Baue intelligente agentische Systeme! Entdecke die zentralen Komponenten von LangChain-Agents und wie Prompts, LLMs und Tools für Schlussfolgern und Handeln zusammenwirken. Du richtest einen Agent mit der OpenAI-API ein, definierst eigene Tools und löst praxisnahe Aufgaben wie Rechenoperationen. Außerdem erfährst du, wie LangChain Daten mithilfe von Graphen, Knoten und Kanten organisiert.

Agents in LangChain

Einen ReAct-Agenten erstellen

Bestandteile von LangChain-Agents

Eigene Tools erstellen

Erstelle ein Tool für mathematische Berechnungen

Eigene Tools und Anfragen integrieren

Unterhaltung mit einem ReAct-Agenten

Gesprächseinrichtung

Fragen zur Gesprächshistorie stellen

Die Grundlagen von LangChain-Agents

Baue dynamische, tool-gestützte Chatbots mit LangChain und LangGraph! Du lernst, wie du einen Chatbot erstellst, der sich basierend auf Nutzereingaben anpasst, indem du Zustände definierst und externe APIs für die Echtzeit-Informationsabfrage integrierst. Du verknüpfst diese Komponenten in einer reaktionsfähigen Graphstruktur und ermöglichst fließende Übergänge zwischen Konversation und toolgestützten Antworten. Am Ende besitzt du ein visuell dargestelltes Chatbot-Framework mit verbessertem Schlussfolgern und mehrstufigen Workflows.

Graphen für Chatbots erstellen

Graph- und Agenten-States

Knoten und Kanten hinzufügen

Antworten für Chatbots generieren

Abfragen und Antworten

Ein Diagramm des Graphen erstellen

Externe Tools zu einem Chatbot hinzufügen

Erstelle ein Wikipedia-Tool

Ein Tool zu einem Graphen hinzufügen

Speicher und Unterhaltung hinzufügen

Visualisiere den Graphen und gib Tool-Ausgaben zurück

Speicher zum Graphen hinzufügen

Graph-Speicher für Gespräche nutzen

Chatbots mit LangGraph bauen

Erweitere deinen Chatbot mit dynamischen Tools und Speicher! Definiere und integriere mehrere Tools in flexible Workflows, entwickle Funktionen für dynamisches Tool-Calling und konfiguriere deinen Chatbot für den Umgang mit mehreren Tools. Organisiere Speicher und Ausgaben, um verschachtelte, mehrstufige Unterhaltungen zu ermöglichen. Am Ende hast du einen ausgereiften Chatbot erstellt, der komplexe Interaktionen beherrscht.

Mehrere Tools definieren

Erstelle ein Tool, das das LLM aufruft

Ein Tool mit Python-Code bauen

Mehrere Tools binden

Knoten und Kanten für flexibles Funktionsaufrufen definieren

Definiere eine Funktion, die den Chatbot stoppt

Schreibe eine Funktion, die eine LLM-Antwort zurückgibt

Erstelle den Graph-Workflow für mehrere Tools

Chatbot-Ausgaben mit Memory organisieren

Ausgaben für mehrere Tools konfigurieren

Mehrstufige Unterhaltung mit Memory aktivieren

Glückwunsch!

Dynamische Chat-Agents entwickeln

Jeden Tag verändern intelligente Systeme ganze Branchen – ob durch automatisierten Kundensupport, personalisierte Empfehlungen oder dynamische Datenverarbeitung. Agentische Workflows, die Sprachmodelle und Tools zur Ausführung komplexer Aufgaben verbinden, stehen dabei an vorderster Front. Dieser Kurs zerlegt die wesentlichen Bausteine agentischer Workflows und zeigt, wie du sie aufbaust, anpasst und optimierst. Du lernst die Grundprinzipien von LangChain-Agents kennen – von der Konfiguration von Prompts über die Integration von Tools bis hin zum Management komplexer Workflows mit LangGraph. Am Ende des Kurses kannst du intelligente Systeme bauen, die komplexe Aufgaben automatisieren, die Produktivität steigern und dynamische, auf spezifische Geschäftsanforderungen zugeschnittene Lösungen liefern.

Agentenbasierte Arbeitsabläufe, die LLMs und Werkzeuge integrieren, um nuancierte Aufgaben zu erfüllen, stehen an der Spitze der KI-Transformation. In diesem Kurs lernst du die wichtigsten Prinzipien der LangChain-Agenten kennen, einschließlich der Konfiguration von Prompts, der Integration von Tools und der Verwaltung komplexer Workflows. Am Ende dieses Kurses wirst du in der Lage sein, intelligente Systeme zu entwickeln, die komplexe Aufgaben automatisieren, die Produktivität steigern und dynamische Lösungen anbieten, die auf spezifische Geschäftsanforderungen zugeschnitten sind.
<h2>Beherrsche die Grundlagen der LangChain-Agenten</h2>
Du lernst, wie du mit dem Reasoning and Action (ReAct)-Framework Prompts, Sprachmodelle und Tools in Workflows integrieren kannst. Danach wirst du in der Lage sein, agentenbasierte Arbeitsabläufe einzurichten, Werkzeuge zu konfigurieren und die Grundprinzipien von LangChain-Agenten zu verstehen, während du diese Arbeitsabläufe mit LangGraph visualisierst. Du erstellst benutzerdefinierte Agenten, richtest Tools für den Zugriff auf externe Datenquellen wie die Wikipedia-API ein und verwaltest Agentenstatus. Du wirst durch die Definition von Knoten und Kanten, das Erstellen von bedingten Pfaden und das Zusammenstellen komplexer Workflows, die sich an unterschiedliche Bedingungen anpassen, geführt.
<h2>Dynamische Chat-Agenten erstellen</h2>
Schließlich lernst du, Nachrichten zu überwachen, Knoten für flexible Funktionsaufrufe zu definieren und deinen Chatbot für den Umgang mit mehreren Werkzeugen zu konfigurieren. Am Ende dieses Kurses wirst du in der Lage sein, intelligente Systeme zu entwickeln, die komplexe Aufgaben automatisieren, die Produktivität steigern und dynamische Lösungen anbieten, die auf spezifische Geschäftsanforderungen zugeschnitten sind.

Developing LLM Applications with LangChain

Verstehen Sie die Grundlagen von LangChain-Agenten und erstellen Sie benutzerdefinierte Chat-Agenten.

Agentische Systeme mit LangChain entwerfen

Lerne die grundlegenden Komponenten von LangChain-Agenten kennen und entwickle eigene Chat-Agenten.

Entwicklung von Anwendungen mit LangChain

Bestandteile von LangChain-Agents

Agentische Systeme mit LangChain entwerfen

Interaktive Übung