使用 Langchain 和 Langgraph 的代理工作流程

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：2小时30米

您将学到什么

• 使用 LangChain、LangGraph、Python 和 LLM 从头开始构建完整的 Agentic AI QA 自动化框架
• 设计和实施多代理工作流程，让 AI 代理协作执行不同的 QA 任务
• 使用 LangGraph 管理状态、定义节点并编排端到端 AI 工作流程
• 使用 LangChain 将法学硕士与工具集成并实现智能代理行为

要求

• Python 编程基础知识（函数、变量、基本语法）
• 熟悉 API 概念（GET、POST、JSON 响应）
• 安装了 Python 的系统（3.9 或更高版本）

描述

在本实践课程中，您将学习如何使用 LangChain、LangGraph、Python 和 Groq LLM 设计和开发完整的 Agentic QA 自动化框架。您将构建一个系统，其中多个 AI 代理协作以自动化整个测试生命周期，而不是手动编写测试用例、脚本和执行逻辑。

您将首先了解用于集成大型语言模型的 LangChain 和用于编排多步骤、有状态工作流程的 LangGraph 的核心概念。从那里，您将构建一个强大的管道，AI 代理在其中执行专门的角色，例如规划测试策略、生成测试用例、创建自动化脚本和执行真正的 API 测试。

本课程采用基于项目的实用方法设计，确保您不仅理解理论，而且能够逐步实现现实世界的系统。在课程结束时，您将构建一个可扩展的框架，演示人工智能如何改变 QA 流程。

无论您是 QA 工程师、自动化测试人员、SDET 还是 AI 爱好者，本课程都将帮助您在快速发展的 AI 支持的软件测试世界中保持领先地位。

停止编写重复的测试。开始构建为您服务的系统。

本课程适合谁

• 自动化工程师和工程师希望通过代理工作流程和基于人工智能的框架提升技能的 SDET
• 质量保证工程师和想要超越传统自动化并学习如何构建人工智能驱动的测试系统的测试人员