![]()
Arab | Bengali | Bulgaria | Birma (Myanmar) | Mandarin (Sederhana) | Mandarin (Tradisional, Hong Kong) | Mandarin (Tradisional, Macau) | Mandarin (Tradisional, Taiwan) | Kroasia | Ceko | Denmark | Belanda | Estonia | Finlandia | Prancis | Jerman | Yunani | Ibrani | Hindi | Hungaria | Indonesia | Italia | Jepang | Kannada | Khmer | Korea | Lithuania | Melayu | Malayalam | Marathi | Nepali | Pidgin Nigeria | Norwegia | Persia (Farsi) | Polandia | Portugis (Brasil) | Portugis (Portugal) | Punjab (Gurmukhi) | Rumania | Rusia | Serbia (Sirilik) | Slovakia | Slovenia | Spanyol | Swahili | Swedia | Tagalog (Filipina) | Tamil | Telugu | Thai | Turki | Ukraina | Urdu | Vietnam
Lebih suka Meng-clone Secara Lokal?
Repositori ini mencakup lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan 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"Ini memberi Anda semua yang dibutuhkan untuk menyelesaikan kursus dengan unduhan jauh lebih cepat.
Jika Anda ingin bahasa terjemahan tambahan didukung, bahasa tersebut tercantum di sini.
Kursus ini memiliki pelajaran yang mencakup dasar-dasar membangun Agen AI. Setiap pelajaran membahas topik tersendiri jadi mulailah dari mana saja yang Anda suka!
Tersedia dukungan multi-bahasa untuk kursus ini. Kunjungi bahasa yang tersedia di sini.
Jika ini adalah kali pertama Anda membangun dengan model AI Generatif, lihat kursus kami Generative AI For Beginners, yang mencakup 21 pelajaran tentang membangun dengan GenAI.
Jangan lupa untuk memberi bintang (🌟) repo ini dan fork repo ini untuk menjalankan kode.
Jika Anda mengalami kendala atau memiliki pertanyaan tentang membangun Agen AI, bergabunglah di Saluran Discord khusus kami di Microsoft Foundry Discord.
Setiap pelajaran dalam kursus ini menyertakan contoh kode, yang dapat ditemukan di folder code_samples. Anda dapat fork repo ini untuk membuat salinan Anda sendiri.
Contoh kode dalam latihan ini menggunakan Microsoft Agent Framework dengan Azure AI Foundry Agent Service V2:
Kursus ini menggunakan kerangka kerja dan layanan Agen AI berikut dari Microsoft:
Beberapa contoh kode juga mendukung penyedia alternatif yang kompatibel dengan OpenAI seperti MiniMax, yang menawarkan model kontekstual besar (hingga 204K token). Lihat Pengaturan Kursus untuk rincian konfigurasi.
Untuk informasi lebih lanjut tentang menjalankan kode untuk kursus ini, kunjungi Pengaturan Kursus.
Apakah Anda memiliki saran atau menemukan kesalahan ejaan atau kode? Buat isu atau Buat pull request
| Pelajaran | Teks & Kode | Video | Pembelajaran Tambahan |
|---|---|---|---|
| Intro ke Agen AI dan Kasus Penggunaan Agen | Link | Video | Link |
| Menjelajah Kerangka Agentik AI | Link | Video | Link |
| Memahami Pola Desain Agentik AI | Link | Video | Link |
| Pola Desain Penggunaan Alat | Link | Video | Link |
| Agentic RAG | Link | Video | Link |
| Membangun Agen AI yang Dapat Dipercaya | Link | Video | Link |
| Pola Desain Perencanaan | Link | Video | Link |
| Pola Desain Multi-Agen | Link | Video | Link |
| Pola Desain Metakognisi | Link | Video | Link |
| Agen AI dalam Produksi | Link | Video | Link |
| Menggunakan Protokol Agentic (MCP, A2A dan NLWeb) | Link | Video | Link |
| Rekayasa Konteks untuk Agen AI | Link | Video | Link |
| Mengelola Memori Agentic | Link | Video | |
| Menjelajahi Microsoft Agent Framework | Link | ||
| Membangun Agen Penggunaan Komputer (CUA) | Link | Link | |
| Menyebarkan Agen yang Dapat Diskalakan | Segera Hadir | ||
| Membuat Agen AI Lokal | Segera Hadir | ||
| Mengamankan Agen AI | Link | Link |
Tim kami membuat kursus lain! Lihat:
Terima kasih kepada Shivam Goyal atas kontribusinya dalam memberikan contoh kode penting yang mendemonstrasikan Agentic RAG.
Proyek ini menyambut kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Perjanjian Lisensi Kontributor (CLA) yang menyatakan bahwa Anda memiliki hak dan benar-benar memberikan kami hak untuk menggunakan kontribusi Anda. Untuk detail, kunjungi https://cla.opensource.microsoft.com.
Saat Anda mengirimkan pull request, bot CLA akan secara otomatis menentukan apakah Anda perlu memberikan CLA dan menghias PR dengan tepat (misalnya, pemeriksaan status, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukan ini sekali untuk semua repositori yang menggunakan CLA kami.
Proyek ini telah mengadopsi Kode Etik Open Source Microsoft. Untuk informasi lebih lanjut lihat FAQ Kode Etik atau hubungi opencode@microsoft.com untuk pertanyaan atau komentar tambahan.
Proyek ini mungkin berisi merek dagang atau logo untuk proyek, produk, atau layanan. Penggunaan resmi dari merek dagang atau logo Microsoft tunduk pada dan harus mengikuti Pedoman Merek Dagang & Merek Microsoft. Penggunaan merek dagang atau logo Microsoft dalam versi modifikasi dari proyek ini tidak boleh menyebabkan kebingungan atau menyiratkan sponsor Microsoft. Setiap penggunaan merek dagang atau logo pihak ketiga tunduk pada kebijakan pihak ketiga tersebut.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI, bergabunglah dengan:
Jika Anda memiliki umpan balik produk atau kesalahan saat membangun kunjungi:
Penafian: Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berupaya untuk mencapai akurasi, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.