Modul “Projektovanje i razvoj AI agenata”

Sadržaj modula:

1. Naziv teme: Uvod u AI agente i agentski pristup razvoju softvera

Sadržaj teme: Razlike između chatbota, AI asistenta i AI agenta. Uloga LLM modela, alata, memorije, planera, konteksta i spoljnih izvora podataka. Osnovni principi agentskog pristupa razvoju softvera (agentic software engineering). Primeri primene AI agenata u obrazovanju, poslovanju, istraživanju, korisničkoj podršci i automatizaciji procesa.

2. Naziv teme: Projektovanje AI agenata

Sadržaj teme: Definisanje cilja, uloge i zadataka AI agenta. Projektovanje ulaza, izlaza, koraka obrade i logike odlučivanja. Izbor alata, izvora podataka i načina interakcije sa korisnikom. Osnovni elementi arhitekture AI agenta: LLM komponenta, sistemski prompt, memorija, alati, validacija i strukturisani izlaz.

3. Naziv teme: Razvoj AI agenata primenom LangChain i LangGraph okvira

Sadržaj teme: Upoznavanje sa LangChain i LangGraph okvirima za razvoj AI agenata. Povezivanje LLM modela sa alatima, podacima i koracima obrade. Kreiranje jednostavnog agentskog toka rada (workflow), definisanje stanja, čvorova i prelaza. Praktičan razvoj AI agenta.

4. Naziv teme: Integracija, evaluacija i odgovorna primena AI agenata

Sadržaj teme: Integracija AI agenta sa postojećim aplikacijama, servisima i spoljnim izvorima podataka. Praćenje rada agenta, testiranje rezultata i evaluacija kvaliteta odgovora. Osnovna validacija izlaza, prepoznavanje grešaka i ograničenja AI agenata. Principi odgovorne primene, bezbednosti, transparentnosti i etičke upotrebe AI agenata.

Ishod učenja:

Po završetku ovog modula, polaznici će biti u stanju da:

1. Objasne osnovne koncepte AI agenata, uključujući razlike između chatbota, AI asistenta i AI agenta, kao i ulogu LLM modela, alata, memorije, konteksta i spoljnih izvora podataka.
2. Projektuju arhitekturu AI agenta kroz definisanje cilja, uloge, ulaza, izlaza, koraka obrade, logike odlučivanja i načina interakcije sa korisnikom.
3. Razviju jednostavnog AI agenta primenom savremenih alata i okvira, kao što su LangChain, LangGraph i slični alati, uz povezivanje LLM modela sa podacima, alatima i strukturisanim tokovima rada.
4. Integrišu, testiraju i evaluiraju AI agenta u okviru konkretnog digitalnog rešenja, uz primenu osnovne validacije izlaza, praćenje kvaliteta odgovora i prepoznavanje ograničenja agentskih sistema.
5. Primene principe odgovorne i bezbedne upotrebe AI agenata, uključujući transparentnost, zaštitu podataka, kontrolu rizika, etičke aspekte i kritičko sagledavanje rezultata koje generiše AI agent.

Literatura: Materijali u elektronskom obliku, dostupni na sajtu moodle.elab.rs.