Agentowa AI: od chatbotów do agentów, którzy wykonują pracę

Ten kurs wykorzystuje sztuczną inteligencję. Wszyscy sprzedają dziś „agentów”. Niektóre z tych produktów naprawdę planują, wywołują narzędzia i kończą wieloetapową pracę.

Wiele z nich to chatboty albo stałe workflowy z nową etykietą. Ten kurs daje ci jasny, niezależny od dostawców sposób, by odróżnić jedno od drugiego, a potem prowadzi cię od zrozumienia agentów do zbudowania, przetestowania i wyceny jednego z nich. To szerokie wprowadzenie dla profesjonalistów i początkujących twórców.

Nie potrzebujesz wiedzy z uczenia maszynowego. Jeśli regularnie używasz ChatGPT, Claude'a, Gemini albo Copilota i chcesz wiedzieć, co się zmienia, gdy model zaczyna podejmować działania, to właściwy punkt startu. Jedna firma, jeden pilotaż, od początku do końcaŚledzimy Harborline Logistics, fikcyjnego spedytora z zaległościami w e-mailach o statusie przesyłek i spóźnionymi dokumentami celnymi.

Jego zespół operacyjny prowadzi 90-dniowy pilotaż agenta o nazwie Relay. Każde pojęcie z kursu stosujemy w tym pilotażu, więc widzisz, jak ten sam agent rośnie od pierwszej pętli do przetestowanego, nadzorowanego i wycenionego systemu. Co obejmuje kursSekcja 1, Czym jest agentowa AI: chatbot, copilot, workflow i agent; pętla agenta; pięć poziomów autonomii; jak rozpoznać agent washingSekcja 2, Jak myślą agenci: model, narzędzia i instrukcje; ReAct, planowanie i refleksja; pięć wzorców workflow i kiedy nie używać agentaSekcja 3, Narzędzia, MCP i Computer Use: wywoływanie narzędzi, Model Context Protocol, obsługa przeglądarki i komputera oraz tryby agenta w ChatGPT, Claude i GeminiSekcja 4, Pamięć, wiedza i kontekst: inżynieria kontekstu, wyszukiwanie (RAG), umiejętności (skills) i ugruntowanie agenta w procedurach firmySekcja 5, Budowanie agentów bez kodu: krajobraz narzędzi bez kodu, specyfikacja agenta pisana najpierw i budowa agenta statusu przesyłek w n8nSekcja 6, Budowanie agentów w Pythonie: wybór SDK bez uzależnienia, działający agent w około pięćdziesięciu liniach, podłączenie go do serwera MCP i czytanie śladówSekcja 7, Systemy wieloagentowe: kiedy jeden agent nie wystarcza, orkiestratorzy i przekazania, protokół A2A i biuro celne z dwoma agentamiSekcja 8, Zaufanie, wartość i wdrożenie: ewaluacja, typowe sposoby zawodzenia i zabezpieczenia, zatwierdzanie przez człowieka, koszt na zadanie, KPI i 90-dniowa mapa drogowa wdrożeniaPraktyczne laboratoria na twoim własnym komputerzeLaboratoria budowy działają lokalnie na darmowych narzędziach: Python, Ollama dla modeli lokalnych i n8n w Dockerze.

Płatny klucz API nie jest potrzebny. Folder startowy zawiera atrapę API śledzenia przesyłek, serwer MCP, dwanaście procedur Harborline oraz testowe e-maile i sprawy celne używane w nagraniach. Lab 1: uruchom to samo zadanie w trybach agenta ChatGPT, Claude i Gemini i przeczytaj ich logi działańLab 2: zaindeksuj procedury Harborline i porównaj odpowiedzi z wyszukiwaniem i bez niegoLab 3: zbuduj agenta statusu bez kodu w n8n i sprawdź go na dziesięciu testowych e-mailachLab 4: odbuduj tego agenta w Pythonie, przenieś jego narzędzie za serwer MCP i znajdź w śladzie podłożony błądLab 5: dodaj drugiego agenta z przekazaniem i porównaj wyniki oraz zużycie tokenów z jednym agentemKilka uczciwych uwag.

Lab 1 korzysta z trybu agenta asystenta czatu w przeglądarce, a dostępność trybów agenta zależy od twojego planu i regionu. Jeśli twój plan go nie oferuje, nadal możesz śledzić nagrane sesje. Modele lokalne nie są deterministyczne, więc twoje odpowiedzi i odsetki trafień będą się trochę różnić od nagrań.

Model lokalny używany w laboratoriach potrzebuje około 6 GB wolnej pamięci. Sekcja o Pythonie jest opcjonalna, jeśli interesują cię tylko pojęcia i ścieżka bez kodu. Ćwiczenia i sprawdzanie wiedzyKażda z ośmiu sekcji ma quiz i zadanie praktyczne z opracowaną odpowiedzią wzorcową.

W projekcie końcowym wybierasz jedno zadanie z własnej pracy i przygotowujesz specyfikację agenta, poziom autonomii z punktami zatwierdzenia, zestaw ewaluacyjny z dziesięciu przypadków oraz szacunek kosztów z 90-dniową mapą drogową. Końcowy egzamin próbny z 60 pytaniami obejmuje wszystkie osiem sekcji. Czym ten kurs nie jestTo nie jest pogłębiony kurs inżynierski o jednym frameworku i nie obiecuje pracy, certyfikatu ani konkretnego rezultatu.

To mapa dziedziny z taką ilością praktyki, żeby móc ocenić propozycje agentów, poprowadzić mały pilotaż i zdecydować, czego uczyć się dalej. Narzędzia w tej dziedzinie szybko się zmieniają, więc kurs uczy przenośnych elementów (specyfikacji, promptów, narzędzi i ewaluacji), które zostają z tobą, gdy zmienia się platforma.