Agents d'Intel·ligència Artificial¶
Benvingut al curs!¶
Aquest curs t'introduirà en el fascinant món dels agents d'intel·ligència artificial: sistemes autònoms capaços de planificar, raonar, executar eines i aprendre del context per resoldre tasques complexes.
Partirem de la història dels LLM (Large Language Models), analitzarem les seves limitacions fonamentals i veurem com els agents sorgeixen precisament per superar-les.
📊 El Curs en Xifres¶
🗺️ Mapa del Curs¶
🎯 Què aprendràs?¶
Arquitectures d'Agents
Comprendre com funcionen internament els agents: el cicle Percebre → Planificar → Actuar → Observar.
Eines i APIs
Integrar eines externes (cercadors, bases de dades, codi) als agents via function calling i tool use.
Memòria i RAG
Superar el knowledge cutoff dels LLM amb bases de coneixement vectorials i RAG pipelines.
Sistemes Multi-Agent
Dissenyar sistemes on múltiples agents especialitzats col·laboren per resoldre tasques complexes.
⚡ Per on Començar?¶
Ruta Recomanada
Si ets nou als LLM, comença per la Unitat 1 per entendre els fonaments. Si ja coneixes els transformers, pots saltar directament a la Unitat 2.
Prerequisits Tècnics
- Python 3.11+ (coneixements intermedis)
- Git i entorns virtuals
- Nocions bàsiques d'APIs REST
- Compte a OpenAI o Anthropic (per a les pràctiques)
Entorn de Pràctiques
Totes les pràctiques inclouen un fitxer requirements.txt i instruccions per configurar l'entorn. Es recomana usar VS Code amb l'extensió Python.
🔗 Recursos Externs de Referència¶
| Recurs | Descripció | Versió |
|---|---|---|
| LangChain Docs | Documentació oficial LangChain | 0.3.x |
| LlamaIndex Docs | Documentació oficial LlamaIndex | 0.10.x |
| OpenAI API Reference | Referència API OpenAI | v2 |
| Anthropic Docs | Claude API i bones pràctiques | — |
| LangSmith | Observabilitat i debugging d'agents | — |
| Hugging Face | Models open-source alternatius | — |