Kurz tvorby AI asistentů

Lekce 1 • Ekosystém AI asistentů

Mapuje prostředí platforem, API a možností nasazení dostupných pro budování asistentů. Pomáhá studentům zvolit správné prostředí pro jejich cíle.

Lekce 2 • Co AI asistenti skutečně jsou

Definuje AI asistenty podle schopností, nikoli marketingových nálepek, a odlišuje je od jednoduchých botů a automatizačních skriptů. Ukotvuje kapitolu v přesné, praktické terminologii.

Lekce 3 • Identifikace případů použití s vysokou hodnotou

Učí strukturovanou metodu pro hodnocení, které úkoly nejvíce těží z asistence AI. Přímo navazuje na rámec 11 nápadů představený v pozdějších kapitolách.

Lekce 1 • Anatomie účinného promptu

Rozkládá strukturální komponenty dobře formulovaného promptu a vysvětluje roli, kterou každá z nich hraje. Stanovuje základní dovednost psaní pro všechny následující kapitoly.

Lekce 2 • Vzory a šablony promptů

Představuje znovupoužitelné vzory promptů, jako jsou řetězec myšlenek, few-shot a persona prompty. Vybavuje studenty sadou nástrojů, kterou mohou přizpůsobit napříč typy asistentů.

Lekce 3 • Jak se vyhnout běžným selháním promptů

Katalogizuje nejčastější chyby v promptech a poskytuje opravné strategie pro každou z nich. Zabraňuje ztrátě iteračních cyklů při budování skutečných asistentů.

Lekce 4 • Iterativní zpřesňování promptů

Pokrývá systematický proces diagnostiky slabých výstupů a zlepšování promptů prostřednictvím strukturované iterace. Buduje ladicí myšlení nezbytné pro vývoj asistentů.

Lekce 1 • Nápady 5 až 8: Podpora znalostí a rozhodování

Představuje čtyři nápady asistentů, které uživatelům pomáhají vyhledávat, analyzovat a jednat na základě informací. Propojuje koncepty správy znalostí s praktickým návrhem asistentů.

Lekce 2 • Nápady 1 až 4: Obsah a komunikace

Představuje první čtyři nápady asistentů zaměřené na psaní, sumarizaci a komunikační úkoly. Nastavuje očekávání ohledně hloubky pokrytí v jednotlivých kapitolách.

Lekce 3 • Nápady 9 až 11: Pracovní postupy a automatizace

Představuje poslední tři nápady, které integrují asistenty do širších pracovních postupů a automatizovaných pipeline. Připravuje studenty na pokročilé kapitoly, které následují.

Lekce 4 • Logika rámce a kategorie nápadů

Vysvětluje, jak je 11 nápadů seskupeno podle funkce a složitosti. Poskytuje organizační optiku používanou ve zbytku kurzu.

Lekce 1 • Testování a zdokonalování komunikačních asistentů

Aplikuje metody strukturovaného hodnocení na všechny čtyři komunikační asistenty vytvořené v této kapitole. Zajišťuje, že výstupy splňují standardy odborné kvality před nasazením.

Lekce 2 • Návrh asistenta pro e-maily a zprávy

Vytváří asistenta, který koncipuje, odpovídá a přeformátovává odbornou komunikaci. Implementuje nápad 3 s vědomím tónu a kontextu.

Lekce 3 • Návrh asistenta pro psaní

Pokrývá struktury promptů, které na vyžádání generují koncepty, přepisy a obsah odpovídající stylu. Přímo implementuje nápad 1 z rámce.

Lekce 4 • Návrh asistenta pro sumarizaci

Učí techniky pro extrakci klíčových bodů z dlouhých dokumentů, schůzek a článků. Implementuje nápad 2 s konfigurovatelnými ovládacími prvky délky a formátu.

Lekce 1 • Návrh asistenta pro učení a koučování

Vytváří adaptivního asistenta, který vysvětluje pojmy, testuje uživatele a sleduje pokrok v učení. Implementuje nápad 8 se sokratovskými a odstupňovanými instruktážními technikami.

Lekce 2 • Návrh asistenta pro podporu rozhodování

Navrhuje asistenta, který formuluje možnosti, zvažuje kompromisy a jasně prezentuje doporučení. Implementuje nápad 7 se strukturovaným uvažováním a výstupními formáty.

Lekce 3 • Návrh asistenta pro analýzu dat

Vytváří asistenta, který interpretuje strukturovaná data, generuje souhrny a odkrývá trendy. Implementuje nápad 6 se vzory promptů pro analytické uvažování.

Lekce 4 • Návrh asistenta pro FAQ a znalostní bázi

Vytváří asistenta ukotveného v kurátorské znalostní bázi, který přesně odpovídá na doménově specifické otázky. Implementuje nápad 5 s využitím principů rozšířeného generování vyhledáváním.

Lekce 1 • Propojení asistentů s externími nástroji

Pokrývá volání funkcí, integraci API a vzory použití nástrojů, které rozšiřují schopnosti asistenta nad rámec textu. Nezbytné pro to, aby asistenti pracovních postupů byli připraveni k produkčnímu nasazení.

Lekce 2 • Návrh asistenta pro vícekrokové pracovní postupy

Navrhuje asistenta, který řetězí více dílčích úkolů do koherentní automatizované pipeline. Implementuje nápad 11 pomocí sekvenčního řetězení promptů a předávání stavu.

Lekce 3 • Návrh asistenta pro kód a technické záležitosti

Vytváří asistenta, který generuje, vysvětluje a ladí kód v běžných programovacích kontextech. Implementuje nápad 10 s jazykově specifickými strategiemi promptů.

Lekce 4 • Orchestrace více asistentů dohromady

Představuje vzory pro směrování úkolů napříč specializovanými asistenty v rámci jednoho pracovního postupu. Připravuje studenty na pokročilé koncepty multi-agentních systémů v pozdějších kapitolách.

Lekce 1 • Definování metrik kvality pro asistenty

Stanovuje měřitelná kritéria pro přesnost, relevanci, tón a dokončení úkolů napříč typy asistentů. Poskytuje základ měření pro všechny hodnoticí aktivity.

Lekce 2 • Metodiky strukturovaného hodnocení

Představuje rubriky lidského hodnocení, automatizované bodování a metody srovnávacího benchmarkingu. Vybavuje studenty k provádění důsledných hodnocení bez specializovaných výzkumných nástrojů.

Lekce 3 • Diagnostika a oprava poruchových režimů

Katalogizuje opakující se vzory selhání asistentů a poskytuje techniky analýzy hlavních příčin pro každý z nich. Přímo zlepšuje asistenty vytvořené v kapitolách 4 až 6.

Lekce 1 • Bezpečnost, zábradlí a obsahové zásady

Implementuje filtrování výstupů, logiku odmítnutí a vynucování obsahových zásad, aby asistenti zůstali v produkci bezpeční. Řeší organizační rizika a požadavky na shodu.

Lekce 2 • Škálování asistentů napříč týmy a případy použití

Pokrývá strategie pro replikaci úspěšných asistentů napříč odděleními a jejich přizpůsobení novým kontextům. Maximalizuje návratnost investic vložených do budování každého asistenta.

Lekce 3 • Měření obchodního dopadu po nasazení

Propojuje data o používání asistentů s obchodními výsledky, jako je ušetřený čas, snížení chyb a spokojenost uživatelů. Vytváří argumenty pro pokračující investice do programů AI asistentů.

Lekce 4 • Možnosti architektury nasazení

Porovnává vestavěné, samostatné a API-served modely nasazení pro různé organizační kontexty. Řídí výběr správné architektury pro každý typ asistenta.