Aperçu
Your organization has assessed its need and ability to implement one or more AI agents with minimal risk. Now it's just a matter of building those agents—that's where you come in.
In this course, you'll translate business requirements into a functional AI agent that can automate complex tasks and processes that would otherwise require significant human effort. Ultimately, this can lead to improved user productivity, a reduction in operational costs, and enhanced employee and customer satisfaction.
This is the second course in a series and is meant to build upon the foundation of the first course (AgenticAIBIZ) by giving technical practitioners the skills they need to successfully build agentic AI into their organizations. This course is designed for programmers, IT infrastructure personnel, DevOps/MLOps personnel, and any other technically minded professional who is responsible or may soon be responsible for implementing agentic solutions in their organization.
This course is also designed to assist you in preparing for the CertNexus® Agentic AI Builder™ (Exam AGB-110) credential. In this course, you will:
set up the agent development environment; assess LLM behavior in agent contexts; implement the agent reasoning loop; implement tools for the agent to use; add knowledge to an agent through retrieval-augmented generation (RAG); enforce structure, safety, and reliability in an agent; test the behavior and performance of an agent; and deploy a single-agent system to production.
NOTE:
In order to use the labs in this course as intended, you will need access to an OpenAI API key. This is a paid service, but your total costs should not exceed $5.
The course setup instructions provided in the first module of the course go into more detail about the API requirements.
Programme
- Configuration de l'environnement de développement de l'agent
Les systèmes agentiques sont comme tout autre logiciel en ce sens qu'ils doivent être développés et testés dans un environnement contrôlé. Mettre en place cet environnement est une première étape nécessaire vers l'achèvement du projet. Ainsi, dans cette leçon, vous configurerez un espace de travail et vous assurerez que vous pouvez accéder aux ressources nécessaires pour que l'agent puisse démarrer.
- Évaluation du comportement du LLM dans les contextes d'agents
Connecter un LLM au système agentique n'est que la première étape. Vous devez comprendre comment le LLM se comporte dans la pratique avant de pouvoir concevoir efficacement l'agent autour du LLM. De cette manière, il n'y aura pas de surprises : vous saurez exactement ce dont le modèle est capable et où il pourrait échouer. Vous serez alors en mesure de tirer parti de cette évaluation en construisant un agent qui utilise le LLM et ne perd pas de temps ou de tokens sur des comportements irréalistes.
- Mise en œuvre de la boucle de raisonnement de l'agent
Auparavant, vous vous êtes concentré sur la connexion de l'agent à un grand modèle de langage (LLM) et vous vous êtes assuré qu'il utilise ce LLM efficacement. Il est maintenant temps de construire le flux de travail de l'agent. Ce flux de travail formera une boucle d'exécution globale dans laquelle l'agent réfléchira et agira de manière répétée. Vous devez vous assurer que cette boucle est construite correctement afin qu'elle soutienne les objectifs de l'agent ainsi que vos objectifs commerciaux pour l'initiative agentique.
- Utilisation des outils de l'agent
Vous avez construit votre agent pour raisonner efficacement, et non seulement cela, mais aussi pour maintenir une conscience du contexte important pendant qu'il raisonne. Mais ce n'est en réalité que la moitié de l'équation agentique. L'autre moitié consiste à s'assurer que l'agent peut prendre des actions dans un environnement. C'est la clé pour le transformer en un véritable système automatisé. Et, la façon dont vous facilitez les actions est de fournir à l'agent des outils. C'est donc ce que vous ferez dans cette leçon.
- Ajout de connaissances avec la génération augmentée par récupération
La génération augmentée par récupération (RAG) est une méthode complémentaire, mais puissante, pour rendre les agents IA encore plus performants. De nombreux systèmes agentiques intègrent la RAG pour aider à atténuer le problème de mémoire limitée et de fenêtres contextuelles dans les LLMs. Un agent peut toujours revoir et évaluer des informations clés sans avoir besoin de recevoir directement toutes ces informations. Dans cette leçon, vous préparerez votre agent pour la RAG afin qu'il puisse prendre des décisions plus éclairées basées sur une documentation organisationnelle étendue.
- Application de la structure, de la sécurité et de la fiabilité dans un agent
Une partie importante de la création d'un agent performant est de s'assurer qu'il peut effectuer ses tâches assignées dans des limites acceptables. Jusqu'à ce que vous incorporiez ces limites, il ne sera pas fiable pour produire des résultats sûrs et cohérents dans un environnement de production. C'est pourquoi, dans cette leçon, vous utiliserez diverses techniques pour empêcher que les erreurs n'aient un impact négatif significatif sur le système agentique dans son ensemble.
- Test d'un agent
L'IA agentique est, fondamentalement, un logiciel—et comme tout logiciel, elle doit être testée avant son lancement. Si vous êtes familier avec le monde du développement logiciel, vous aurez probablement une idée de la manière d'aborder le test d'un agent. Cependant, certains éléments clés distinguent le test d'un agent du test d'une application normale. Dans cette leçon, vous utiliserez diverses méthodes pour tester l'IA agentique afin de vous assurer qu'elle répond aux attentes.
- Déploiement d'un système à agent unique
Vous avez développé et testé en profondeur votre système agentique, donc naturellement, l'étape restante est de le déployer. Mais, le déploiement ne consiste pas simplement à appuyer sur un interrupteur puis à s'en aller—il nécessite une planification et un travail de conception, comme tout autre aspect du processus de développement. Vous devez choisir une interface par laquelle exposer l'agent à ses utilisateurs, et vous devez vous assurer que vous êtes vraiment prêt à livrer l'agent en production au lieu de créer un autre prototype. Dans cette leçon, vous vous assurerez d'être véritablement prêt à déployer votre système agentique.
- Conclusion du cours
Vous conclurez les choses et validera ce que vous avez appris dans ce cours en passant l'examen de validation des compétences.
Enseigné par
Bill Rosenthal
Matières
Artificial Intelligence
