[100% OFF] 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 końca

Śledzimy 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 kurs

• Sekcja 1, Czym jest agentowa AI: chatbot, copilot, workflow i agent; pętla agenta; pięć poziomów autonomii; jak rozpoznać agent washing
• Sekcja 2, Jak myślą agenci: model, narzędzia i instrukcje; ReAct, planowanie i refleksja; pięć wzorców workflow i kiedy nie używać agenta
• Sekcja 3, Narzędzia, MCP i Computer Use: wywoływanie narzędzi, Model Context Protocol, obsługa przeglądarki i komputera oraz tryby agenta w ChatGPT, Claude i Gemini
• Sekcja 4, Pamięć, wiedza i kontekst: inżynieria kontekstu, wyszukiwanie (RAG), umiejętności (skills) i ugruntowanie agenta w procedurach firmy
• Sekcja 5, Budowanie agentów bez kodu: krajobraz narzędzi bez kodu, specyfikacja agenta pisana najpierw i budowa agenta statusu przesyłek w n8n
• Sekcja 6, Budowanie agentów w Pythonie: wybór SDK bez uzależnienia, działający agent w około pięćdziesięciu liniach, podłączenie go do serwera MCP i czytanie śladów
• Sekcja 7, Systemy wieloagentowe: kiedy jeden agent nie wystarcza, orkiestratorzy i przekazania, protokół A2A i biuro celne z dwoma agentami
• Sekcja 8, Zaufanie, wartość i wdrożenie: ewaluacja, typowe sposoby zawodzenia i zabezpieczenia, zatwierdzanie przez człowieka, koszt na zadanie, KPI i 90-dniowa mapa drogowa wdrożenia

Praktyczne laboratoria na twoim własnym komputerze

Laboratoria 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 działań
• Lab 2: zaindeksuj procedury Harborline i porównaj odpowiedzi z wyszukiwaniem i bez niego
• Lab 3: zbuduj agenta statusu bez kodu w n8n i sprawdź go na dziesięciu testowych e-mailach
• Lab 4: odbuduj tego agenta w Pythonie, przenieś jego narzędzie za serwer MCP i znajdź w śladzie podłożony błąd
• Lab 5: dodaj drugiego agenta z przekazaniem i porównaj wyniki oraz zużycie tokenów z jednym agentem

Kilka 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 wiedzy

Każda 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 jest

To 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.