Tento workshop je navržen tak, aby vývojářům dal pevný rámec pro návrh a implementaci agentních systémů – od pochopení agentního paradigmatu, přes návrh jedno- i multi-agentních architektur až po praktickou implementaci agenta s nástroji, pamětí a guardrails. Kurz je postaven jako kombinace teorie, živých ukázek a hands-on cvičení na reálných scénářích. Cílová skupina Backend - Full-stack vývojáři Tech lead - Architekti AI engineers Pokročilí uživatelé LLM (RAG, embe
Cena kurzu: 12.500,00 Kč/Kurz * Cena včetně DPH: 15.125,00 Kč/Kurz
Program kurzu
Backend / Full-stack vývojáři
Tech lead / Architekti
AI engineers
Pokročilí uživatelé LLM (RAG, embeddings, API)
Cíle workshopu:
agentní paradigma a rozdíl proti promptování
návrh jedno- i multi-agentní architektury
implementace autonomního agenta s nástroji
limity, rizika a guardrails
rozhodnutí, kdy agent použít a kdy ne
Osnovakurzu : Úvod do Agentic AI
Co je (a není) agent
Prompt vs Chain vs Agent
Deterministický kód × autonomní rozhodování
Proč AI workflow přestává stačit
Typické use-cases
Data extraction & enrichment
Document processing pipelines
Research & analysis
Autonomous DevOps / IT ops
Business procesy (SMB, enterprise)
Základní stavební kameny agenta
Architektura agenta
State (memory, context)
Reasoning loop
Tool calling
Observation -> Action -> Reflection
Typy paměti
short-term (context window)
long-term (vector DB)
structured memory (JSON / DB)
Determinismus vs autonomie
kdy agenta pustit z řetězu
kdy ho svázat pravidly
Implementace jednoduchého agenta
Hands-on: single agent
agent s jedním cílem
nástroje (function calling)
práce se stavem
error handling
Praktické téma Agent, který analyzuje dokument, detekuje jazyk, shrne obsah a uloží metadata
Diskuze
kde vzniká chaos
typické chyby návrhu
Multi-agentní systémy
Proč více agentů
specializace
paralelizace
kontrola kvality
Typy spolupráce
manager worker
peer-to-peer
pipeline agentů
voting / consensus
Koordinace
plánování
delegace
konflikty rozhodnutí
Agent + nástroje + data
Integrace nástrojů
DB
REST / Graph API
filesystem
search (vector + keyword)
Agent + RAG
kdy RAG nestačí
agent jako query rewriter
iterativní vyhledávání
Pozor na
latency
náklady
nekonečné smyčky
Guardrails, bezpečnost a řízení rizik
Rizika agentů
halucinace v rozhodování
destruktivní akce
prompt injection
runaway agent
Guardrails
policy-based constraints
tool allow-list
budget / step limits
human-in-the-loop
Audit & observability
logování rozhodnutí
replay
explainability
Kdy (ne)používat agentní přístup
Anti-patterns
agent místo jednoduchého kódu
agent místo SQL
agent bez cíle
Decision framework
checklist: má agent smysl?
agent × workflow × klasický kód
Reálné architektury
AI-first aplikace
Enterprise integrace
SMB scénáře
Závěr & roadmapa
shrnutí klíčových principů
best practices z praxe
doporučený další postup
Q&A
Technické požadavky:
Notebook s připojením k internetu
Python prostředí (lokálně nebo v cloud IDE)
Přístup k LLM API (klíč / účet)
Doporučeno: VS Code + základní tooling pro práci s JSON/logy
Požadavky na účastníky:
základní práce s LLM API
znalost Pythonu
základní orientace v architektuře aplikací
výhodou: RAG / embeddings, integrace externích služeb (REST/Graph)
Podrobnosti o kurzu
Kurz je určen pro
Cílová skupina Backend - Full-stack vývojáři Tech lead - Architekti AI engineers Pokročilí uživatelé LLM (RAG, embeddings, API) Cíle workshopu: agentní paradigma a rozdíl proti promptování návrh jedno- i multi-agentní architektury implementace autonomního agenta s nástroji limity, rizika a guardrails rozhodnutí, kdy agent použít a kdy ne
Pořadatel kurzu
DataScript s.r.o.
Obchodní podmínky
Objednavateli bude zaslána závazná přihláška k podpisu. Poté bude účastník na školení registrován. Objednavatel uhradí částku kurzovného za výše uvedeného posluchače na základě faktury vystavené poskytovatelem.