Eğitimin Amacı ve Kapsamı
Gerçek dünya agent uygulamalarında tek başına ReAct uzun görevlerde yönünü kaybederken, salt Plan-and-Execute ise beklenmedik araç çıktılarında esnekliğini yitirir. Bu bütünleşik program, üst seviyede plan yapan, her adımı ReAct alt döngüsüyle yürüten ve tüm ilerlemeyi kalıcı bir state şemasında tutan hibrit kontrol yapılarını öğretir.
Eğitim boyunca katılımcılar aynı iş problemini önce ReAct, ardından Plan-and-Execute olarak kodlar ve sonunda her ikisini LangGraph tabanlı state machine ve checkpointer yapısıyla birleştirir. Çıktı olarak kurum senaryosu üzerinde çalışan, kesintiden devam edebilen hibrit bir agent teslim edilir.
Kimler Katılmalı?
- Temel agent kontrol döngülerini ve state yönetimini tek eğitimde uçtan uca öğrenmek isteyen yazılım geliştiriciler
- Karmaşık çok adımlı asistanlar tasarlayan yapay zeka mühendisleri
- Prototip agent'ları kararlı üretim mimarisine taşımak isteyen teknik ekipler
- Ön koşul: Python ve temel LLM API kullanımı
Kazanımlar
- ReAct ve Plan-and-Execute döngülerinin güçlü ve zayıf yönlerini pratik üzerinde karşılaştırmak
- Üst düzey planlayıcı ile adım bazlı ReAct yürütücüsünü hibrit bir grafikte birleştirmek
- Plan durumunu, toplanan kanıtları ve araç çıktılarını typed state şemasında yönetmek
- Adım geçişlerini conditional edge ve reducer'larla deterministik olarak kontrol etmek
- Checkpointer ile uzun süren planları duraklatıp kaldığı adımdan devam ettirmek
Konular
ReAct Döngüsü ve Kısa Ufuklu Taktik Yürütme
- Thought–Action–Observation döngüsü ve native tool calling
- İterasyon sınırları, döngü tespiti ve ReAct'in uzun görevlerdeki kırılma noktaları
Plan-and-Execute ve Stratejik Görev Ayrıştırma
- Structured output ile doğrulanabilir adım planı üretme
- Adım yürütme, ara sonuç toplama ve dinamik replanning tetikleyicileri
Açık State Şeması ve Durum Geçişleri
- Konuşma geçmişi ile iş state'ini (plan, tamamlanan adımlar, artefaktlar) ayırmak
- Pydantic/TypedDict state modelleri, reducer'lar ve koşullu geçişler
Hibrit Mimari: Planlı State Grafiği İçinde ReAct
- Üst grafikte Plan-and-Execute, alt düğümlerde sınırlı araçlı ReAct worker'lar
- Checkpoint kalıcılığı, time-travel debugging ve kesintiden devam etme
Uçtan Uca Hibrit Agent Atölyesi
- Kurumsal bir araştırma ve işlem senaryosunun hibrit mimariyle kodlanması
- Maliyet, adım sayısı ve tamamlama başarısının karşılaştırmalı ölçümü
Bu Kategorideki Diğer Eğitimler
-
Uzman agent'lar arasında kontrol devri (handoff) ile alt agent'ı araç olarak çağırma (agent-as-tool) desenlerini; triage yönlendirme, context filtreleme ve konuşma sahipliği yönetimiyle ele alan teknik eğitim.
- Canlı Kurs
- 5 modül
-
Agent'lara yüzlerce aracı aynı anda yüklemek yerine yeniden kullanılabilir skill paketleri, progressive disclosure (aşamalı bağlam yükleme), referans kaynaklar ve dinamik yetenek keşfi tasarlamayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Farklı framework ve bulutlarda çalışan agent'ların birbirini keşfedip güvenli iş birliği yapmasını sağlayan A2A (Agent2Agent) protokolü, Agent Card tasarımı, görev yaşam döngüsü ve MCP–A2A entegrasyonu eğitimi.
- Canlı Kurs
- 5 modül
-
Yüksek riskli araç çağrılarında ve düşük güven skorlu kararlarda agent'ı duraklatıp insan onayı alma, parametre düzenleme, Slack/Teams/web üzerinden asenkron eskalasyon ve denetim izi kurgulama eğitimi.
- Canlı Kurs
- 5 modül
-
Thought–Action–Observation döngüsüyle çalışan ReAct agent'larını native tool calling, durdurma koşulları ve iterasyon limitleriyle sıfırdan kurmayı öğreten, geliştiricilere yönelik uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
Planner, executor ve replanner bileşenleriyle çok adımlı görevleri yürüten agent'lar; ReWOO ve LLMCompiler tarzı paralel görev grafikleri, plan doğrulama ve maliyet optimizasyonu üzerine teknik eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
