hong-kong現場AI Agents培訓

本次由講師主導的線下或線上培訓，面向高級AI工程師、機器人開發人員和自動化專家，旨在幫助他們利用DeepSeek構建智能AI代理和自主系統。

培訓結束後，參與者將能夠：

• 理解DeepSeek AI模型的架構與功能。
• 將DeepSeek集成到AI代理中，用於決策與自動化。
• 應用強化學習技術訓練自主系統。
• 在現實環境中部署AI驅動的自主代理。

自主AI代理正在迅速融入國防、醫療、金融和基礎設施等領域的決策過程中。隨着這些系統獲得更大的獨立性和自主性，迫切需要建立強大的倫理框架、治理機制和監管監督，以指導其設計和部署。

本次由講師指導的培訓（線上或線下）面向高級專業人士，旨在探討在現實環境中部署自主AI代理的倫理、社會和監管影響。

通過本培訓，參與者將能夠：

• 分析自主AI代理帶來的倫理風險和道德困境。
• 評估與高風險AI部署相關的治理框架和監管模型。
• 評估自主系統中的問責、可解釋性和透明度機制。
• 制定策略，使AI代理行爲與法律、倫理和社會價值觀保持一致。

課程形式

• 互動式講座與討論。
• 案例研究與角色扮演模擬。
• 動手分析治理模型和倫理框架。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

AI驅動的自動化結合了無代碼平臺的靈活性與大語言模型和自主代理的智能，以創建可擴展的智能系統。

本課程爲講師指導的培訓（線上或線下），面向希望設計、構建和優化具有AI決策、編排和自我執行能力的自動化管道的中級專業人員。

培訓結束後，參與者將能夠：

• 設計由AI解釋和響應增強的無代碼自動化工作流。
• 使用提示鏈、Webhook觸發器和API構建可擴展的邏輯流。
• 創建能夠自主連接服務和解釋數據的智能應用。
• 理解、設計和部署能夠進行目標導向行動規劃和執行的AI代理。

課程形式

• 互動講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行實際操作。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

本課程爲講師指導的培訓，在hong-kong（線上或線下）進行，面向中級AI開發者、安全專家和合規官，旨在幫助他們設計和實現安全的AI代理，同時解決倫理問題和魯棒性挑戰。

培訓結束後，參與者將能夠：

• 瞭解AI代理開發中的安全風險和倫理挑戰。
• 實施以安全爲先的AI模型設計原則。
• 應用對抗魯棒性技術，防止對AI代理的攻擊。
• 確保符合倫理AI指南和監管標準。

邊緣與輕量級代理是一門實踐課程，專注於在資源受限的設備上部署代理式AI工作負載。學員將學習構建、優化和管理能夠進行本地推理的輕量級代理，從而提高分佈式環境中的速度、隱私和可靠性。課程重點包括性能調優、低延遲設計以及硬件與軟件集成。

本課程爲講師指導的培訓（線上或線下），面向希望使用Python和邊緣AI框架實現和優化設備端代理系統的中級專業人士。

通過本培訓，學員將能夠：

• 瞭解在邊緣設備上運行代理式AI的架構和挑戰。
• 設計適用於受限環境的輕量級代理循環。
• 使用TensorFlow Lite、PyTorch Mobile和ONNX實現本地推理。
• 將代理與傳感器、執行器和物聯網平臺集成。
• 優化性能、能耗和延遲，以實現即時操作。

課程形式

• 互動講座與實踐演示。
• 在本地或模擬環境中進行實踐開發。
• 基於項目的學習與指導性實施練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本次由講師指導的線下或線上培訓，面向中級到高級AI開發者、研究人員和多媒體工程師，旨在幫助他們構建能夠理解和生成多模態內容的AI代理。

培訓結束後，學員將能夠：

• 開發能夠處理和整合文本、圖像和語音數據的AI代理。
• 實現多模態模型，如GPT-4 Vision和Whisper ASR。
• 優化多模態AI流程，提高效率和準確性。
• 將多模態AI代理部署到實際應用中。

本次由講師指導的線下或線上培訓，面向初級到中級開發者和設計師，旨在幫助他們理解並構建適用於各種應用場景的AI驅動的個人助手。

培訓結束後，參與者將能夠：

• 理解AI驅動的個人助手的核心原理。
• 學習將語言模型與智能助手集成的基礎知識。
• 使用AI框架和工具構建並定製個人助手。
• 將個人助手部署到不同行業的實際應用中。

本次由講師指導的培訓在hong-kong（線上或線下）面向希望爲企業應用定製和部署基於LLM的AI代理的高級AI工程師、企業軟件開發人員和業務領導者。

培訓結束後，參與者將能夠：

• 瞭解開源LLM的架構和能力。
• 爲企業用例定製和微調LLM。
• 使用LangChain和Hugging Face部署AI代理。
• 將基於LLM的代理集成到業務工作流程中。

本次由講師主導的hong-kong（線上或線下）培訓，面向高級機器人工程師、AI研究人員和自動化專家，旨在幫助他們開發用於複雜任務和人機協作的AI驅動的自主機器人系統。

培訓結束後，參與者將能夠：

• 理解AI代理在機器人決策和自動化中的作用。
• 實現AI驅動的導航和避障功能。
• 開發人機協作的機器人系統。
• 部署AI驅動的感知和控制系統於機器人中。

本課程探討了使用Python設計和協調多智能體系統（MAS）的方法。參與者將學習如何構建能夠溝通、協作並適應複雜動態環境的智能體，以實現共同目標。

本課程爲講師指導的培訓（線上或線下），面向希望爲智能自動化、模擬和決策應用設計和實施多智能體系統的高級專業人員。

通過本培訓，參與者將能夠：

• 理解多智能體系統的架構和原理。
• 開發能夠溝通、協調和協商的智能體。
• 實施智能體交互的分佈式環境。
• 在多智能體環境中應用強化學習和規劃。
• 模擬協作和競爭的智能體行爲。
• 設計結合人類和智能體的混合工作流程。

課程形式

• 講師講解和現場演示。
• 使用開源智能體框架的實踐練習。
• 模擬多智能體場景的應用小組項目。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本課程由講師主導，在hong-kong（線上或線下）進行，面向中級金融專業人士、風險分析師和AI工程師，旨在幫助他們開發和部署AI驅動的金融自動化和欺詐檢測解決方案。

培訓結束後，學員將能夠：

• 瞭解AI在金融自動化和欺詐檢測中的作用。
• 構建用於檢測欺詐交易的AI模型。
• 利用機器學習進行即時風險評估。
• 部署AI驅動的金融監控系統。

本次由講師指導的線下或線上培訓，面向初級到中級水平的客戶服務專業人員、聊天機器人開發人員和自動化團隊，旨在幫助他們實現AI驅動的客戶支持和服務自動化解決方案。

培訓結束後，學員將能夠：

• 理解AI驅動的客戶支持基礎知識。
• 開發並集成AI聊天機器人以處理客戶查詢。
• 利用NLP和機器學習提升聊天機器人互動效果。
• 在實際客戶服務應用中部署AI代理。

本課程爲講師指導的培訓，地點爲hong-kong（線上或線下），面向中級到高級醫療專業人員和AI開發者，旨在幫助他們實施AI驅動的醫療解決方案。

培訓結束後，學員將能夠：

• 理解AI代理在醫療與診斷中的作用。
• 開發用於醫學圖像分析和預測診斷的AI模型。
• 將AI與電子健康記錄（EHR）和臨牀工作流程集成。
• 確保符合醫療法規和AI倫理實踐。

本課程爲講師主導的培訓，在hong-kong（線上或線下）進行，面向初級到中級水平的AI開發者和UI/UX設計師，旨在幫助他們學習如何構建、優化和部署AI驅動的虛擬助手。

通過本培訓，參與者將能夠：

• 設計有效的對話式AI工作流和UI/UX界面。
• 實現AI驅動的自然語言處理（NLP）模型。
• 將AI助手與API和第三方平臺集成。
• 部署和維護AI助手以應用於實際場景。

Mistral AI 是一個強大的開源且適用於企業的 AI 模型家族，專注於語言、多模態和代理應用。

本次由講師指導的培訓（線上或線下）面向中級到高級專業人員，旨在幫助他們使用 Mistral 的 Medium 3、Le Chat Enterprise 和 Devstral 模型構建、部署和管理 AI 代理。

培訓結束後，參與者將能夠：

• 瞭解 Mistral Medium 3、Le Chat Enterprise 和 Devstral 的架構和功能。
• 設計和實現 AI 代理，利用 Mistral 模型滿足企業和開發者用例。
• 將編碼系統、連接器和企業數據集成到代理工作流程中。
• 優化 Mistral 驅動的代理的性能、成本和合規性。

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在即時實驗室環境中進行實際操作。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們安排。

Python是推動自主AI代理開發和編排的核心語言。本課程專注於使用現代SDK和框架（如LangChain和AutoGen）進行實際實現，以構建、連接和管理代理工作流。

本課程爲講師指導的培訓（線上或線下），面向希望使用Python工具和API實現和編排自主代理的中級後端工程師、平臺工程師和ML工程師。

培訓結束後，參與者將能夠：

• 爲代理系統設置和配置基於Python的環境。
• 使用LangChain和AutoGen等流行代理SDK創建功能代理。
• 集成工具和API以擴展代理功能。
• 編排多代理工作流和通信模式。
• 應用調試、測試和維護代理代碼庫的最佳實踐。

課程形式

• 互動講座和討論。
• 動手編程練習和現場演示。
• 構建端到端代理工作流的實際項目。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

Google Antigravity是一個Agentic開發環境，旨在通過Gemini 3的多模態能力構建能夠規劃、推理、編碼和行動的自主代理。

本課程爲講師指導的培訓（線上或線下），面向希望使用Gemini 3和Antigravity環境設計、構建和部署自主代理的高級技術專業人員。

完成本培訓後，學員將能夠：

• 構建使用Gemini 3進行推理、規劃和執行的自主工作流程。
• 在Antigravity中開發能夠分析任務、編寫代碼並與工具交互的代理。
• 將Gemini驅動的代理與企業系統和API集成。
• 在複雜環境中優化代理行爲、安全性和可靠性。

課程形式

• 專家演示結合互動討論。
• 自主代理開發的動手實驗。
• 使用Antigravity、Gemini 3和支持的雲工具進行實際實施。

課程定製選項

• 如果您的團隊需要特定領域的代理行爲或自定義集成，請聯繫我們以定製課程。

本課程教授使用 Python 設計、構建、測試和部署代理（自主）系統的實用工程技術。內容涵蓋代理循環、工具集成、內存和狀態管理、編排模式、安全控制以及生產考慮。

本課程爲講師指導的培訓（線上或線下），面向中級到高級的機器學習工程師、AI 開發者和軟件工程師，幫助他們使用 Python 構建健壯、可用於生產的自主代理。

培訓結束後，參與者將能夠：

• 設計和實現代理循環及決策工作流。
• 集成外部工具和 API 以擴展代理功能。
• 實現代理的短期和長期內存架構。
• 協調多步驟編排和代理可組合性。
• 爲部署的代理應用安全、訪問控制和可觀測性最佳實踐。

課程形式

• 互動講座與討論。
• 使用 Python 和流行 SDK 構建代理的動手實驗。
• 基於項目的練習，生成可部署的原型。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次由講師指導的hong-kong（線上或線下）培訓面向希望掌握在生產環境中部署和管理AI代理技術的高級專業人士。

培訓結束後，學員將能夠：

• 設計和實施可擴展的AI部署管道。
• 使用Docker和Kubernetes等工具對AI代理進行容器化和編排。
• 在生產環境中監控和優化AI代理。
• 爲AI代理部署實施CI/CD工作流。
• 確保符合安全和數據治理要求。

本課程爲講師指導的培訓，在hong-kong（線上或線下）進行，面向希望掌握強化學習技術並應用於訓練AI代理以解決複雜問題的高級AI專業人士。

培訓結束後，參與者將能夠：

• 理解強化學習和馬爾可夫決策過程（MDPs）的核心原理。
• 設計和實現Q-Learning、SARSA和深度Q網絡（DQN）等RL算法。
• 使用OpenAI Gym和RL庫進行實際應用。
• 訓練AI代理解決現實世界的多步驟決策問題。
• 應對RL訓練中的探索-利用權衡和收斂等挑戰。

本課程爲講師主導的培訓，在hong-kong（線上或線下）進行，面向中級AI開發人員和自動化專家，旨在幫助他們將自主能力集成到AI驅動的應用中。

培訓結束後，學員將能夠：

• 理解Agentic AI和自主決策的原理。
• 實現具有自我優化技術的目標驅動型AI代理。
• 集成多代理協作以解決複雜問題。
• 通過自適應用戶體驗增強AI與人類的互動。
• 在實際應用中部署Agentic AI模型。

Google Antigravity是一種以agent爲核心的開發環境，旨在通過智能自動化簡化工程工作流程。

本次由講師指導的培訓（線上或線下）面向初學者，旨在探索Antigravity的基礎知識，並瞭解agent驅動的編碼環境如何提升生產力。

培訓結束後，參與者將能夠：

• 安裝並配置Google Antigravity。
• 熟悉並理解Editor View和Manager View。
• 有效使用agent自動化簡單的開發任務。
• 使用Antigravity生成、優化和管理項目文件。

課程形式

• 講師講解並輔以即時演示。
• 以實踐爲主的指導練習，重點使用agent。
• 在受控的實驗環境中探索Antigravity的核心功能。

課程定製選項

• 如果您需要定製版本的培訓，請聯繫我們安排個性化課程。

這種由講師指導的 hong-kong 現場培訓（在線或現場）面向希望掌握設計、構建和部署 MAS 技能的高級 AI 專業人員，以解決複雜的實際問題。

在本次培訓結束時，參與者將能夠：

• 瞭解多代理系統架構的原理。
• 在 MAS 中實施溝通、協調和決策策略。
• 應用博弈論對代理交互進行建模並解決衝突。
• 利用 JADE 等框架創建可擴展的 MAS 解決方案。
• 解決 MAS 中的可擴充性、信任和緊急行為等挑戰。

Amazon Bedrock AgentCore 提供了設計、編排和管理多代理系統的基礎設施，能夠實現跨多個AI驅動實體的協作、專業化和高級自動化模式。

本次由講師主導的培訓（線上或線下）面向希望使用AgentCore的編排和治理功能來設計、部署和優化下一代多代理系統的高級從業人員。

培訓結束後，參與者將能夠：

• 理解多代理系統的原理和架構。
• 設計代理協作的編排策略。
• 在代理之間實施通信和協商協議。
• 使用AgentCore部署可擴展的、企業級的多代理解決方案。

課程形式

• 互動式講座和討論。
• 使用AgentCore編排功能的實踐操作。
• 企業多代理應用的案例分析。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本次由講師主導的培訓在hong-kong（線上或線下）進行，面向希望使用Agentic AI框架開發和優化多智能體系統的高級專業人士。

培訓結束後，參與者將能夠：

• 理解Agentic AI在多智能體環境中的原理。
• 開發能夠自主互動的AI驅動智能體。
• 實施強化學習以實現自適應AI行爲。
• 優化多智能體協作與競爭。
• 將Agentic AI應用於機器人、遊戲和企業自動化中。

本課程爲講師指導的hong-kong（線下或線上）培訓，面向希望利用AI代理實現業務流程自動化的中級業務分析師、RPA開發人員和AI專業人士。

培訓結束後，參與者將能夠：

• 理解AI代理在業務流程自動化中的作用。
• 識別關鍵業務領域中的自動化機會。
• 開發針對客戶支持、財務和供應鏈工作流程的AI驅動解決方案。
• 將AI代理與現有的RPA和業務系統集成。
• 評估並優化AI自動化策略，以提高效率。

Google Antigravity是一個用於構建能夠與Web應用程序、瀏覽器環境及多表面工作流交互的代理平臺。

本課程由講師主導，提供線上或線下培訓，面向中級專業人士，旨在幫助他們使用Google Antigravity構建、自動化並測試基於瀏覽器的工作流。

培訓結束後，參與者將能夠：

• 創建與瀏覽器表面中Web應用程序交互的代理。
• 跨瀏覽器上下文自動化端到端工作流。
• 在UI驅動環境中驗證並排查代理行爲。
• 使用Antigravity實施跨表面自動化策略。

課程形式

• 結合演示的指導教學。
• 實踐操作與基於場景的練習。
• 在互動實驗室環境中實施代理工作流。

課程定製選項

• 如需定製培訓，請聯繫我們，根據您的目標調整課程內容。

AgentCore 通過提供一套統一的服務，簡化了構建、增強和監控全託管 AI 代理的過程，專爲大規模部署而設計。

本次由講師指導的培訓（線上或線下）面向初級到中級從業者，旨在幫助學員通過實踐掌握如何使用 AgentCore 創建生產就緒的 AI 代理。

培訓結束後，學員將能夠：

• 瞭解 AgentCore 在 AI 代理開發中的核心功能。
• 使用託管服務設計和配置簡單的 AI 代理。
• 集成工作流以增強代理功能。
• 在生產環境中部署和監控 AI 代理。

課程形式

• 互動式講座與討論。
• 使用 AgentCore 服務的實踐操作。
• 從代理概念到部署的指導練習。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

Mastra是一個框架，提供結構化工具，用於評估、調試和確保在複雜工作流程中運行的AI代理的可靠性。

本課程爲講師指導的培訓（線上或線下），面向希望嚴格測試代理行爲、提高可靠性並實施可衡量評估流程的中級從業者。

培訓結束後，學員將能夠：

• 應用調試技術，識別並糾正代理行爲問題。
• 使用結構化指標、基準和質量評分評估代理。
• 實施工具和工作流程，跟蹤可靠性、漂移和幻覺。
• 設計QA策略，確保持續且可預測的代理性能。

課程形式

• 互動講座與討論。
• 實際操作調試與評估練習。
• 使用可觀測性工具進行代理行爲的即時實驗室分析。

課程定製選項

• 可根據要求安排定製的可靠性測試場景和行業特定的QA方法。

Vertex AI Agent Builder 是一個無代碼/低代碼環境，用於創建基於生成模型與檢索增強生成（RAG）相結合的智能代理，使團隊能夠快速構建利用企業數據和搜索提供準確、上下文感知響應的代理。

本課程爲講師主導的培訓（線上或線下），面向希望使用 Vertex AI Agent Builder 和 RAG 模式設計、配置和部署智能代理的中級從業者。

培訓結束後，參與者將能夠：

• 使用 Agent Builder 設計智能代理工作流。
• 通過搜索和向量存儲實現 RAG 管道。
• 安全集成企業數據源以進行檢索。
• 使用測試和指標評估並迭代代理行爲。

課程形式

• 互動講座與討論。
• 使用 Vertex AI Agent Builder 和 RAG 組件的實踐實驗室。
• 基於項目的練習，以構建和完善代理。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

Mastra是一個支持AI代理、API、企業應用和外部數據系統之間深度集成的框架。

本課程爲講師指導的培訓（線上或線下），面向希望構建Mastra代理與企業生態系統之間可靠、安全且可擴展集成的中級工程師。

培訓結束後，學員將能夠：

• 實現Mastra代理與外部服務之間的API驅動集成。
• 將企業數據系統和工具連接到自動化代理工作流。
• 應用安全數據交換和身份驗證的最佳實踐。
• 設計可擴展、可維護且生產就緒的集成層。

課程形式

• 互動講座與討論。
• 動手實踐集成工程與API練習。
• 使用真實企業場景進行即時實驗室實現。

課程定製選項

• 可根據要求提供定製的API場景、企業系統映射或數據集成工作坊。

AgentCore 提供了內存持久化、安全代碼解釋器和瀏覽器工具，使 AI 代理能夠提供交互式、動態且上下文感知的體驗。

本次由講師主導的培訓（線上或線下）面向中高級技術從業者，他們希望設計和部署能夠長期保留上下文、即時計算並直接與 Web 用戶界面交互的 AI 代理。

培訓結束後，參與者將能夠：

• 實現 AgentCore 內存，用於有狀態的、上下文感知的工作流。
• 利用安全代碼解釋器進行動態計算和轉換。
• 集成瀏覽器工具，實現即時數據檢索和用戶界面交互。
• 設計用於分析、客戶支持和研究用例的交互式代理。

課程形式

• 互動講座和討論。
• 使用 AgentCore 內存和工具的動手實驗。
• 分析、自動化和客戶支持場景的案例研究。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

這種由講師指導的 hong-kong 現場培訓（在線或現場）面向希望將 AI 代理有效集成到遊戲應用程式中的中級遊戲開發人員和 AI 愛好者。

在本次培訓結束時，參與者將能夠：

• 瞭解 AI 代理在現代遊戲中的作用。
• 使用決策樹和有限狀態機開發決策系統。
• 實施尋路演算法，例如 A* 進行遊戲內導航。
• 應用強化學習技術來創建自適應 AI 行為。
• 針對即時遊戲環境優化 AI 性能。

LLMs和自主代理框架如AutoGen和CrewAI正在重新定义DevOps团队如何通过模拟人类协作和决策来自动化任务，例如变更跟踪、测试生成和警报分类。

本课程为讲师主导的培训（线上或线下），面向希望设计和实施由大型语言模型（LLMs）和多代理系统驱动的DevOps自动化工作流程的高级工程师。

培训结束后，学员将能够：

• 将基于LLM的代理集成到CI/CD工作流程中，实现智能自动化。
• 使用代理自动化测试生成、提交分析和变更摘要。
• 协调多个代理进行警报分类、生成响应和提供DevOps建议。
• 使用开源框架构建安全且可维护的代理驱动工作流程。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

Antigravity是一個代表先進agent驅動開發工作流程的框架。

本課程由講師指導，提供線上或線下培訓，面向中高級專業人員，旨在驗證、確認並確保Antigravity驅動環境中AI agent生成的輸出的安全性和準確性。

完成本培訓後，學員將能夠：

• 評估agent生成的代碼工件的準確性和安全性。
• 使用結構化技術驗證agent執行的任務。
• 有效分析瀏覽器記錄並追蹤agent活動。
• 應用質量保證和安全原則，確保agent工作流程的可靠性。

課程形式

• 講師指導的技術簡報和討論。
• 專注於驗證實際agent工作流程的實踐練習。
• 在受控實驗室環境中進行動手測試和驗證。

課程定製選項

• 可根據要求調整場景、工作流程和測試示例。

本課程爲講師指導的培訓，在hong-kong（線上或線下）進行，面向希望利用Agentic AI在複雜業務和技術場景中進行決策的高級專業人員。

培訓結束後，學員將能夠：

• 理解AI自主決策的原理。
• 設計並實現能夠以最少人工干預運行的AI代理。
• 將Agentic AI集成到自動化工作流和業務系統中。
• 優化AI驅動的決策過程，提高效率和可擴展性。
• 確保AI自主性中的合規性、安全性和倫理考量。

Google Antigravity是一個用於實驗長期代理和新興交互行爲的先進框架。

本課程爲講師指導的培訓（線上或線下），面向希望設計、分析和優化能夠保留記憶、通過反饋改進並在長期操作中不斷演進的代理的高級專業人士。

完成本課程後，參與者將掌握以下技能：

• 設計長期記憶結構以實現代理的持久性。
• 實施有效的反饋循環以塑造代理行爲。
• 評估學習軌跡和模型漂移。
• 將記憶機制集成到複雜的多代理生態系統中。

課程形式

• 專家講解與技術演示相結合。
• 通過結構化設計挑戰進行實踐探索。
• 將概念應用於模擬代理環境。

課程定製選項

• 如果您的組織需要定製內容或特定案例示例，請聯繫我們以定製本培訓。

這種由講師指導的 hong-kong 現場培訓（在線或現場）面向希望更深入地研究用於實際應用的自主代理的設計和開發的中級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解 Autonomous Agent 的基本概念。
• 探索自主 AI 代理的實際應用。
• 使用強化學習設計、訓練和實施代理。
• 將座席集成到現有系統中，以實現自動化和決策。
• 解決部署 Autonomous Agent 時的道德注意事項和挑戰。

AgentCore 提供內置的身份、可觀測性和合規性功能，使組織能夠在企業環境中負責任地部署AI代理。

本次由講師主導的培訓（線上或線下）面向希望使用 Amazon Bedrock AgentCore 設計和操作安全、可審計且合規的AI代理系統的高級從業者。

通過本培訓，參與者將能夠：

• 爲代理實施企業身份和權限模型。
• 通過結構化日誌、指標和跟蹤實現可觀測性。
• 應用合規控制以符合監管框架。
• 審計代理活動並維護安全的會話級控制。

課程形式

• 互動式講座與討論。
• 使用AWS安全和監控工具進行實踐操作。
• 在受監管的企業環境中進行案例研究。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

Mastra是一個框架，能夠在分佈式系統中實現複雜的工作流自動化和多個AI代理的協調。

本課程爲講師主導的培訓（線上或線下），面向中級從業者，旨在幫助他們設計、編排和操作大規模的多代理工作流。

通過完成本培訓，學員將掌握以下技能：

• 使用Mastra的編排功能設計複雜的工作流。
• 協調多個代理執行並行或依賴任務。
• 實施工作流執行的監控和調試工具。
• 優化編排邏輯，提高可靠性、吞吐量和自動化效率。

課程形式

• 互動講座與討論。
• 動手實踐工作流設計與自動化練習。
• 在容器化的實驗環境中進行實際實施。

課程定製選項

• 可根據需求提供定製的自動化場景、企業集成或工作流模式。

AgentCore Runtime & Gateway 是一種 AWS 服務配對，用於打包、部署並安全地暴露 AI 代理，同時提供與外部系統的簡化集成。

本次由講師主導的培訓（線上或線下）面向中級工程團隊，旨在幫助他們從代理原型過渡到生產環境，通過掌握 AgentCore Runtime 進行部署，並利用 Gateway 實現安全連接和 API 集成。

培訓結束後，參與者將能夠：

• 搭建 AgentCore Runtime 環境，並打包代理以進行部署。
• 通過 Gateway 暴露代理，提供經過身份驗證和速率限制的端點。
• 使用穩定合約將外部工具和 API 集成到代理工作流中。
• 爲生產操作配置可觀察性、日誌記錄和使用監控。

課程形式

• 互動式講座和討論。
• 實踐實驗室，涉及 Runtime 部署和 Gateway 集成。
• 專注於可靠性、安全性和發佈的實踐練習。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們進行安排。

Devstral 是一個開源框架，旨在構建和運行編碼代理，這些代理可以與代碼庫、開發者工具和 API 交互，以提升工程效率。

本課程由講師指導，採用線上或線下培訓形式，面向中高級 ML 工程師、開發者工具團隊以及 SRE，幫助他們使用 Devstral 設計、實現和優化編碼代理。

通過本課程，學員將能夠：

• 設置和配置 Devstral 以進行編碼代理開發。
• 設計用於代碼庫探索和修改的代理工作流。
• 將編碼代理與開發者工具和 API 集成。
• 實施安全和高效代理部署的最佳實踐。

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

本課程爲講師指導的培訓，在hong-kong（線上或線下）進行，面向希望瞭解AI代理工作原理並構建自己的交互式聊天機器人系統的初學者。

培訓結束後，學員將能夠：

• 瞭解AI代理的基礎知識及其應用。
• 探索自然語言處理（NLP）的原理。
• 設計聊天機器人的對話流程。
• 使用Python及相關工具開發功能齊全的聊天機器人。
• 部署聊天機器人與真實用戶互動。

Mastra是一個操作框架，旨在簡化和優化AI代理在生產環境中的部署、擴展和生命週期管理。

本課程爲講師指導的培訓（線上或線下），面向中高級技術專業人員，幫助他們可靠且高效地在生產系統中操作AI代理。

培訓結束後，學員將能夠：

• 將基於Mastra的AI代理部署到受控的生產級環境中。
• 使用平臺原語進行水平和垂直擴展。
• 實施可觀測性管道，以跟蹤代理的行爲和性能。
• 優化運行時配置，以減少延遲、成本和操作風險。

課程形式

• 互動式講座與討論。
• 專注於實際部署場景的動手練習。
• 使用容器化和編排環境進行即時實驗。

課程定製選項

• 可根據要求定製主題、動手實驗或行業特定場景。

Google Antigravity是一個以代理爲中心的開發平臺，用於編排、監督和協調AI驅動的編碼和自動化工作流程。

本課程由講師主導，提供線上或線下培訓，面向希望設計、管理和優化Google Antigravity中多代理工作流程的中級專業人士。

完成本培訓後，參與者將掌握以下技能：

• 在Manager界面中配置代理職責和編排管道。
• 生成並解讀Antigravity工件，包括任務列表、計劃、日誌和瀏覽器記錄。
• 實施驗證策略，確保代理操作透明且可審計。
• 優化多代理協作，以應對複雜的開發和運維任務。

課程形式

• 引導式演示和實際操作示範。
• 基於真實工作流程挑戰的場景練習。
• 在Antigravity工作空間中進行動手實驗。

課程定製選項

• 如需定製本課程，請聯繫我們討論定製選項。

本次由講師指導的hong-kong（線上或線下）培訓，面向希望瞭解並創建簡單AI代理以應用於實際場景的初級專業人士。

通過本培訓，參與者將能夠：

• 理解AI代理的基本概念。
• 識別不同類型的AI代理及其應用。
• 設計並實現用於實際任務的基本AI代理。
• 探索構建AI代理的工具和框架。

Antigravity 是一個開發平臺，旨在構建以AI驅動的、以代理爲先的應用程序。

本課程爲講師指導的培訓（線上或線下），面向希望使用Antigravity環境中的自主AI代理創建實際應用程序的中級開發者。

完成本培訓後，參與者將能夠：

• 開發依賴自主和協作AI代理的應用程序。
• 使用Antigravity的IDE、編輯器、終端和瀏覽器進行端到端開發。
• 通過代理管理器管理多代理工作流。
• 將代理功能集成到生產級軟件系統中。

課程形式

• 混合演示與深入講解。
• 大量動手實踐和指導練習。
• 在Antigravity即時環境中進行實際實現。

課程定製選項

• 如需根據您的開發棧定製內容，請聯繫我們安排定製版本的培訓。

Amazon Bedrock AgentCore 是一個企業級框架，用於構建、部署和擴展 AI 代理，集成了內存、可觀測性和安全身份管理的支持。

本次由講師主導的培訓（線上或線下）面向中級到高級工程師和架構師，旨在幫助他們使用 AWS Bedrock AgentCore 設計、保護和操作代理式 AI 系統。

培訓結束後，學員將能夠：

• 理解 AgentCore 的架構和組件。
• 使用 Runtime 和 Gateway 部署和管理 AI 代理。
• 實現持久化內存和有狀態的交互。
• 應用身份、可觀測性和合規性控制。
• 爲企業級工作流設計多代理系統。

課程形式

• 互動講座和討論。
• 使用 AgentCore 的 AWS 實驗室實踐環節。
• 部署和監控場景的實踐練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

使用AutoGen構建LLM代理系統是一門實作課程，專注於利用Microsoft的AutoGen框架開發多代理系統，適用於大型語言模型（LLMs）。

這項由講師主導的培訓（線上或線下）針對中級AI與自動化專業人士，旨在幫助他們設計、實現並協調使用AutoGen與Python及LLMs的多代理系統。

培訓結束後，參與者將能夠：

• 使用AutoGen框架設計多代理架構。
• 配置代理角色、能力與協調行為。
• 使用函數調用與記憶處理進行代理互動。
• 構建並測試基於Python的LLM代理工作流程，適用於實際案例。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在實作實驗室環境中進行動手操作。

課程定制選項

• 如需為本課程定制培訓，請聯繫我們安排。

本課程爲講師指導的培訓（線上或線下），面向中級軟件開發人員和工程團隊，旨在幫助他們使用Mastra構建可擴展、可觀察的AI系統。

通過本培訓，學員將能夠：

• 理解Mastra的架構及其如何與LLM和外部API集成。
• 使用TypeScript設計和實現AI代理和工作流程。
• 使用Mastra的可觀察性和內存工具監控和提升代理性能。
• 利用Mastra的框架功能部署生產就緒的AI應用。

這個爲期1天的研討會專爲開發者、數據科學家和AI愛好者設計，將幫助您理解並掌握使用AutoGen v0.4構建多代理AI系統的能力。

通過動手練習和實際演示，您將學習如何構建、管理和部署由大型語言模型（LLMs）驅動的多代理應用。

課程結束後，您將掌握AutoGen的分層架構基礎，精通代理之間的異步通信，並探索開發可擴展和智能的LLM驅動應用的實際用例和最佳實踐。