内容 隐藏
1 LangGraph 实际应用：使用LLMs
2 LangGraph in Action: Develop Advanced AI Agents with LLMs
2.1 您将会学到
2.2 要求
2.3 描述
2.4 此课程面向哪些人：

LangGraph 实际应用：使用LLMs

LangGraph in Action: Develop Advanced AI Agents with LLMs

使用 LangGraph 掌握 AI 代理的基础知识

您将会学到

  • 了解 LangGraph 的核心功能和概念，包括节点、边和 checkpointer
  • 使用 LangGraph 开发一个可以有效使用短期和长期记忆的 AI 代理
  • 实施高级多代理工作流和子图，以处理复杂的真实场景
  • 使用 FastAPI、Docker 和单元测试构建生产就绪型 AI 代理，以实现可维护的工作流程

要求

  • 中级 Python 技能（OOP、数据类型、函数、模块等）
  • LangChain 基础知识
  • 基本的终端和 Docker 知识

描述

对本课程的期望
欢迎使用 LangGraph in Action，这是掌握使用 LangGraph 设计和部署高级 AI 代理的终极指南。在本课程中，您将通过动手实践方法探索构建模块化、可扩展和生产就绪代理的基础知识。从了解 LangGraph 基于状态的设计的基础知识到创建全栈应用程序，您将获得将 AI 代理变为现实所需的技能。

课程亮点

  • 基于状态的设计：深入了解 LangGraph 的核心节点和边缘理念，以创建结构化、可维护的代理。

  • 内存管理：使用 checkpointer 探索短期内存，使用 Store 对象探索长期记忆，以启用适应和学习的代理。

  • 高级工作流程：构建人机回圈系统，实施并行执行，并掌握多代理模式。

  • 生产就绪型开发：学习异步作、子图，并使用 FastAPI 和 Docker 创建全栈应用程序。

在课程结束时，您不仅将拥有强大的理论理解，还将掌握完全使用开源工具在任何地方部署 AI 代理的实践技能。无论您是旨在保持领先地位的开发人员，还是希望扩展您的 AI 工具包的经验丰富的工程师，本课程都能让您为快速增长的 AI 代理领域做好准备。

随着 AI 代理在实际应用程序中的日益普及，本课程可确保您准备好设计、构建和部署解决实际挑战的高级系统。让我们一起开始构建和塑造 AI 的未来！

此课程面向哪些人：

  • 具有 LangChain 经验，并希望深入了解 AI Agent 领域的软件工程师
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。