Adam Lucek. Cette présentation plus longue met en œuvre dans le code les catégories inspirées des sciences cognitives : mémoire épisodique, sémantique, de travail et procédurale. Regardez-la après la vidéo conceptuelle de LangChain si vous recherchez un modèle mental plus affirmé et un exemple fonctionnel dont vous pourrez vous inspirer.
Les catégories issues des sciences cognitives constituent un modèle mental, pas une spécification. Inspirez-vous de l'exemple fonctionnel sans reprendre toute son architecture telle quelle.
Vous pouvez intégrer en code la mémoire épisodique, sémantique, de travail et procédurale dans un agent, pas seulement nommer les catégories.
Être à l'aise avec la lecture de code d'agents ; commencez par la vidéo conceptuelle principale.
Dernière révision : 18 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
5 minutesComprendre pourquoi le pilotage d'un ordinateur par captures d'écran est puissant, mais aussi lent, coûteux et fragile par rapport à une automatisation fondée directement sur des API.
13 minutesModéliser l'injection de prompt comme un mélange de données non fiables et définir des limites de conception autour de l'utilisation des outils.
19 minutesVous pouvez estimer quand la mise en cache des prompts est rentable en pesant les surcoûts de mise en cache en écriture par rapport aux économies en lecture pour vos charges de travail réelles.
Des cours externes sélectionnés pour approfondir ce sujet.
Microsoft (open-source, via GitHub Pages)Microsoft Copilot Studio team
The deeper, production-minded counterpart to our beginner no-code pick: a free, open-source, rank-based curriculum that takes you from zero Copilot Studio experience through MCP integrations and multi-agent orchestration, all without writing traditional code. It's the no-code answer to 'now I want to go further than a quick-start,' which our catalog didn't have.
Anthropic AcademyAnthropic Academy
Le protocole de contexte des modèles (MCP) remplace progressivement les intégrations ponctuelles d'outils dans tout l'écosystème de l'IA. Apprenez-le directement à la source. À la fin, vous aurez construit et déployé votre propre serveur MCP, connecté un client LLM et compris pourquoi cette norme est ce qui se rapproche le plus de l'USB-C dans ce domaine.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
