![]()
Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
Lebih suka Clone Secara Lokal?
Repositori ini mencakup terjemahan lebih dari 50 bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk mengkloning 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 Anda butuhkan untuk menyelesaikan kursus dengan waktu unduh yang jauh lebih cepat.
Jika Anda ingin bahasa terjemahan tambahan didukung, daftar bahasa tersedia di sini
Kursus ini memiliki pelajaran yang mencakup dasar-dasar membangun Agen AI. Setiap pelajaran membahas topik sendiri, jadi mulai dari mana saja yang Anda sukai!
Ada dukungan multi-bahasa untuk kursus ini. Lihat bahasa yang tersedia di sini.
Jika ini 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 kodenya.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun Agen AI, bergabunglah dengan 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 sendiri.
Contoh kode dalam latihan ini menggunakan Microsoft Agent Framework dengan Azure AI Foundry Agent Service V2:
Kursus ini menggunakan framework dan layanan Agen AI berikut dari Microsoft:
Beberapa contoh kode juga mendukung penyedia kompatibel OpenAI alternatif seperti MiniMax, yang menawarkan model konteks besar (hingga 204K token). Lihat Pengaturan Kursus untuk detail 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 permintaan tarik
| Pelajaran | Teks & Kode | Video | Pembelajaran Tambahan |
|---|---|---|---|
| Pengantar Agen AI dan Kasus Pengguna Agen | Tautan | Video | Tautan |
| Menelusuri Framework Agentik AI | Tautan | Video | Tautan |
| Memahami Pola Desain Agentik AI | Tautan | Video | Tautan |
| Pola Desain Penggunaan Alat | Tautan | Video | Tautan |
| Agentik RAG | Tautan | Video | Tautan |
| Membangun Agen AI yang Dapat Dipercaya | Tautan | Video | Tautan |
| Pola Desain Perencanaan | Tautan | Video | Tautan |
| Pola Desain Multi-Agen | Tautan | Video | Tautan |
| Pola Desain Metakognisi | Link | Video | Link |
| Agen AI dalam Produksi | Link | Video | Link |
| Menggunakan Protokol Agentik (MCP, A2A dan NLWeb) | Link | Video | Link |
| Rekayasa Konteks untuk Agen AI | Link | Video | Link |
| Mengelola Memori Agentik | Link | Video | |
| Menjelajahi Microsoft Agent Framework | Link | ||
| Membangun Agen Pengguna Komputer (CUA) | Link | Link | |
| Menyebarkan Agen yang Skalabel | Akan Segera Hadir | ||
| Membuat Agen AI Lokal | Akan Segera Hadir | ||
| Mengamankan Agen AI | Link | Link |
Tim kami membuat kursus lain! Lihat:
Terima kasih kepada Shivam Goyal atas kontribusi contoh kode penting yang mendemonstrasikan Agentic RAG.
Proyek ini menerima 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 menandai PR dengan tepat (misalnya, pemeriksaan status, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukannya 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 merek dagang atau logo Microsoft yang sah 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. 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 masukan produk atau menemui 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.