|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/curso-openai-agents-sdk-crea-aplicaciones-con-agentes-de-ia/
课程评论：没有评论
**Coursera 课程总结：OpenAI Agents SDK - 构建 AI 代理应用** 本课程深入讲解了如何利用 OpenAI Agents SDK 设计、实现和部署自主 AI 代理。学员将掌握构建能够独立完成复杂工作流程的智能系统的理论与实践。 **课程核心内容概览：** 1. **AI 代理基础：** 区分基于 LLM 的工具和真正自主的代理，理解工作流程的概念及其执行方式，以及现代代理的自主性、推理和行动原则。 2. **代理架构设计：** 学习代理的核心组件（模型、工具、指令），构建自主、安全、可靠的行为，并从简单代理逐步发展到复杂的多代理系统。 3. **LLM 模型选型：** 掌握根据精度、延迟和成本选择合适模型（小型、中型、高级）的标准，并通过真实数据评估模型性能。 4. **外部工具集成：** 探索数据、动作和编排型工具，将代理与 API、数据库、CRM 等集成，并设计可重用、安全的工具以扩展代理能力。 5. **有效指令撰写：** 学习如何通过清晰、准确、灵活的指令（prompts）引导代理，利用模板和变量策略，并捕捉边界情况以防范错误。 6. **Agentic AI 架构组件：** 理解代理如何感知环境（感知模块），进行规划、推理和决策（认知模块），以及执行任务和控制环境（动作模块）。 7. **工作流编排：** 实现代理的执行周期（runs），区分单代理和多代理系统，并了解 Manager 和去中心化（任务委托）等设计模式。 8. **Guardrails 实现：** 学习如何保护代理免受有害、不相关或有风险的行为影响，包括安全分类器、内容审核、输出验证等，并设计多层防御。 9. **实战案例与模式：** 通过客户服务、内容分类、垃圾邮件检测、情感分析等详细案例，学习如何衡量代理的生产效果，并进行渐进式扩展。 10. **最佳实践与战略视角：** 掌握构建可靠、安全、高效代理的方法，包括维护、版本控制、持续评估，并学习如何将这些知识应用于实际业务场景。 本课程将带您了解 OpenAI 如何创造其 AI 代理，为您提供构建下一代智能应用的必要知识和技能。
Este curso te brindará las bases teóricas y prácticas para diseñar, implementar y desplegar agentes de inteligencia artificial autónomos utilizando el SDK de OpenAI. Al finalizar, podrás construir sistemas inteligentes que no solo respondan a instrucciones, sino que actúen por su cuenta para completar flujos de trabajo complejos.1. Fundamentos de los agentes de inteligencia artificialDiferencia entre herramientas basadas en LLMs y agentes verdaderamente autónomos.Qué es un flujo de trabajo (workflow) y cómo los agentes lo ejecutan de principio a fin.Principios de autonomía, razonamiento y acción en los agentes modernos.2. Diseño de la arquitectura de un agenteComponentes esenciales de un agente: modelo, herramientas e instrucciones.Cómo combinar estos elementos para lograr comportamientos autónomos, seguros y confiables.Diseño progresivo: de agentes simples a sistemas multiagente complejos.3. Selección estratégica de modelos LLMCriterios clave: precisión, latencia y coste.Cuándo usar modelos pequeños, medianos o avanzados.Evaluación del rendimiento del modelo con métricas realistas y datasets de prueba.4. Integración de herramientas externasTipos de herramientas: de datos, de acción y de orquestación.Cómo conectar agentes con APIs, bases de datos, CRM, y más.Diseño de herramientas reutilizables y seguras para que el agente amplíe sus capacidades.5. Redacción de instrucciones efectivas para agentesCómo guiar a un agente con prompts claros, precisos y flexibles.Uso de plantillas y políticas variables.Captura de casos límite para prevenir errores y ambigüedades.6. Componentes de una arquitectura de IA agénticaMódulo de percepción: cómo los agentes captan su entorno.Módulo cognitivo: planificación, razonamiento y toma de decisiones.Módulo de acción: ejecución de tareas y control del entorno.7. Orquestación de flujos de trabajoImplementación de ciclos de ejecución (runs) para agentes.Sistemas de agente único vs. sistemas multiagente.Patrones de diseño: patrón Manager y patrón Descentralizado (delegación de tareas).8. Implementación de guardarraíles (guardrails)Cómo proteger a los agentes de comportamientos dañinos, irrelevantes o riesgosos.Tipos de guardrails: clasificadores de seguridad, moderación, validación de salidas, etc.Diseño de defensas por capas para agentes robustos en producción.9. Casos prácticos y patrones realesEjemplos detallados de agentes para: atención al cliente, clasificación de contenido, detección de spam, análisis de sentimiento, entre otros.Cómo medir el éxito de un agente en producción.Escalado progresivo: empezar con poco y evolucionar según resultados.10. Buenas prácticas y visión estratégicaCómo construir agentes confiables, seguros y eficientes.Estrategias de mantenimiento, control de versiones y evaluación continua.Cómo aplicar este conocimiento en contextos reales de negocio o productos.Descrube como OpenAI crea sus agentes de AI.
