![]()
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
Ingin Mengkloning Secara Lokal?
Repositori ini mencakup lebih dari 50 terjemahan 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 diperlukan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.
Jika Anda ingin mendukung bahasa terjemahan tambahan, daftar lengkapnya tersedia di sini.
Kursus ini memiliki pelajaran yang mencakup dasar-dasar membangun Agen AI. Setiap pelajaran membahas topik tersendiri jadi mulailah dari mana pun Anda suka!
Ada dukungan multi-bahasa untuk kursus ini. Kunjungi bahasa yang tersedia di sini.
Jika ini adalah pertama kalinya Anda membangun dengan model AI Generatif, lihat kursus kami Generative AI For Beginners yang mencakup 21 pelajaran tentang membangun dengan GenAI.
Jangan lupa untuk beri bintang (🌟) pada repo ini dan fork repo ini untuk menjalankan kode.
Jika Anda mengalami kendala 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 Anda sendiri.
Contoh kode dalam latihan ini menggunakan Microsoft Agent Framework dengan Microsoft Foundry Agent Service V2:
Kursus ini menggunakan framework dan layanan Agen AI berikut dari Microsoft:
Beberapa contoh kode juga mendukung penyedia lain yang kompatibel dengan OpenAI seperti MiniMax, yang menawarkan model konteks besar (hingga 204K token). Lihat Course Setup untuk detail konfigurasi.
Untuk informasi lebih lanjut tentang menjalankan kode kursus ini, kunjungi Course Setup.
Apakah Anda memiliki saran atau menemukan kesalahan ejaan atau kode? Laporkan masalah atau Buat pull request
| Pelajaran | Teks & Kode | Video | Pembelajaran Tambahan |
|---|---|---|---|
| Pengantar Agen AI dan Kasus Penggunaan Agen | Tautan | Video | Tautan |
| Menjelajahi Framework Agentic AI | Tautan | Video | Tautan |
| Memahami Pola Desain Agentic AI | Tautan | Video | Tautan |
| Pola Desain Penggunaan Alat | Tautan | Video | Tautan |
| Agentic 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 Agen (MCP, A2A dan NLWeb) | Link | Video | Link |
| Rekayasa Konteks untuk Agen AI | Link | Video | Link |
| Mengelola Memori Agen | Link | Video | |
| Menjelajahi Kerangka Kerja Microsoft Agent | Link | ||
| Membangun Agen Pengguna Komputer (CUA) | Link | Link | |
| Menyebarkan Agen Skala Besar | Link | Link | |
| Membuat Agen AI Lokal | Link | Link | |
| Mengamankan Agen AI | Link | Link |
Tim kami menghasilkan kursus lainnya! Lihat:
Terima kasih kepada Shivam Goyal atas kontribusi contoh kode penting yang menunjukkan Agentic RAG.
Proyek ini menerima kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Perjanjian Lisensi Kontributor (CLA) yang menyatakan bahwa Anda memiliki hak untuk, dan benar-benar memberi kami hak untuk menggunakan kontribusi Anda. Untuk rincian, kunjungi https://cla.opensource.microsoft.com.
Saat Anda mengirim permintaan tarik, bot CLA akan secara otomatis menentukan apakah Anda perlu menyediakan CLA dan menghias PR secara tepat (misal, pemeriksaan status, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukannya sekali di 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 lebih lanjut.
Proyek ini mungkin berisi merek dagang atau logo untuk proyek, produk, atau layanan. Penggunaan sah merek dagang atau logo Microsoft tunduk pada dan harus mengikuti Panduan Merek Dagang & Merek Microsoft. Penggunaan merek dagang atau logo Microsoft dalam versi modifikasi proyek ini tidak boleh menimbulkan kebingungan atau menyiratkan dukungan Microsoft. Penggunaan merek dagang atau logo pihak ketiga tunduk pada kebijakan pihak ketiga tersebut.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang pembangunan aplikasi AI, bergabunglah dengan:
Jika Anda memiliki umpan balik produk atau menemukan 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.