การสร้าง LLM Agents ด้วย Python: การทำ Prompting และการจัดการด้วย Graph

Large Language Models มอบศักยภาพที่มหาศาล แต่การเปลี่ยนการเข้าถึง API แบบดิบให้กลายเป็นแอปพลิเคชันหลายขั้นตอนที่เชื่อถือได้นั้นต้องอาศัยทักษะการพัฒนาเฉพาะทาง หลักสูตรนี้จะสอนเทคนิคเชิงปฏิบัติที่คุณจำเป็นต้องใช้ในการสร้างเวิร์กโฟลว์ LLM ที่ซับซ้อน เมื่อจบหลักสูตรนี้ คุณจะสามารถรวม LLMs เข้ากับแอปพลิเคชัน Python ของคุณ, ใช้กลยุทธ์การทำ Prompting ขั้นสูงเพื่อการดึงข้อมูลที่เชื่อถือได้ และออกแบบสถาปัตยกรรม AI agents ที่ทำงานได้ด้วยตนเองและสามารถตัดสินใจรวมถึงเรียกใช้ฟังก์ชันที่ซับซ้อนได้ สิ่งที่คุณจะได้เรียนรู้: * เข้าใจพื้นฐานของการโต้ตอบกับ LLM โดยใช้ Python SDKs และการเรียก API โดยตรง * ฝึกฝนเทคนิค Prompt Engineering รวมถึงการปรับแต่งคำสั่ง (instruction tuning) และการเรียนรู้แบบ few-shot * ประยุกต์ใช้วิธีการ Structured Output โดยใช้โมเดลข้อมูล (เช่น Pydantic) เพื่อให้มั่นใจว่าการดึงข้อมูลจาก LLMs จะมีความน่าเชื่อถือ * ฝึกฝนการใช้รูปแบบ Retrieval-Augmented Generation (RAG) เบื้องต้นเพื่อการอ้างอิงบริบท * กำหนดค่า AI agents ที่สามารถใช้เครื่องมือภายนอกผ่าน Function Calling และการกำหนดนิยามของเครื่องมือ * ออกแบบและสร้างสถาปัตยกรรม agent แบบหลายขั้นตอนโดยใช้เครื่องมือการจัดการแบบกราฟ (graph-based orchestration) เช่น LangGraph หลักสูตรนี้เริ่มต้นด้วยแนวคิดพื้นฐานและการรวม API ก้าวหน้าไปสู่การทำ Prompting ขั้นสูงและการจัดการข้อมูลที่มีโครงสร้าง และจบลงด้วยการพัฒนาสถาปัตยกรรม AI agent ที่สมบูรณ์และมีสถานะ หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนา Python มือใหม่ที่ต้องการเชี่ยวชาญในการสร้างแอปพลิเคชันที่ใช้งานได้จริงและพร้อมใช้งานในระดับโปรดักชันด้วย Large Language Models ไม่จำเป็นต้องมีประสบการณ์ด้าน AI หรือ machine learning มาก่อน เริ่มสร้างแอปพลิเคชันอัจฉริยะแห่งอนาคตได้ตั้งแต่วันนี้