Training ini membahas konsep dan implementasi ReAct (Reasoning + Acting) Agents dalam pengembangan Conversational AI. Peserta akan mempelajari bagaimana agen AI dapat menggabungkan penalaran logis dengan kemampuan untuk mengambil tindakan secara dinamis, menggunakan Large Language Models (LLMs) dan integrasi alat (tool use). Pelatihan ini menggabungkan teori, studi kasus, dan praktik langsung.
Setelah mengikuti training ini, peserta akan memahami prinsip kerja ReAct Agents, mampu mengembangkan agen percakapan yang responsif dan kontekstual, serta mengintegrasikan tool eksternal untuk memperluas kapabilitas AI dalam percakapan.
Peserta akan dapat membangun dan mengimplementasikan ReAct Agents berbasis LLMs yang dapat melakukan reasoning, mengambil tindakan, mengakses API atau database eksternal, dan merespons pengguna dengan cerdas serta relevan secara konteks.
AI Engineer, Machine Learning Engineer, Data Scientist, Software Developer, dan Technical Product Manager yang ingin memperdalam kemampuan pengembangan Conversational AI dan agent-based systems.
Modul 1: Pengenalan ReAct Agents
Memahami konsep Reasoning + Acting, arsitektur umum ReAct Agents, dan perbedaannya dengan chatbot tradisional.
Modul 2: Konsep Reasoning dalam AI
Mempelajari bagaimana LLM melakukan penalaran, penarikan kesimpulan, dan pemilihan tindakan berdasarkan konteks.
Modul 3: Tool Use dan Integrasi API
Mengimplementasikan penggunaan API eksternal dan tools tambahan untuk memperluas kemampuan agen AI.
Modul 4: Memory Management pada Conversational AI
Teknik menyimpan, mengambil, dan mengelola memori percakapan untuk interaksi jangka panjang.
Modul 5: Workflow ReAct Agents
Membuat pipeline interaksi yang memadukan reasoning dan action secara real-time.
Modul 6: Implementasi dengan LLMs
Menghubungkan model bahasa besar dengan agen ReAct dan mengoptimalkan responsnya.
Modul 7: Pengujian dan Evaluasi
Metode mengukur kinerja, relevansi, dan keakuratan ReAct Agents dalam skenario nyata.
Modul 8: Studi Kasus
Menerapkan ReAct Agents dalam aplikasi seperti customer service, penelusuran dokumen, dan personal assistant.
Sebuah perusahaan e-commerce ingin mengembangkan asisten virtual yang tidak hanya menjawab pertanyaan pelanggan tetapi juga dapat mengecek stok barang secara real-time, melacak pengiriman, dan memberikan rekomendasi produk. Dengan ReAct Agents, AI dapat melakukan reasoning untuk memahami maksud pelanggan, memanggil API internal untuk mengambil data, dan merespons dengan informasi yang akurat dan relevan secara langsung.
Sebuah perusahaan telekomunikasi ingin mengembangkan asisten virtual yang dapat membantu pelanggan memeriksa tagihan, status jaringan, dan paket layanan mereka. Asisten ini juga dapat terintegrasi dengan sistem VOIP untuk melakukan panggilan otomatis kepada pelanggan yang membutuhkan verifikasi identitas, serta terhubung ke chatbot untuk memberikan jawaban cepat. Dengan ReAct Agents, AI dapat memahami konteks permintaan pelanggan, memanggil API internal untuk mengambil data dari sistem billing dan jaringan, serta merespons dengan informasi akurat secara real-time.