ai-agents-for-beginners

AI-agenter for begyndere - Et kursus

AI Agents for Beginners

Et kursus der lærer dig alt, hvad du behøver at vide for at begynde at bygge AI-agenter

🌐 Flersproget support

Understøttet via GitHub Action (Automatiseret & altid opdateret)

Foretrækker du at klone lokalt?

Dette repository indeholder 50+ sprogoversættelser, hvilket væsentligt øger downloadstørrelsen. For at klone uden oversættelser, brug sparse checkout:

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

Hvis du ønsker flere understøttede oversættelsessprog, er de listet her.

🌱 Kom godt i gang

Dette kursus har lektioner, der dækker grundlæggende om at bygge AI-agenter. Hver lektion dækker sit eget emne, så start hvor du vil!

Der er flersproget support til dette kursus. Se vores tilgængelige sprog her.

Hvis det er første gang, du bygger med Generative AI-modeller, så tjek vores Generative AI For Beginners-kursus, som indeholder 21 lektioner om at bygge med GenAI.

Glem ikke at stjerne (🌟) dette repo og fork dette repo for at køre koden.

Mød andre lærende, få svar på dine spørgsmål

Hvis du sidder fast eller har spørgsmål om at bygge AI-agenter, så join vores dedikerede Discord-kanal i Microsoft Foundry Discord.

Det du skal bruge

Hver lektion i dette kursus inkluderer kodeeksempler, som findes i mappen code_samples. Du kan forke dette repo for at skabe din egen kopi.

Kodeeksemplerne i disse øvelser bruger Microsoft Agent Framework med Microsoft Foundry Agent Service V2:

Microsoft Foundry - Azure-konto krævet

Dette kursus bruger følgende AI-agent frameworks og services fra Microsoft:

Nogle kodeeksempler understøtter også alternative OpenAI-kompatible udbydere som MiniMax, der tilbyder store kontekstmodeller (op til 204K tokens). Se Course Setup for konfigurationsdetaljer.

For mere information om at køre koden til dette kursus, se Course Setup.

🙏 Vil du hjælpe?

Har du forslag eller har fundet stave- eller kodefejl? Opret en issue eller Lav en pull request

📂 Hver lektion inkluderer

En skriftlig lektion i README samt en kort video
Python-kodeeksempler, der bruger Microsoft Agent Framework med Microsoft Foundry
Links til ekstra ressourcer for at fortsætte din læring

🗃️ Lektioner

Lektion	Tekst & Kode	Video	Ekstra læring
Intro til AI-agenter og agentbrugsscenarier	Link	Video	Link
Udforskning af AI-agentiske frameworks	Link	Video	Link
Forståelse af AI-agentiske designmønstre	Link	Video	Link
Værktøjsbrug designmønster	Link	Video	Link
Agentisk RAG	Link	Video	Link
Bygning af pålidelige 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	Link	Video	Link
Håndtering af agentisk hukommelse	Link	Video
Udforskning af Microsoft Agent Framework	Link
Bygning af computerbrugeragenter (CUA)	Link		Link
Udrulning af skalerbare agenter	Link		Link
Oprettelse af lokale AI-agenter	Link		Link
Sikring af AI-agenter	Link		Link

🎒 Andre kurser

Vores team producerer andre kurser! Tjek:

LangChain

—

Azure / Edge / MCP / Agenter

Generativ AI Serie

Kerne Læring

Copilot Serie

🌟 Tak til fællesskabet

Tak til Shivam Goyal for at bidrage med vigtige kodeeksempler, der demonstrerer Agentic RAG.

Bidrag

Dette projekt modtager gerne bidrag og forslag. De fleste bidrag kræver, at du accepterer en Contributor License Agreement (CLA), hvor du erklærer, at du har ret til og faktisk giver os rettighederne til at bruge dit bidrag. For detaljer, besøg https://cla.opensource.microsoft.com.

Når du sender 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 instruktionerne fra botten. Du skal kun gøre dette én gang på tværs af alle repos, der bruger vores CLA.

Dette projekt har vedtaget Microsofts Open Source Code of Conduct. For mere information se Code of Conduct FAQ eller kontakt opencode@microsoft.com med eventuelle yderligere spørgsmål eller kommentarer.

Varemærker

Dette projekt kan indeholde varemærker eller logoer for projekter, produkter eller services. Autoriseret brug af Microsoft varemærker eller logoer er underlagt og skal følge Microsofts Trademark & Brand Guidelines. Brug af Microsoft-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 retningslinjer.

Få hjælp

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps, tilslut dig:

Hvis du har produktfeedback eller fejl, mens du bygger, besøg:

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 opstår som følge af brugen af denne oversættelse.

This site is open source. Improve this page.