Ang pagpili ng bansa ay nagpapakita ng mga kursong available sa rehiyon mo.
⏱ 2 oras 48 min📚 28 aralin🎧 Audio version
Pagbuo ng mga Agent Tool: Function Calling para sa LLM sa Python
Ikonekta ang Large Language Models sa mga external na API at database sa pamamagitan ng pag-aaral kung paano magdisenyo, magsulat, at mag-integrate ng mga custom na agent tool gamit ang Python.
💬AI instructor Magtanong tungkol sa anumang aralin at makakuha ng malinaw na sagot agad, anumang oras.
🕐Magsimula anumang oras Walang iskedyul o deadline — mag-aral sa sarili mong bilis, kahit kailan.
🌐Sa Filipino Mga aralin, gawain at sertipiko — lahat ay ganap na nasa wika mo.
Tungkol sa kursong ito
Ang mga Large Language Models ay napakahusay, ngunit ang kanilang static na training data ay naglilimita sa kanilang magagawa nang mag-isa. Sa pamamagitan ng pagbibigay ng access ng LLM sa mga custom na tool sa pamamagitan ng function calling, binibigyan mo sila ng kakayahang kumuha ng real-time na data, magsagawa ng mga kalkulasyon, at makipag-ugnayan sa mga external na database at API. Ang text-only course na ito ay gagabay sa iyo sa mga mekanismo ng pagbabago ng mga static na text generator tungo sa mga dynamic, action-oriented na AI agent.
Sa course na ito, lilipat ka mula sa basic prompting tungo sa pagbuo ng mga structured tool-use pipeline. Matututunan mo ang eksaktong proseso kung paano nagde-declare, pumipili, at nag-e-execute ng mga Python function ang mga LLM, na nagbibigay sa iyong mga application ng kapangyarihang lumutas ng mga kumplikado, multi-step na real-world na gawain sa pamamagitan ng malinaw at structured na mga paliwanag sa teksto.
Ano ang matututunan mo:
- Unawain ang mga foundational na konsepto ng tool use, function calling, at ang agentic loop.
- Magsulat ng malinis, type-hinted na mga Python function at bumuo ng mga tumpak na JSON schema gamit ang Pydantic.
- I-configure ang mga LLM upang makilala ang mga custom na tool at magbalik ng mga structured na argumento.
- I-parse at i-execute ang mga tool call nang ligtas sa loob ng iyong Python application.
- Mag-implement ng mga estratehiya sa error handling at validation kapag ang isang LLM ay nagbigay ng invalid na mga tool argument.
- Mag-apply ng mga best practice para sa secure na tool execution upang protektahan ang iyong system mula sa mga hindi awtorisadong aksyon.
Ang course na ito ay nagsisimula sa mga mahahalagang depinisyon ng mga agent at tool bago ka gabayan nang hakbang-hakbang sa pagsusulat ng mga schema, paghawak ng mga API response, at pamamahala ng tool-execution loop. Uunlad ka mula sa mga simpleng utility function tungo sa multi-tool orchestration sa pamamagitan ng structured na mga nakasulat na paliwanag at mga code example.
Ang course na ito ay idinisenyo para sa mga beginner hanggang intermediate na Python developer na gustong magsimulang bumuo ng mga agentic AI application. Hindi kinakailangan ang anumang naunang karanasan sa mga AI agent o advanced na prompt engineering.
Magsimulang magbasa ngayon upang ma-unlock ang buong interactive na potensyal ng mga modernong language model.
Nilalaman ng kurso
Ang makukuha mo
📜Certificate ng pagtatapos Idagdag sa LinkedIn profile mo
💬Personal na AI tutor Natigil sa isang aralin? Itanong sa iyong built-in na tutor ang kahit ano, kahit kailan.
🎧Kasama ang audio version Mag-aral kahit saan — hindi kailangan ng screen
♾️Lifetime access Bumalik anumang oras, walang expiry
📱Telepono o computer Gumagana saanman, kahit anong device
💸14-day refund Walang tanong
⚡Maikli at focused 2 oras 48 min ng practical content
Certificate ng pagtatapos
Bawat kursong tinapos mo sa PickAClass ay nag-iisyu ng credential na ganito — orihinal, may sariling code, ma-verify sa URL, at detalyado tungkol sa aktwal na naipakita.
P
PickAClass
Skills profile · verifiable
Dokumento
Certificate of Mastery
Pinatutunayan nito na
Pangalan Apelyido
ay matagumpay na nagpakita ng kahusayan sa
Pagbuo ng mga Agent Tool: Function Calling para sa LLM sa Python
Mga skill na ipinakita
✓
Pagsusuri ng Behavioral Pattern
Pundasyonal
1.2 oras
✓
Mga framework ng decision-architecture
Bihasa
1.4 oras
✓
Disenyo ng A/B test
Bihasa
1.7 oras
✓
Behavioral copywriting
Advanced
1.9 oras
P
PickAClass — Pangalan Apelyido
Pagbuo ng mga Agent Tool: Function Calling para sa LLM sa Python