Buenísima forma de entender cómo varios agentes pueden colaborar en vez de trabajar uno solo con AutoGen. Me gustó especialmente el ejemplo donde un agente revisa el trabajo de otro antes de dar la respuesta final, se siente mucho más cercano a un flujo de trabajo real.
การสร้างระบบ Multi-Agent ด้วย AutoGen และ Python
เริ่มต้นสร้างเวิร์กโฟลว์ AI ที่ทำงานร่วมกันและเอเจนต์สนทนาโดยใช้เฟรมเวิร์ก AutoGen ใน Python
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
AI กำลังก้าวข้ามการโต้ตอบแบบพรอมต์เดียวไปสู่ระบบนิเวศที่ทำงานร่วมกันซึ่งมีเอเจนต์หลายตัวทำงานร่วมกัน หากคุณต้องการจัดการการสนทนา AI ที่ชาญฉลาด เฟรมเวิร์ก AutoGen คือจุดเริ่มต้นที่ทรงพลัง
ในคอร์สเรียนรูปแบบข้อความนี้ คุณจะได้เรียนรู้วิธีออกแบบ กำหนดค่า และจัดการระบบ multi-agent ใน Python คุณจะเริ่มต้นด้วยแนวคิดและคำศัพท์พื้นฐานของ AI จากนั้นจึงก้าวไปสู่การเขียนโค้ดสำหรับเอเจนต์ที่กำหนดเองซึ่งสามารถสื่อสาร ปฏิบัติงาน และดึงข้อมูลเพื่อแก้ปัญหาได้โดยอัตโนมัติ
สิ่งที่คุณจะได้เรียนรู้:
• ทำความเข้าใจแนวคิดพื้นฐานของระบบ multi-agent และการจัดการ AI (AI orchestration)
• กำหนดค่าสภาพแวดล้อม Python ของคุณโดยใช้เครื่องมือจัดการแพ็กเกจที่ทันสมัยและสภาพแวดล้อมเสมือน (virtual environments)
• สร้างและปรับแต่งเอเจนต์สนทนาโดยใช้เฟรมเวิร์ก AutoGen
• นำรูปแบบ Retrieval-Augmented Generation (RAG) มาใช้เพื่อให้เอเจนต์มีความรู้จากภายนอก
• ประยุกต์ใช้พื้นฐาน prompt engineering เพื่อกำหนดพฤติกรรมและการทำงานร่วมกันของเอเจนต์
• ฝึกฝนการประสานงานเวิร์กโฟลว์ที่ซับซ้อนผ่านแบบฝึกหัดการเขียนโค้ด
เนื้อหาในคอร์สจะดำเนินไปอย่างเป็นลำดับขั้นตอน ตั้งแต่นิยามที่จำเป็นและการตั้งค่าเอเจนต์เบื้องต้น ไปจนถึงรูปแบบการทำงานร่วมกันที่ซับซ้อนยิ่งขึ้น คุณจะได้อ่านคำอธิบายที่ชัดเจน ศึกษาตัวอย่างโค้ด Python ที่ใช้งานได้จริง และเสริมสร้างทักษะของคุณผ่านแบบฝึกหัดการเขียนที่มีโครงสร้าง
คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนา Python ที่ต้องการสำรวจ agentic AI โดยไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อน
เริ่มอ่านวันนี้เพื่อสร้างทีมเอเจนต์ AI ที่ทำงานร่วมกันทีมแรกของคุณ
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
3 ชม. เนื้อหาเชิงปฏิบัติ
รีวิว (8)
একাধিক এজেন্টকে একসাথে কথা বলিয়ে কাজ করানোর ব্যাপারটা আগে খুব জটিল লাগত, কিন্তু AutoGen দিয়ে এটা কত সহজ তা এই কোর্স দেখিয়ে দিল। কথোপকথনমূলক এজেন্ট কীভাবে নিজেদের মধ্যে বার্তা আদান-প্রদান করে আর একটা সমস্যা সমাধানে সহযোগিতা করে, সেটা পরিষ্কারভাবে বোঝানো হয়েছে। পাইথনের উদাহরণগুলো হুবহু চলে, কোনো ঝামেলা ছাড়াই আমার নিজের একটা ছোট দল বানিয়ে ফেলেছি। বিশেষ করে এজেন্টদের ভূমিকা ঠিক করার অংশটা দারুণ কাজে লেগেছে। শুরু করার জন্য এর চেয়ে ভালো গাইড পাওয়া কঠিন।
Je cherchais à comprendre comment faire dialoguer plusieurs agents, et AutoGen est devenu limpide grâce à ce cours. La construction des agents conversationnels en Python est très bien décortiquée, avec des exemples qui tournent du premier coup. J'ai pu monter un petit flux collaboratif en une soirée.
Konsep multi-agent yang biasanya terasa abstrak jadi masuk akal setelah lihat contoh nyata pakai AutoGen di kursus ini. Bagian yang paling saya suka adalah saat beberapa agent saling berdiskusi dan mengoreksi jawaban satu sama lain sebelum hasil akhir diberikan, itu terasa seperti melihat tim kerja beneran.
Bonne intro à AutoGen, un peu dense par moments.
Cara menjelaskan bagaimana agent-agent AutoGen saling berkomunikasi untuk menyelesaikan tugas benar-benar membuka wawasan baru buat saya.
شرح جيد لبناء أنظمة متعددة الوكلاء باستخدام AutoGen.
I went in expecting a basic intro to chatbots and came out with a real understanding of how conversational agents can collaborate to solve tasks neither could handle alone. The course walks through setting up AutoGen from scratch, then gradually adds agents with different roles so you can watch them debate and refine an answer together. What stood out most was the section on giving agents tools to call and letting them negotiate who handles which subtask, which is something I hadn't seen explained this clearly before. The pacing lets you actually run the code alongside the instructor instead of just watching a demo. By the last module I had a working multi-agent pipeline that could research, critique, and rewrite its own output.
ผู้เรียนคนอื่นเรียน
⚡ เหมาะสำหรับผู้เริ่มต้น
🎓 มีใบรับรอง
พัฒนาเอเจนท์ด้วย AI ด้วย LangGraph และ LangChain
ใบรับรอง
ลงมือทำ
฿539
→
🎓 มีใบรับรอง
การสร้างระบบ RAG และ AI Agents ด้วย Python และ OpenAI
ใบรับรอง
ลงมือทำ
฿539
→
🔥 เป็นที่ต้องการ
🎓 มีใบรับรอง
การพัฒนาที่ขับเคลื่อนด้วย Prompt: สร้างแอป Next.js แบบ Full-Stack ด้วย Cursor AI
ใบรับรอง
ลงมือทำ
฿539
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
Claude MCP Integrations: เชื่อมต่อ AI เข้ากับพื้นที่ทำงานของคุณ
ใบรับรอง
ลงมือทำ
฿539
→
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม