使用 Javascript 制作 AI 代理：Langchain 和 Langgraph

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz
语言：英语 |时长：16小时33米

你将学到什么

• 使用 LangChain.js、LangGraph.js 和现代 TypeScript/JavaScript 设计、构建和交付生产级 AI 代理。
• 实施真实项目：网络搜索代理、文档聊天 (RAG)、代码驱动工具以及使用干净、可测试的 API 的代理工作流程。
• 掌握 JSON 优先模式、Zod 架构、工具调用和结构化输出，使代理可靠、可调试和可观察。
• 使用 LangSmith & 部署和监控代理LangGraph Cloud，与 Next.js UI 集成，为实际生产使用做好准备。

要求

• JavaScript/TypeScript 和 Node.js 基础知识（函数、异步/等待、npm）。
• 熟悉 Git、REST API、JSON、环境变量和 VS Code。
• 基本的 React/Next.js 知识很有帮助，但不是强制性的。
• 无需事先进行机器学习/人工智能。

描述

从头开始为 JavaScript 和 JavaScript 构建。 TypeScript 工程师，本课程教您如何使用一致的、注重生产的架构来构建可交付的、生产级的代理系统。以下是第一阶段的细分：

• 介绍和介绍心态：课程概述、模型选择（OpenAI、Gemini、Groq、local）以及构建可扩展、可重用的代理平台架构。
• 基金会：LangChain、Agents &流程：现代人工智能应用程序架构、链与代理，以及 JSON 优先思维方式的介绍。
• 方向和方向“Hello Agent”项目：TS/Node 环境搭建并构建您的第一个多提供商后端代理功能。
• LLM 基础知识：JSON 优先方法：上下文窗口、成本管理、采样旋钮以及使用 Zod 架构执行严格的数据合同。
• JSON-First 迷你项目：实施严格的 TypeScript 问答管道，并提供有保证的 JSON 输出和 CLI 入口点。
• LangChain.js 基础知识：掌握 LCEL（RunnableSequence、RunnableMap）、提示模板、输出解析器和确定性工具调用。
• 工具调用 101：搜索 v1 (LCEL)：使用 Tavily 构建路由 Web 搜索代理，通过 HTTP 端点公开它，并将其连接到 Next.js UI。
• RAG 基础知识：检索增强生成的核心概念，包括摄取、分块、嵌入和相似性搜索。
• Light RAG：Docs Helper 项目：构建具有源引用、置信度评分和 Next.js 文档提取 UI 的内存 RAG 系统。
• LangGraph 基础知识：了解状态、节点、边、线性/分支流、错误边界和人机交互批准。
• LangGraph Orchestration 项目：实现连接到 HTTP 路由和 Next.js 检查 UI 的状态驱动 LangGraph.js 图表。
• 部署和部署观察代理（LangSmith + LangGraph Cloud）：设置生产跟踪、监控日志/错误以及将图形部署到 LangGraph Cloud。
• 使用 Vector DB 的 Agent RAG（Mongo/Supabase 风格）：使用持久向量存储、高级工具、严格的引用策略和 Next.js 前端构建可立即投入生产的助手。

目标受众：JS/TS 开发人员、全栈/Next.js 工程师、Python 到 JS 切换者以及希望构建可用于生产的 AI 应用程序而不是简单的聊天机器人演示的技术主管。