代理AI系统超越了传统的生成式AI，通过允许软件代理计划、做出决策、使用工具、与外部系统交互，并以更大的自主性完成多步骤任务。本课程提供了设计、开发、应用、测试和优化有效代理系统的结构化介绍。
本课程从代理AI的基础开始，解释代理系统如何与标准的基于提示的生成式AI应用不同。学习者将探索自主代理的特征，包括目标导向、推理、计划、记忆、决策、工具使用和与不断变化的环境的交互。
然后课程考察代理系统的主要构建块。学习者将了解语言模型、指令、记忆组件、工具、API、数据源、工作流和反馈机制如何共同创建功能性代理。还关注个体代理、用户和外部系统之间的关系。
学习者将探索如何为复杂任务设计有效的代理工作流。这包括将目标分解为更小的行动，定义决策点，组织任务序列，处理依赖关系，并为代理创建可靠的路径。课程解释了结构化工作流如何提高一致性、效率和控制，同时仍允许代理自主运行。
开发部分专注于创建可以解释目标、选择适当行动、使用可用工具、评估结果和调整行为的自主代理。学习者将考察定义代理责任、设定界限、管理上下文和减少不必要或不正确行动的实际考虑。
课程介绍用于构建代理AI解决方案的常见工具和框架。学习者将了解这些技术如何支持模型集成、工具调用、编排、记忆、工作流管理和代理之间的通信。重点是根据项目需求选择工具，而不是依赖单一框架。
探索代理系统在业务运营、客户支持、研究、数据处理、工作流自动化、内容管理和决策支持等方面的实际应用。学习者将考察自主代理如何提高生产力，同时认识到需要人工审查的情况。
