Thomas Wolf and Amarik Rocha teach a new course on Code Agents, which generate and run code instead of just calling functions. You'll build agents using an ice-cream truck business example, learn safe execution with sandboxing, and finish with a Deep Research Agent project.
Ich freue mich, euch die Entwicklung von Code Agenten mit Hugging Face Small Agents vorstellen zu dürfen. Beide entstehen in Zusammenarbeit mit Hugging Face und werden von Thomas Wolf unterrichtet, dem Mitbegründer und CSO von Hugging Face, der euch in der ersten Lektion begleiten wird, sowie von Amarik Rocha, dem Entwickler von Small Agents by Huggingface. Dieser Kurs konzentriert sich auf die Entwicklung von Code Agenten. Code Agenten sind Agenten, die Code schreiben, um ihre Aufgaben auszuführen. Dies unterscheidet sich von Coding Agenten, die Agenten, wie die in Windsurfen oder Cursor sind, Code für euch schreiben. Wie unterscheiden sich Code Agenten von anderen Agenten? Nehmen wir an, ihr wollt die Wettervorhersage für euren aktuellen Standort erfahren. Bei einem Standard Agenten wären das drei Schritte. Schritt eins wäre, mithilfe eines LM einen Funktionsaufruf zu bilden, um euren GPS Standort abzurufen. Die Laufzeitumgebung würde dann diesen Funktionsaufruf ausführen. Dann würde das OHM mithilfe des GPS Standorts einen Aufruf an die Wetter App bilden, den diese Laufzeitumgebung ausführt und schließlich würde es in Schritt 3 das Ergebnis formatieren. Und ausgeben. Im Gegensatz Dazu schreibt ein Code Agent in Schritt 1 und Elm schreibt eine Menge Code. Sie rufen die Funktion auf, um ihr GPS abzurufen und rufen dann auch die Wetterapi auf. Dieser gesamte Code wird in einem Schritt neu generiert. Dann führt die Laufzeitumgebung in Schritt 2 den gesamten Code. Aus und dann formatiert OHM das Ergebnis. Dieses Beispiel spart einen Schritt, aber in komplexeren Szenarien kann das Schreiben eines Codeblocks zur Ausführung einer Aufgabensequenz viel zuverlässiger und präziser sein als die Verwendung der herkömmlichen Funktionsaufruf Funktionen von lms. In diesem Kurs verwenden Sie Hugging Face Small Agents, ein schlankes Agenten Framework. Sie verwenden Agenten, um ein Eiswagengeschäft aufzubauen. Dies zeigt den Wert der Verwendung von Code Agenten in Einzel und Mehragenten Szenarien. Sie erlernen auch einige Techniken, um von LM generierten Code sicher auszuführen, z. B. Sandboxing und überwachen die Ausführung eines Agenten. Am Ende erstellen wir einen einfachen Deep Research Agenten. R Agenten können komplexe Aufgaben planen und es hat sich herausgestellt, dass Code eine hervorragende Möglichkeit für ein OHM ist, einen Plan festzulegen. Nehmen Sie also an diesem Kurs teil und lernen Sie, wie Sie OHM dazu bringen, dies für Sie zu tun.
