郎图

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
级别：初学者 |类型： 电子学习 |语言： 英语 |时长：16 场讲座 ( 5h 53m )

你将学到什么

• 了解 LangGraph 基础知识并使用基于图的架构构建有状态的多代理 AI 工作流程。
• 使用 LangGraph 设计、开发和部署具有记忆、决策和工具调用功能的 AI 代理。
• 将 LangGraph 与 LLM、API、数据库和外部工具集成，以创建智能代理应用程序。
• 构建真实世界的 AI 项目，包括聊天机器人、自主代理、研究助理和工作流程自动化系统。

要求

• 建议具备基本的 Python 编程知识，包括变量、函数、循环和面向对象的概念。
• 熟悉生成式 AI 概念和大型语言模型 (LLM) 会很有帮助，但不是强制性的。
• 无需具备 LangGraph 或 LangChain 经验。一切都将通过实践项目从头开始教授。
• 对 API、JSON 和 Python 库的基本了解将有助于学习者更轻松地理解高级示例。
• 热衷于使用现代框架构建 AI 代理、多代理系统和现实世界的 AI 应用。

描述

LangGraph 是用于构建智能 AI 代理和工作流驱动的应用程序的最强大的框架之一。本课程旨在帮助您从头开始学习 LangGraph 并将其应用到现实世界的人工智能项目中。

您将首先了解 AI 代理和 LangChain 的基础，然后再进入 LangGraph 的基于图的架构。通过实践示例，您将学习如何使用节点、边、条件路由、内存和检查点创建有状态工作流。随着课程的进展，您将把大型语言模型 (LLM)、外部工具、数据库、网络搜索和检索增强生成 (RAG) 系统集成到您的应用程序中。

该课程涵盖基础和高级主题，包括会话记忆、代理 RAG、纠正 RAG、基于反射的代理、人机循环工作流程、SQL 代理和多工具人工智能系统。您还将学习如何使用 LangSmith 监控、跟踪、调试和优化 AI 工作流程。

每个概念都通过实际编码演示和实际用例逐步解释。在课程结束时，您将能够设计、构建和部署复杂的人工智能代理，这些代理可以推理、使用工具、管理内存和自动执行复杂的任务。

无论您是开发人员、数据科学家、AI 爱好者还是学生，本课程都将提供使用 LangGraph 构建下一代 AI 应用程序所需的技能。

本课程适合谁

• 想要使用 LangGraph 构建 AI 代理、多代理系统和智能工作流程的 Python 开发人员。
• 希望创建超越传统聊天机器人的高级代理 AI 应用的生成式 AI 爱好者。
• 对 AI 编排和工作流程自动化感兴趣的数据科学家、AI 工程师和机器学习从业者。
• 寻求现代 AI 代理框架和架构实践经验的学生、研究人员和专业人士。
• 任何有兴趣从头开始学习 LangGraph 并通过实际示例构建真实世界 AI 项目的人。