898: My Four-Hour Agentic AI Workshop is Live and 100% Free
05:06 Share

这是第 898 集，关于我在 Python 中进行的关于代理 AI 的全新四小时 100% 免费培训。欢迎回到超级数据科学播客。我是你的主持人，John Krohn。今天的节目是一个简短的五分钟星期五，是为了让你了解我全新的四小时代理 AI 工作坊，它可以在 YouTube 上完整观看，完全免费。

如果您是本播客的常听者，您可能已经意识到向强大而灵活的多代理系统转变的趋势。这些是 AI 团队，其中不同的代理专门负责不同的任务，并协同解决复杂的问题。可以把它想象成组建一个专家团队，而不是依赖单个通才。

如果您能够开发和部署多代理团队，我很高兴地告诉您，我的工作坊涵盖了您在 Python 中执行此操作所需的一切知识。这不仅仅是理论，它是一项深入实践的动手培训，几周前在波士顿的开放数据科学大会东部（ODSC East）专业拍摄。我负责所有关于理论和背景的部分，而我的才华横溢的长期朋友和同事 Ed Donner（他在第 847 集中做客本播客），

并且你们中的许多人可能认识他，因为他凭借在 O'Reilly.com 的大量教学和广受欢迎的 Udemy 课程，成为世界上最好的 AI 动手教学者之一。所以，是的，Ed 负责本工作坊的所有实践部分。

该工作坊分为四个相互衔接的综合模块。第一个模块侧重于定义代理，了解它们是什么，它们与传统 AI 模型有何不同，以及多代理架构为何变得如此重要。我们探讨了基于代理的系统的基本概念，并建立了您在整个学习过程中所需的词汇。

在这个第一个模块中，我们使用 OpenAI Agents SDK，这是一个新的、有趣且易于使用的框架，它为构建代理提供了强大的基础，同时保持了使基于代理的系统如此有效的自主性和专业性。接下来，在模块 2 中，我们将更深入地探讨代理设计的最佳实践。我们将介绍如何将复杂的问题分解成专门的角色，如何建立代理之间的清晰通信协议，以及如何确保您的多代理系统在扩展时保持一致、安全和可管理。

为了在实践中做到这一点，我们利用 Crew AI，它因其在协调多个代理方面的直观方法而在开发者社区中获得了巨大的关注。Crew AI 使定义代理角色、建立层次结构以及管理代理在任务协作时出现的复杂交互变得非常简单。

在第三个模块中，我们将深入研究人类模型上下文协议 (MCP)，它现在非常流行，并允许我们将代理轻松连接到大量的工具和功能。MCP 侧重于为代理提供关于其环境和任务的丰富、持久的上下文，从而实现更复杂的推理和决策。

通过所有这些，我们能够创建一个代理团队，代表软件开发团队的关键角色。这个团队为我们创建了一个工作的软件应用程序，在这个工作坊中我们所做的示例中，允许代理使用模拟环境中的真实世界市场数据买卖股票。但是在这个培训之后，您将能够创建一个代理团队来处理任何类型的软件开发任务或其他类型的

您组织或企业中的任务。不错。然后在所有这些之后，在第四个也是最后一个模块中，我们将展望代理的未来。我们将研究新兴趋势，包括高能力代理团队对未来工作（包括数据科学家工作的未来）意味着什么，以及人工智能如何在未来几十年内极大地改变我们的世界，使其变得更好。

本工作坊的制作质量非常出色。我们有一个专业的摄制组捕捉每一个细节，包括观众的问题，而我们播客自己的编辑大师 Mario Pombo 将素材制作成一种美丽、流畅的学习体验。结果是，我认为您会发现内容既引人入胜，又信息丰富。

当我们在 ODSC East 现场举办这个工作坊时，反响热烈。整个四小时的讲堂都是站着的，我们收到的反馈也都是积极的。与会者尤其赞赏概念理解和实践实施之间的平衡。现在，您可以在我的 YouTube 频道上免费（包括无广告）享受所有这些内容。当然，我们在节目说明中为您提供了一个链接。这

现在是从事 AI 工作的激动人心的时刻，多代理系统代表着最有希望的前沿之一。我迫不及待地想看看您将用这些强大的新功能构建什么。好了，今天的节目就到这里。我是 John Krohn，您一直在收听超级数据科学播客。如果您喜欢今天的节目或认识可能喜欢的人，请考虑与他们分享本节目。在您最喜欢的播客平台上留下节目的评论。在 LinkedIn 上用您的想法标记我。如果您还没有订阅，

该节目。不过，最重要的是，我们只希望您能继续收听。直到下次，继续努力吧。我很期待很快与您一起再次享受超级数据科学播客。