Costruisci agenti AI reali, dal primo loop alla produzione
Gli agenti AI sono programmi che usano modelli di linguaggio di grandi dimensioni per ragionare, chiamare strumenti e intraprendere azioni multi-step — gestendo compiti che il codice statico non può affrontare. Questo track copre tutto, da come funziona effettivamente il loop di un agente LLM al deployment di agenti affidabili e osservabili in produzione. Il curriculum si estende su 60 corsi in sei livelli (A1 a C2), basato sugli strumenti usati da chi lavora in questo campo oggi: LangChain, LangGraph, LlamaIndex, vector database e le function-calling API esposte da ogni major LLM provider.
Cosa imparerai
Inizierai con i meccanismi delle API LLM e l'ingegneria dei prompt per agenti, poi affronterai lo schema di tool-use e function-calling che rende gli agenti genuinamente utili. Le competenze fondamentali includono la costruzione di pipeline retrieval-augmented generation (RAG) e integrazioni con vector database, la creazione di agenti per email, calendar, Slack, GitHub e web-scraping, la progettazione della conversational memory e il parsing degli output strutturati, la scrittura di test per agenti e il debugging dei loop degli agenti, e l'applicazione del pattern ReAct in agenti multi-tool. Al livello avanzato affronterai l'orchestrazione multi-agente, la pianificazione a lungo termine, agenti computer-use e browser, agenti generatori di codice, sandboxing e esecuzione sicura del codice, e agent governance con audit trail.
Il percorso di apprendimento
Il percorso inizia a A1 con Intro to LLM Agents e prosegue attraverso le fondamenta di A2 — ingegneria dei prompt, LLM API nella pratica, operazioni sul file system e conversational memory. B1 amplia il toolkit con integrazione API, basi di RAG, vector database, osservabilità, fondamenti di LangChain e agenti specifici di dominio per documenti, analisi dei dati e automazione dei workflow. B2 approfondisce tale conoscenza attraverso LangGraph per agenti stateful, LlamaIndex, il pattern ReAct, architetture di memory, design asincrono e event-driven, sicurezza degli agenti e guardrail, e ottimizzazione di costi e latenza. Il tier C1 copre tecniche RAG avanzate, orchestrazione multi-agente, deployment in produzione, fine-tuning di modelli per compiti agentic e pipeline multimodali. Il track si conclude a C2 con Self-Improving Agent Systems e The Road to Autonomous Systems.
Come funziona
Ogni corso è suddiviso in lezioni brevi e focalizzate che affronti nell'editor di codice integrato con feedback in tempo reale. Un tutor AI è disponibile ogni volta che rimani bloccato, e ogni esercizio è basato su codice eseguibile in modo che i concetti rimangano concreti piuttosto che teorici.