor API
- Human-in-the-Loop (HITL): Pauzarea grafurilor pentru aprobare manuală înainte de acțiuni critice
- Observabilitate: Monitorizarea (tracing) gândurilor agentului și a apelurilor de tools (LangSmith / Phoenix)
- Lab: Deployment-ul unui workflow agentic ca un API de tip streaming cu puncte de întrerupere HITL
Module opționale
Opțional — Pattern-uri Avansate de Raționament
- Tree of Thoughts (ToT) și Monte Carlo Tree Search pentru LLM-uri
- Arhitecturi Plan-and-Solve pentru planificarea pe orizonturi lungi (long-horizon)
- Fine-tuning pe modele open-source special pentru execuția de Tool Calling
Structura zilei de curs
- Partea 1: 09:00–10:30
- Pauză: 10:30–10:45
- Partea 2: 10:45–12:15
- Pauză de prânz: 12:15–13:15
- Partea 3: 13:15–15:15
- Pauză: 15:15–15:30
- Partea 4: 15:30–17:30