![]()
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
Mas gusto mo bang Kopyahin nang Lokal?
Ang repositoryong ito ay may kasamang mahigit 50 na pagsasalin ng wika na nagpapalaki ng laki ng download nang malaki. Para makopya nang walang mga pagsasalin, gamitin ang 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"Bibigyan ka nito ng lahat ng kailangan mo para matapos ang kurso nang mas mabilis ang download.
Kung nais mong magkaroon ng dagdag pang mga suportadong wika sa pagsasalin, tingnan ito dito
Ang kursong ito ay may mga leksyon na sumasaklaw sa mga pundasyon ng paggawa ng AI Agents. Bawat leksyon ay may sarili nitong paksa kaya pumili ka kung saan mo gustong magsimula!
May suporta sa maramihang wika para sa kursong ito. Pumunta sa aming mga magagamit na wika dito.
Kung ito ang unang pagkakataon mong gumawa gamit ang Generative AI models, tingnan ang aming kursong Generative AI Para sa mga Nagsisimula, na may 21 leksyon sa paggawa gamit ang GenAI.
Huwag kalimutang bigyan ng star (๐) ang repo na ito at i-fork ang repo na ito para patakbuhin ang mga code.
Kung mahirapan ka o may mga tanong tungkol sa paggawa ng AI Agents, sumali sa aming dedikadong Discord Channel sa Microsoft Foundry Discord.
Bawat leksyon sa kursong ito ay may kasamang mga halimbawa ng code, na makikita sa folder na code_samples. Maaari mong i-fork ang repo na ito para gumawa ng sarili mong kopya.
Ang mga halimbawa ng code sa mga pagsasanay na ito ay gumagamit ng Microsoft Agent Framework kasama ang Azure AI Foundry Agent Service V2:
Ginagamit ng kursong ito ang mga sumusunod na AI Agent framework at serbisyo mula sa Microsoft:
Ang ilang mga halimbawa ng code ay sumusuporta rin sa mga alternatibong OpenAI-compatible na provider tulad ng MiniMax, na nag-aalok ng mga malalaking context na modelo (hanggang 204K tokens). Tingnan ang Course Setup para sa mga detalye ng pagsasaayos.
Para sa karagdagang impormasyon sa pagpapatakbo ng code para sa kursong ito, pumunta sa Course Setup.
May mga mungkahi ka ba o napansin mong may mali sa baybay o code? Mag-raise ng isyu o Lumikha ng pull request
| Leksiyon | Teksto at Code | Video | Dagdag na Pag-aaral |
|---|---|---|---|
| Intro sa AI Agents at mga Gamit ng Agent | Link | Video | Link |
| Pagsisiyasat ng AI Agentic Frameworks | Link | Video | Link |
| Pag-unawa sa AI Agentic Design Patterns | Link | Video | Link |
| Tool Use Design Pattern | Link | Video | Link |
| Agentic RAG | Link | Video | Link |
| Paggawa ng Mapagkakatiwalaang AI Agents | Link | Video | Link |
| Planning Design Pattern | Link | Video | Link |
| Multi-Agent Design Pattern | Link | Video | Link |
| Metacognition Design Pattern | Link | Video | Link |
| AI Agents in Production | Link | Video | Link |
| Using Agentic Protocols (MCP, A2A and NLWeb) | Link | Video | Link |
| Context Engineering for AI Agents | Link | Video | Link |
| Managing Agentic Memory | Link | Video | ย |
| Exploring Microsoft Agent Framework | Link | ย | ย |
| Building Computer Use Agents (CUA) | Link | ย | Link |
| Deploying Scalable Agents | Malapit Nang Lumabas | ย | ย |
| Creating Local AI Agents | Malapit Nang Lumabas | ย | ย |
| Securing AI Agents | Malapit Nang Lumabas | ย | ย |
Ang aming koponan ay gumagawa ng iba pang mga kurso! Tingnan ang:
Salamat kay Shivam Goyal para sa pagbibigay ng mahahalagang mga halimbawa ng kodigo na nagpapakita ng Agentic RAG.
Inaanyayahan ng proyektong ito ang mga kontribusyon at mungkahi. Karamihan sa mga kontribusyon ay nangangailangan na sumang-ayon ka sa isang Contributor License Agreement (CLA) na nagsasaad na mayroon kang karapatan, at talagang ibinibigay sa amin, ang mga karapatan upang gamitin ang iyong kontribusyon. Para sa mga detalye, bisitahin ang https://cla.opensource.microsoft.com.
Kapag nagsumite ka ng isang pull request, awtomatikong titignan ng CLA bot kung kailangan mo ng CLA at lalagyan ng tamang marka ang PR (hal., status check, comment). Sundin lamang ang mga tagubiling ibinibigay ng bot. Isang beses mo lang kailangang gawin ito sa lahat ng repos na gumagamit ng aming CLA.
Inampon ng proyektong ito ang Microsoft Open Source Code of Conduct. Para sa karagdagang impormasyon tingnan ang Code of Conduct FAQ o makipag-ugnayan sa opencode@microsoft.com para sa mga karagdagang tanong o komento.
Ang proyektong ito ay maaaring maglaman ng mga trademark o logo para sa mga proyekto, produkto, o serbisyo. Ang awtorisadong paggamit ng mga trademark o logo ng Microsoft ay saklaw at dapat sumunod sa Microsoftโs Trademark & Brand Guidelines. Ang paggamit ng mga trademark o logo ng Microsoft sa mga binagong bersyon ng proyektong ito ay hindi dapat magdulot ng kalituhan o magmungkahi ng sponsorship ng Microsoft. Ang anumang paggamit ng mga trademark o logo ng ikatlong partido ay saklaw ng mga patakaran ng mga ikatlong partidong iyon.
Kung ikaw ay matrapik o may mga katanungan tungkol sa paggawa ng mga AI app, sumali sa:
Kung mayroon kang puna sa produkto o mga error habang gumagawa, bisitahin ang:
Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagamat sinisikap naming maging tumpak, pakatandaan na ang mga awtomatikong salin ay maaaring maglaman ng mga pagkakamali o di-tumpak na impormasyon. Ang orihinal na dokumento sa kanyang likas na wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang mga hindi pagkakaintindihan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.