Learn how to build text-to-query agents so you can have conversations with your data!

Text-to-Query-Agents

Richte dich für die praktischen Übungen ein

Der Text-zu-Query-Workflow

MongoDB-Abfragen schreiben

Komplexere Aggregationen

Ein Text-zu-Abfrage-Workflow in der Praxis

Text-to-Query Agents: Applications and Architecture

Make your text-to-query workflow agentic! Building and orchestrating AI agents with LangGraph will allow you to create smart and dynamic text-to-query workflows.

The text-to-query agent architecture

Building the agent's toolbox

Creating the text-to-query prompt

Orchestrating the text-to-query agent

Automating Text-to-Query Workflows with Agents

Integrate a short-term memory into your text-to-query agent so it doesn't have to re-run queries to combine insights.

Memory and checkpointing in LangGraph

Adding memory to the agent

Congratulations!

Adding Memory to the Agent

Hast du dir schon einmal gewünscht, mit deiner Datenbank chatten zu können? Mit LLMs und AI-Agents ist das jetzt möglich. In diesem Kurs lernst du, wie du mit einer MongoDB-Datenbank-Instanz interagierst und chattest – mit LangGraph für die Orchestrierung der Agents. Du erfährst mehr über Herausforderungen und Mehrwert von Text-to-Query-Workflows, baust deinen eigenen, um datenbezogene Fragen zu einem Film-Datensatz zu beantworten, und implementierst sogar Memory-Checkpointing, damit du Gespräche genau dort fortsetzen kannst, wo du aufgehört hast!

Introduction to Functions in Python

Entdecken Sie, wie Sie mit Text-zu-Abfrage-AI-Agenten und MongoDB sowie LangGraph mit Daten sprechen.

Text-to-Query-Agents mit MongoDB und LangGraph

Finde heraus, wie du mit deinen Daten über Text-to-Query-KI-Agenten mit MongoDB und LangGraph kommunizieren kannst.

MongoDB-Abfragen schreiben

Text-to-Query-Agents mit MongoDB und LangGraph

Anleitung zur Übung

Interaktive Übung