Szkolenie - Tworzenie i wdrażanie autonomicznych Agentów AI

Program szkolenia odpowiada potrzebom osób posiadających podstawowe kompetencje programistyczne, w szczególności w języku Python, które chcą rozwijać umiejętności w zakresie projektowania, budowy i wdrażania autonomicznych agentów AI oraz pracy z modelami językowymi, API i frameworkami agentowymi.

Czas szkolenia: usługa realizowana jest w wymiarze 18 godzin zegarowych (po 60 minut), w tym: 17,5 godziny zajęć dydaktycznych oraz 0,5 godziny walidacji efektów uczenia się.

• Liczba godzin teoretycznych – 4 godziny
• Liczba godzin praktycznych – 13,5 godziny
• Walidacja – 30 minut, realizowana po zakończeniu części dydaktycznej szkolenia, w ostatnim dniu usługi.

Szkolenie przeprowadzone będzie w formie zdalnej w czasie rzeczywistym. Zajęcia prowadzone są w krótkich modułach niewymagających stosowania przerw. Każdy uczestnik musi posiadać dostęp do komputera z Internetem. Uczestnikom przed zajęciami zostanie przesłany link do wideokonferencji na platformie Zoom.

Warunki organizacyjne: Zajęcia teoretyczne prowadzone są w formie wykładów online z prezentacją zagadnień oraz omówieniem przykładów rozwiązań z zakresu budowy agentów AI, modeli językowych i architektury systemów. Zajęcia praktyczne realizowane są w formie warsztatów programistycznych, obejmujących pracę na gotowych template’ach, modyfikację kodu, konfigurację środowiska, integrację API, budowę i rozwijanie agentów AI oraz wykonywanie ćwiczeń krok po kroku. Stosowane metody dydaktyczne: wykład, demonstracja działania rozwiązań, metoda warsztatowa, ćwiczenia praktyczne, praca indywidualna przy komputerze, analiza przypadków, bieżąca informacja zwrotna. Zadania domowe (brak jednoznacznej informacji w załącznikach) są sprawdzane przez osobę prowadzącą poza czasem szkolenia, a uczestnicy otrzymują bieżącą informację zwrotną w trakcie trwania kursu oraz możliwość konsultacji do 2 tygodni po jego zakończeniu.

Organizator zapewnia następujące materiały dydaktyczne: materiały warsztatowe w formie elektronicznej, w tym gotowe template’y kodu, przykłady implementacji agentów AI, konfiguracje środowisk oraz instrukcje do wykonywania ćwiczeń praktycznych wykorzystywanych w trakcie zajęć.

PLAN ZAJĘĆ

Zajęcia 1 - Od LLM do agenta

• • Czym jest agent AI w porównaniu z chatbotem i potokiem przetwarzania?
  • Poziomy autonomii
  • Demonstracja gotowego agenta w akcji
  • Warsztat: konfiguracja środowiska programistycznego
  • Warsztat: Konfiguracja AI coding assistant (Claude Code / Cursor / Copilot) — jak go używać do pisania, modyfikowania i debugowania kodu
  • Warsztat: pierwsze wywołanie modeli Codex, Claude i Gemini przez ich API
  • Warsztat: Modyfikacja template'u chatbota — dodanie pamięci konwersacji

Zajęcia 2 - Inżynieria promptów

• • Techniki: łańcuch myślenia, uczenie z przykładów, wymuszanie strukturalnego formatu odpowiedzi (JSON)
  • Wpływ instrukcji na zachowanie agenta
  • Warsztat: projektowanie zestawu instrukcji (persona, zasady, format wyjściowy)
  • Warsztat: wymuszanie schematu JSON
  • Warsztat: atak i obrona przed wstrzykiwaniem promptów

Zajęcia 3 - Narzędzia – ręce agenta

• • Mechanizm wywoływania funkcji – jak model AI „widzi" dostępne narzędzia?
  • Porównanie natywnych API trzech dostawców
  • Pydantic-AI jako framework agentowy: typowane narzędzia, dependency injection, structured output
  • Alternatywa no-code: n8n
  • Warsztat: Modyfikacja 3 gotowych template'ów narzędzi: wyszukiwarka internetowa, kalkulator, pobieranie danych z API — kursant zmienia parametry i dodaje własne endpointy
  • Warsztat: mini-demonstracja: ten sam przepływ w n8n vs w kodzie

Zajęcia 4 - Pętla rozumowania (ReAct)

• • Wzorzec ReAct (Reason + Act): jak agent podejmuje decyzje krok po kroku?
  • Zarządzanie stanem między krokami
  • Warsztat: Analiza i modyfikacja gotowej pętli decyzyjnej ReAct — zrozumienie logiki krok po kroku
  • Warsztat: Limity iteracji, obsługa błędów — konfiguracja w template
  • Warsztat: Przepisanie na framework Pydantic-AI z pomocą AI coding assistant — porównanie podejść

Zajęcia 5 - LangGraph – agenci jako grafy

• • Modelowanie zachowania agenta jako grafu: węzły, krawędzie, warunkowe rozgałęzienia
  • Zarządzanie stanem
  • Kiedy użyć frameworka, a kiedy czystego kodu?
  • Warsztat: przepisanie agenta na LangGraph
  • Warsztat: węzeł routingu: agent decyduje o następnym kroku
  • Warsztat: zapis stanu między sesjami. Wizualizacja grafu

Zajęcia 6 - RAG – agent z bazą wiedzy

• • Retrieval-Augmented Generation – wzbogacanie odpowiedzi o kontekst z dokumentów
  • Reprezentacje wektorowe, bazy wektorowe, strategie dzielenia tekstu
  • Jak RAG ogranicza halucynacje?
  • Warsztat: Konfiguracja bazy wektorowej z gotowego docker-compose.yml (ChromaDB/Qdrant)
  • Warsztat: Wczytanie dokumentów z template'u — zmiana źródeł, parametrów chunking, generowanie wektorów
  • Warsztat: Modyfikacja narzędzia wyszukiwania. Pomiar jakości odpowiedzi

Zajęcia 7 - Pamięć i kontekst

• • Rodzaje pamięci: krótkoterminowa (konwersacja), długoterminowa (baza wektorowa), robocza (notatnik)
  • Limity tokenów a koszty API
  • Warsztaty: Konfiguracja pamięci wielopoziomowej z template'u: bufor + podsumowanie + pamięć długoterminowa
  • Warsztaty: Agent zapamiętuje preferencje użytkownika między sesjami — modyfikacja parametrów
  • Warsztat: optymalizacja kosztów

Zajęcia 8 - Systemy wieloagentowe

• • Wzorce współpracy agentów: nadzorca, hierarchiczny, równorzędny
  • Porównanie frameworków: LangGraph, AutoGen, CrewAI
  • Warsztat: Rozbudowa template'u systemu 3 agentów: Planista, Badacz, Autor
  • Warsztat: agent nadzorujący koordynuje pracę
  • Warsztat: śledzenie komunikacji między agentami

Zajęcia 9 - Ewaluacja i monitoring

• • Metryki jakości agenta: skuteczność, trafność narzędzi, czas odpowiedzi, koszt
  • LangSmith
  • DemistyfikacjaRLHF – czym naprawdę jest „kciuk w górę" vs co robi inżynier w praktyce?
  • Warsztat: podłączenie monitoringu (LangSmith)
  • Warsztat: przygotowanie zestawu pytań testowych
  • Warsztat: automatyczna ewaluacja. Testy A/B instrukcji – mierzenie wpływu zmian

Zajęcia 10 - Bezpieczeństwo i zabezpieczenia

• • Zagrożenia: wstrzykiwanie promptów, wyciek danych, niekontrolowana autonomia, eksplozja kosztów
  • Zabezpieczenia
  • Zasada minimalnych uprawnień
  • Warsztat: filtrowanie wejścia/wyjścia, limity kosztów
  • Warsztat: testy penetracyjne (redteam)
  • Warsztat: mechanizm potwierdzenia przez człowieka (human-in-the-loop)

Zajęcia 11 - Wdrożenie produkcyjne

• • Architektura produkcyjna: interfejs API, kolejki zadań, ponawianie wywołań
  • Kontrola kosztów
  • Automatyzacja wdrożeń (CI/CD)
  • Warsztat: Opakowanie agenta w API — modyfikacja gotowego template'u FastAPI
  • Warsztat: Konteneryzacja — konfiguracja gotowego Dockerfile i docker-compose.yml
  • Warsztat: Wdrożenie w chmurze z template'u CI/CD (GitHub Actions). Monitoring: kontrola dostępności, logowanie, alerty
  • Warsztat: test obciążeniowy

Zajęcia 12 - Prezentacja projektów i wizja przyszłości

• • Trendy: MCP (Model ContextProtocol), computer use, komunikacja agent-agent (A2A), programowanie wspomagane przez agentów
  • Plan dalszego rozwoju
  • Warsztat: finalizacja projektów
  • Warsztat: wzajemna weryfikacja kodu w parach
  • Prezentacje projektów indywidualnych

Walidacja prowadzona jest w formie pisemnej i obejmuje test teoretyczny weryfikujący znajomość zagadnień związanych z budową agentów AI oraz analizę pracy własnej uczestnika (opis koncepcji rozwiązania lub fragmentu logiki działania agenta). Ocena polega na sprawdzeniu poprawności zastosowania poznanych narzędzi i zasad projektowania. Walidacja przeprowadzana jest po zakończeniu szkolenia przez osobę inną niż prowadząca. Czas trwania walidacji wynosi 30 minut i odbywa się po zakończeniu części dydaktycznej. Walidację przeprowadza osoba inna niż prowadząca szkolenie na podstawie przyjętych kryteriów weryfikacji efektów uczenia się, co zapewnia rozdzielenie procesu kształcenia od procesu walidacji.

Zadania warsztatowe realizowane w trakcie szkolenia nie stanowią elementu walidacji efektów uczenia się.

Po zakończeniu udziału w usłudze rozwojowej, uczestnik otrzymuje odpowiednie zaświadczenie o jej ukończeniu. Warunkiem uzyskania zaświadczenia jest uczestnictwo w co najmniej 80% zajęć usługi rozwojowej oraz zaliczenie walidacji efektów uczenia się.

Organizator zapewnia następujące materiały dydaktyczne: materiały warsztatowe w formie elektronicznej, w tym gotowe template’y kodu, przykłady implementacji agentów AI, konfiguracje środowisk oraz instrukcje do wykonywania ćwiczeń praktycznych wykorzystywanych w trakcie zajęć.

Znajomość języka Python na poziomie co najmniej średniozaawansowanym oraz podstawowa znajomość pracy z API.

Uczestnik, dokonując zapisu na usługę, oświadcza, że usługa rozwojowa odbywa się poza godzinami pracy lub w dni wolne od pracy. Warunkiem otrzymania zaświadczenia jest próg obecności na poziomie 80%.

Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dn. 19 lipca 2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz „Standardami dostępności dla polityki spójności 2021-2027”. W przypadku potrzeby zapewnienia udogodnień prosimy o kontakt: +48 739 270 704, olga.lackorzynska@l-a-b-a.pl przed zapisem na usługę.

Zawarto umowy z Wojewódzkimi Urzędami Pracy w:

• • Szczecinie w ramach projektu „Zachodniopomorskie Bony Szkoleniowe”.
  • Krakowie w ramach projektów „Małopolski Pociąg do kariery” i „Nowy start w Małopolsce z EURESEM”.
  • Toruniu w ramach projektu "Kierunek – Rozwój".

Usługa realizowana jest w formie zdalnej w czasie rzeczywistym z wykorzystaniem platformy Zoom.

W celu prawidłowego udziału w szkoleniu uczestnik powinien posiadać:

• • komputer lub laptop z dostępem do Internetu (zalecana prędkość min. 10 Mb/s),
  • aktualną przeglądarkę internetową (np. Google Chrome, Mozilla Firefox, Microsoft Edge),
  • sprawny mikrofon oraz kamerę, co zapewni możliwość dwustronnej komunikacji i właściwego nadzoru nad przebiegiem usługi.
  • możliwość odbioru dźwięku (głośniki lub słuchawki),
  • dostęp do poczty elektronicznej w celu otrzymania linku do szkolenia.
  • Wymagane oprogramowanie:
• Konta API u dostawców modeli (Anthropic, OpenAI, Google Cloud)
• n8n
• VS code
• Konto w jednym z AI coding assistantów:

*Rekomendowane: Claude PRO (Claude Code), ChatGPT Plus (Codex)

*Minimalne: Cursor lub GitHub Copilot

Dołączenie do szkolenia następuje poprzez kliknięcie w link przesłany przed rozpoczęciem zajęć. Link aktywny jest przez cały okres trwania usługi zgodnie z harmonogramem.