![]()
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?
Kasama sa repositoryong ito ang higit sa 50 na pagsasalin sa iba’t ibang wika na malaki ang dagdag sa laki ng pag-download. Para mag-clone 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"Binibigyan ka nito ng lahat ng kailangan mo upang tapusin ang kurso nang mas mabilis ang pag-download.
Kung nais mo ng karagdagang sinusuportahang mga wika ng pagsasalin, nakalista ang mga ito dito.
Ang kursong ito ay may mga aralin na sumasaklaw sa mga pundasyon ng paggawa ng AI Agents. Bawat aralin ay sumasaklaw sa sariling paksa kaya maaari kang magsimula kahit saan mo gusto!
May suporta sa maraming wika para sa kursong ito. Pumunta sa aming mga available na wika dito.
Kung ito ang iyong unang pagkakataon na gumawa gamit ang mga Generative AI models, tingnan ang aming Generative AI Para sa Mga Nagsisimula na kurso, na may 21 aralin sa paggawa gamit ang GenAI.
Huwag kalimutang i-star (🌟) ang repo na ito at i-fork ang repo na ito upang patakbuhin ang code.
Kung ikaw ay ma-stuck o may mga tanong tungkol sa paggawa ng AI Agents, sumali sa aming dedikadong Discord Channel sa Microsoft Foundry Discord.
Bawat aralin sa kurso na ito ay may mga halimbawa ng code, na makikita sa folder na code_samples. Maaari mong i-fork ang repo na ito upang gumawa ng sarili mong kopya.
Ang mga halimbawa ng code sa mga ehersisyong ito ay gumagamit ng Microsoft Agent Framework kasama ang Microsoft Foundry Agent Service V2:
Ang kursong ito ay gumagamit ng mga sumusunod na AI Agent frameworks at serbisyo mula sa Microsoft:
Ang ilang halimbawa ng code ay sumusuporta rin sa alternatibong mga OpenAI-compatible provider tulad ng MiniMax, na nag-aalok ng malalaking context models (hanggang 204K tokens). Tingnan ang Course Setup para sa mga detalye ng configuration.
Para sa karagdagang impormasyon sa pagpapatakbo ng code para sa kursong ito, pumunta sa Course Setup.
May mga suhestiyon ka ba o nakakita ng mga mali sa spelling o code? Mag-raise ng isyu o Gumawa ng pull request
| Aralin | Teksto at Code | Video | Karagdagang Pag-aaral |
|---|---|---|---|
| Panimula sa AI Agents at Mga Kaso ng Paggamit | Link | Video | Link |
| Pagsusuri sa AI Agentic Frameworks | Link | Video | Link |
| Pag-unawa sa AI Agentic Design Patterns | Link | Video | Link |
| Disenyo sa Paggamit ng Tool | Link | Video | Link |
| Agentic RAG | Link | Video | Link |
| Pagbuo ng Mapagkakatiwalaang AI Agents | Link | Video | Link |
| Disenyo sa Pagpaplano | Link | Video | Link |
| Disenyo ng Multi-Agent | 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 | |
| Exploring Microsoft Agent Framework | Link | ||
| Building Computer Use Agents (CUA) | Link | Link | |
| Deploying Scalable Agents | Link | Link | |
| Creating Local AI Agents | Link | Link | |
| Securing AI Agents | Link | Link |
Gumagawa ang aming koponan ng iba pang mga kurso! Tingnan ang:
Salamat kay Shivam Goyal sa pagbibigay ng mahahalagang code sample na nagpapakita ng Agentic RAG.
Tinatanggap ng proyektong ito ang mga kontribusyon at suhestiyon. Karamihan sa mga kontribusyon ay nangangailangan mong sumang-ayon sa isang Contributor License Agreement (CLA) na nagdeklara na mayroon kang karapatan, at talagang ibinibigay mo, sa amin ang mga karapatan na gamitin ang iyong kontribusyon. Para sa mga detalye, bisitahin ang https://cla.opensource.microsoft.com.
Kapag nagsumite ka ng pull request, awtomatikong matutukoy ng isang CLA bot kung kailangan mong magbigay ng CLA at lalagyan ng angkop na palamuti ang PR (hal., status check, comment). Sundin lamang ang mga tagubilin na ibinigay ng bot. Isang beses mo lang ito kailangang gawin para 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 kontakin ang opencode@microsoft.com para sa anumang karagdagang tanong o komento.
Maaaring naglalaman ang proyektong ito ng mga tanda ng kalakal o logo para sa mga proyekto, produkto, o serbisyo. Ang awtorisadong paggamit ng mga Microsoft tanda ng kalakal o logo ay nasasakupan at dapat sundin ang Microsoft’s Trademark & Brand Guidelines. Ang paggamit ng mga tanda ng kalakal o logo ng Microsoft sa mga binagong bersyon ng proyektong ito ay hindi dapat magdulot ng kalituhan o magpahiwatig ng pag-sponsor ng Microsoft. Anumang paggamit ng mga tanda ng kalakal o logo ng mga ikatlong partido ay nasasakupan ng mga patakaran ng mga ito.
Kung ikaw ay naipit o may mga tanong tungkol sa pagbuo ng mga AI na app, sumali sa:
Kung mayroon kang puna tungkol sa produkto o may mga error habang bumubuo, bisitahin:
Pagtatanggi: Ang dokumentong ito ay isinalin gamit ang serbisyo ng AI translation na Co-op Translator. Bagama’t nagsusumikap kami para sa katumpakan, pakatandaan na ang awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang maling pagkakaintindi o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.