Construisez des systèmes agentiques intelligents ! Découvrez les composants clés des agents LangChain, y compris la façon dont les invites, les LLM et les outils fonctionnent ensemble pour le raisonnement et l'action. Vous configurerez un agent à l'aide de l'API d'OpenAI, définirez des outils personnalisés et vous vous attaquerez à des tâches réelles telles que des calculs mathématiques. Découvrez également comment LangChain organise les données à l'aide de graphes, de nœuds et d'arêtes.

Agents à LangChain

Création d'un agent ReAct

Composants des agents LangChain

Construire des outils personnalisés

Créer un outil pour les calculs mathématiques

Intégration d'outils et de requêtes personnalisés

Conversation avec un agent du ReAct

Configuration de la conversation

Posez des questions sur l'historique de la conversation

L'essentiel des agents LangChain

Créez des chatbots dynamiques et augmentés d'outils avec LangChain et LangGraph ! Vous découvrirez comment créer un chatbot qui s'adapte aux données de l'utilisateur en définissant des états et en intégrant des API externes pour la recherche d'informations en temps réel. Vous connecterez ces composants dans une structure graphique réactive, permettant des transitions fluides entre la conversation et les réponses assistées par des outils. À la fin, vous aurez un cadre de chatbot représenté visuellement avec un raisonnement amélioré et des flux de travail à plusieurs étapes.

Construire des graphes pour les chatbots

Graphique et états des agents

Ajout de nœuds et d'arêtes

Générer des réponses de chatbot

Questions et réponses

Générer un diagramme graphique

Ajouter des outils externes à un chatbot

Construire un outil Wikipédia

Ajouter un outil à un graphique

Ajouter de la mémoire et de la conversation

Visualisez le graphique et les résultats de l'outil de retour

Ajout d'une mémoire graphique

Utiliser la mémoire graphique pour la conversation

Construire des Chatbots avec LangGraph

Développez votre chatbot avec des outils dynamiques et de la mémoire ! Définissez et intégrez plusieurs outils dans des flux de travail flexibles, créez des fonctions pour l'appel dynamique d'outils et configurez votre chatbot pour la gestion d'outils multiples. Organisez la mémoire et les sorties pour permettre des conversations entrelacées et à plusieurs tours. À la fin, vous aurez créé un chatbot sophistiqué capable d'interactions complexes.

Définition d'outils multiples

Créez un outil qui invoque la fonction LLM

Construire un outil avec du code Python

Lier plusieurs outils

Définition de nœuds et d'arêtes pour un appel de fonction flexible

Définissez une fonction qui arrête le chatbot

Créez une fonction pour renvoyer une réponse LLM

Créez le flux de travail graphique pour plusieurs outils

Organisez les sorties du chatbot avec la mémoire

Configurer les sorties pour plusieurs outils

Permettre une conversation à plusieurs tours avec mémoire

Félicitations!

Créez des agents de conversation dynamiques

Chaque jour, les systèmes intelligents transforment les industries, que ce soit par le biais d'un support client automatisé, de recommandations personnalisées ou d'un traitement dynamique des données. Les flux de travail agentiques, qui intègrent des modèles linguistiques et des outils pour effectuer des tâches complexes, sont à l'avant-garde de cette transformation. Ce cours présente les composants essentiels des flux de travail agentiques et explique comment les construire, les personnaliser et les optimiser. Vous apprendrez les principes clés des agents LangChain, notamment la configuration des invites, l'intégration des outils et la gestion de flux de travail complexes avec LangGraph. À la fin de ce cours, vous serez équipé pour construire des systèmes intelligents qui automatisent des tâches complexes, améliorent la productivité et fournissent des solutions dynamiques adaptées aux besoins spécifiques des entreprises.

Les flux de travail agentiques qui intègrent les LLM et les outils pour effectuer des tâches nuancées sont au premier plan de la transformation de l'IA. Dans ce cours, vous apprendrez les principes clés des agents LangChain, y compris la configuration des invites, l'intégration des outils et la gestion des flux de travail complexes. À la fin de ce cours, vous serez en mesure de construire des systèmes intelligents qui automatisent des tâches complexes, améliorent la productivité et fournissent des solutions dynamiques adaptées aux besoins spécifiques des entreprises.
<h2>Maîtriser l'essentiel des agents LangChain</h2>
Vous apprendrez à intégrer des messages-guides, des modèles linguistiques et des outils dans les flux de travail à l'aide du cadre Reasoning and Action (ReAct). Ensuite, vous serez en mesure de mettre en place des flux de travail agentiques, de configurer des outils et de comprendre les principes fondamentaux des agents LangChain tout en visualisant ces flux de travail avec LangGraph. Vous créerez des agents personnalisés, mettrez en place des outils pour accéder à des sources de données externes telles que l'API Wikipédia et gérerez les états des agents. Vous serez guidé dans la définition des nœuds et des arêtes, la création de chemins conditionnels et l'assemblage de flux de travail complexes qui s'adaptent à des conditions variables.
<h2>Créez des agents de conversation dynamiques</h2>
Enfin, vous apprendrez à surveiller les messages, à définir des nœuds pour des appels de fonctions flexibles et à configurer votre chatbot pour la gestion d'outils multiples. À la fin de ce cours, vous serez en mesure de construire des systèmes intelligents qui automatisent des tâches complexes, améliorent la productivité et fournissent des solutions dynamiques adaptées aux besoins spécifiques des entreprises.

Developing LLM Applications with LangChain

Comprenez les bases des agents LangChain et créez des agents de chat personnalisés.

Concevoir des systèmes agentiques avec LangChain

Découvrez les composants clés des agents LangChain et créez vos propres agents de chat personnalisés.

Développement d’applications avec LangChain

Founder & AI Engineer, Genverv, Ltd.

Defining nodes and edges for flexible function calling

Building a multi-tool workflow

Define workflow functions

Create a stop condition function

Create a dynamic tool caller

Create the graph

Adding memory

Let's practice!

Créez des agents de conversation dynamiques - Définition de nœuds et d'arêtes pour un appel de fonction flexible

Définition de nœuds et d'arêtes pour un appel de fonction flexible

Create Your Free Account