32 minuterSå bygger du människocentrerade AI-arbetsflöden för lokalisering med Shashi Bhushan
Lär dig att införa AI i lokalisering utan att ta bort människans ansvar för innebörd, tonalitet, terminologi och slutligt godkännande.
AI Engineer. Dex Horthy förklarar varför tillförlitliga agentsystem till största delen består av disciplinerad programvara runt några få LLM-anrop: äg prompten, äg kontextfönstret, håll kontrollflödet deterministiskt och använd verktygsanrop för att kontakta människor när arbetsflödet kräver en bedömning. Det motsvarar direkt artikelns mönster för godkännande, undantag och eskalering.
Behandla ”agent”-inramningen som programvaruarkitektur, inte som teater kring autonomi. Den bestående lärdomen är uttryckligt tillstånd, deterministiskt kontrollflöde och en verklig väg för överlämning till en människa.
Lär dig att utforma AI-arbetsflöden som kan pausa, återupptas, be om mänsklig bedömning och hålla verksamhetens tillstånd åtskilt från modellens gissningar.
Grundläggande kännedom om verktygsanrop eller AI-arbetsflöden i flera steg.
Senast granskad: 19 maj 2026
Fortsätt längs samma lärstig med nästa kurerade kompletterande video.
32 minuterLär dig att införa AI i lokalisering utan att ta bort människans ansvar för innebörd, tonalitet, terminologi och slutligt godkännande.
30 minuterFörstå utlösare, åtgärder och enkla automatiseringsflöden innan du lägger till AI i en verksamhetsprocess.
17 minuterFörklara begreppet ”uppmärksamhetsekonomi” och namnge en designtaktik som används för att fånga uppmärksamhet.
Externa kurser som är handplockade och går djupare in i detta ämne.
Anthropic Academy
MCP är protokollet som i det tysta ersätter separata verktygsintegrationer i hela ekosystemet för AI-verktyg. Lär dig det direkt från källan. När du är klar har du byggt och driftsatt en egen MCP-server, anslutit en LLM-klient till den och förstått varför den här standarden är branschens närmaste motsvarighet till USB-C.
João 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.
Hugging Face
Den tydligaste genomgången av agentbaserade system med öppen källkod som finns. Kursen utgår från de tre ramverk som utvecklare faktiskt utvärderar (smolagents, LlamaIndex och LangGraph), inte en enskild leverantörs teknikstack. Den avslutas med en benchmarkuppgift och en offentlig topplista – ett upplägg med resultat som ditt team kan verifiera.