French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
Hvis du ønsker yderligere oversættelser, er understøttede sprog listet her
Dette kursus indeholder 11 lektioner, der dækker grundlæggende principper for at bygge AI-agenter. Hver lektion har sit eget emne, så du kan starte, hvor du vil!
Der er flersproget support til dette kursus. Gå til vores tilgængelige sprog her.
Hvis det er første gang, du arbejder med generative AI-modeller, kan du tjekke vores Generative AI For Beginners kursus, som indeholder 21 lektioner om at bygge med GenAI.
Glem ikke at star (🌟) denne repo og fork denne repo for at køre koden.
Hvis du sidder fast eller har spørgsmål om at bygge AI-agenter, kan du deltage i vores dedikerede Discord-kanal i Azure AI Foundry Community Discord.
Hver lektion i dette kursus inkluderer kodeeksempler, som kan findes i mappen code_samples. Du kan fork denne repo for at oprette din egen kopi.
Kodeeksemplerne i disse øvelser bruger Azure AI Foundry og GitHub Model Catalogs til at interagere med sprogmodeller:
- Github Models - Gratis / Begrænset
- Azure AI Foundry - Azure-konto påkrævet
Dette kursus bruger også følgende AI-agentrammer og tjenester fra Microsoft:
For mere information om at køre koden til dette kursus, gå til Kursusopsætning.
Har du forslag eller fundet stavefejl eller kodefejl? Opret en issue eller Lav en pull request.
- En skriftlig lektion i README og en kort video
- Python-kodeeksempler, der understøtter Azure AI Foundry og Github Models (gratis)
- Links til ekstra ressourcer for at fortsætte din læring
| Lektion | Tekst & kode | Video | Ekstra læring |
|---|---|---|---|
| Introduktion til AI-agenter og agentbrug | Link | Video | Link |
| Udforskning af AI-agentrammer | Link | Video | Link |
| Forståelse af AI-agentdesignmønstre | Link | Video | Link |
| Værktøjsbrug-designmønster | Link | Video | Link |
| Agentic RAG | Link | Video | Link |
| Bygning af troværdige AI-agenter | Link | Video | Link |
| Planlægningsdesignmønster | Link | Video | Link |
| Multi-agent designmønster | Link | Video | Link |
| Metakognition designmønster | Link | Video | Link |
| AI-agenter i produktion | Link | Video | Link |
| Brug af agentiske protokoller (MCP, A2A og NLWeb) | Link | Video | Link |
| Kontekstengineering for AI-agenter | Kommer - 3. september | ||
| Håndtering af agentisk hukommelse | Kommer - 10. september | ||
| Evaluering af AI-agenter | Kommer - 17. september | ||
| Opbygning af Computer Use Agents (CUA) | Kommer - 24. september | ||
| Udrulning af skalerbare agenter | Kommer - 25. september | ||
| Oprettelse af lokale AI-agenter | Kommer - 2. oktober | ||
| Sikring af AI-agenter | Kommer - 9. oktober |
Vores team producerer også andre kurser! Tjek dem ud:
- NYT Model Context Protocol (MCP) For Beginners
- Generativ AI for begyndere med .NET
- Generativ AI for begyndere
- Generativ AI for begyndere med Java
- ML for begyndere
- Data Science for begyndere
- AI for begyndere
- Cybersikkerhed for begyndere
- Webudvikling for begyndere
- IoT for begyndere
- XR-udvikling for begyndere
- Mestre GitHub Copilot til AI-parprogrammering
- Mestre GitHub Copilot til C#/.NET-udviklere
- Vælg dit eget Copilot-eventyr
Tak til Shivam Goyal for at bidrage med vigtige kodeeksempler, der demonstrerer Agentic RAG.
Dette projekt byder bidrag og forslag velkommen. De fleste bidrag kræver, at du accepterer en Contributor License Agreement (CLA), der erklærer, at du har retten til, og faktisk giver os, rettighederne til at bruge dit bidrag. For detaljer, besøg https://cla.opensource.microsoft.com.
Når du indsender en pull request, vil en CLA-bot automatisk afgøre, om du skal indsende en CLA og markere PR'en passende (f.eks. statuskontrol, kommentar). Følg blot de instruktioner, som botten giver. Du skal kun gøre dette én gang på tværs af alle repos, der bruger vores CLA.
Dette projekt har vedtaget Microsoft Open Source Code of Conduct. For mere information, se Code of Conduct FAQ eller kontakt opencode@microsoft.com med yderligere spørgsmål eller kommentarer.
Dette projekt kan indeholde varemærker eller logoer for projekter, produkter eller tjenester. Autoriseret brug af Microsoft varemærker eller logoer er underlagt og skal følge Microsofts retningslinjer for varemærker og branding. Brug af Microsofts varemærker eller logoer i modificerede versioner af dette projekt må ikke skabe forvirring eller antyde Microsoft-sponsorering. Enhver brug af tredjeparts varemærker eller logoer er underlagt disse tredjeparts politikker.
Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.
