Bangun sistem agentic yang cerdas! Pelajari komponen kunci agen LangChain, termasuk cara prompt, LLM, dan alat bekerja bersama untuk penalaran dan aksi. Anda akan menyiapkan agen dengan API OpenAI, mendefinisikan alat kustom, dan menuntaskan tugas dunia nyata seperti perhitungan matematika. Selain itu, jelajahi bagaimana LangChain mengorganisasi data menggunakan graf, node, dan edge.

Agen di LangChain

Membuat agen ReAct

Komponen agen LangChain

Membangun alat kustom

Buat tool untuk perhitungan matematika

Mengintegrasikan alat kustom dan kueri

Percakapan dengan agen ReAct

Menyiapkan percakapan

Ajukan pertanyaan tentang riwayat percakapan

Dasar-Dasar agen LangChain

Bangun chatbot dinamis yang diperkaya alat dengan LangChain dan LangGraph! Anda akan mempelajari cara membuat chatbot yang beradaptasi berdasarkan masukan pengguna dengan mendefinisikan state dan mengintegrasikan API eksternal untuk pengambilan informasi waktu nyata. Anda akan menghubungkan komponen-komponen ini ke dalam struktur graf yang responsif, memungkinkan transisi mulus antara percakapan dan respons berbantuan alat. Pada akhirnya, Anda akan memiliki kerangka chatbot yang direpresentasikan secara visual dengan penalaran yang lebih baik dan alur kerja multilangkah.

Membangun grafik untuk chatbot

Graf dan state agen

Menambahkan node dan edge

Menghasilkan respons chatbot

Kueri dan respons

Hasilkan diagram graph

Menambahkan alat eksternal ke chatbot

Membangun tool Wikipedia

Tambahkan sebuah tool ke dalam graph

Menambahkan memori dan percakapan

Visualisasikan graph dan kembalikan output tool

Menambahkan memori graf

Menggunakan memori graph untuk percakapan

Membangun Chatbot dengan LangGraph

Kembangkan chatbot Anda dengan alat dinamis dan memori! Definisikan dan integrasikan beberapa alat ke dalam alur kerja yang fleksibel, bangun fungsi untuk pemanggilan alat dinamis, dan konfigurasikan chatbot Anda untuk menangani banyak alat. Atur memori dan keluaran agar mendukung percakapan bertahap yang saling berseling. Pada akhirnya, Anda akan menciptakan chatbot canggih yang mampu berinteraksi secara kompleks.

Mendefinisikan banyak tool

Bangun alat yang memanggil LLM

Bangun alat dengan kode Python

Mengikat beberapa tool

Mendefinisikan node dan edge untuk pemanggilan fungsi yang fleksibel

Definisikan fungsi untuk menghentikan chatbot

Buat fungsi untuk mengembalikan respons LLM

Buat alur kerja graph untuk beberapa tool

Mengatur keluaran chatbot dengan memori

Konfigurasikan keluaran untuk beberapa alat

Aktifkan percakapan multi-giliran dengan memori

Selamat!

Bangun Agen Chat Dinamis

Setiap hari, sistem cerdas mengubah berbagai industri—mulai dari dukungan pelanggan otomatis, rekomendasi yang dipersonalisasi, hingga pemrosesan data dinamis. Alur kerja agentic, yang mengintegrasikan model bahasa dan alat untuk menjalankan tugas kompleks, berada di garis depan transformasi ini. Kursus ini menguraikan komponen penting dari alur kerja agentic dan menjelaskan cara membangun, menyesuaikan, serta mengoptimalkannya. Anda akan mempelajari prinsip utama di balik agen LangChain, termasuk mengonfigurasi prompt, mengintegrasikan alat, dan mengelola alur kerja kompleks dengan LangGraph. Di akhir kursus, Anda akan siap membangun sistem cerdas yang mengotomatisasi tugas kompleks, meningkatkan produktivitas, dan menyediakan solusi dinamis yang disesuaikan dengan kebutuhan bisnis tertentu.

Alur kerja agentik yang mengintegrasikan LLM dan alat untuk melakukan tugas-tugas bernuansa berada di garis depan transformasi AI. Dalam kursus ini, Anda akan mempelajari prinsip-prinsip utama di balik agen LangChain, termasuk mengonfigurasi prompt, mengintegrasikan alat, dan mengelola alur kerja yang kompleks. Pada akhir kursus ini, Anda akan dapat membangun sistem cerdas yang mengotomatisasi tugas-tugas kompleks, meningkatkan produktivitas, dan menyediakan solusi dinamis yang disesuaikan dengan kebutuhan bisnis tertentu.
<h2>Kuasai Esensi Agen LangChain</h2>
Anda akan belajar cara mengintegrasikan prompt, model bahasa, dan alat ke dalam alur kerja menggunakan kerangka Reasoning and Action (ReAct). Setelah itu, Anda akan dapat menyiapkan alur kerja agentic, mengonfigurasi alat, dan memahami prinsip inti agen LangChain sambil memvisualisasikan alur kerja ini dengan LangGraph. Anda akan membangun agen kustom, menyiapkan alat untuk mengakses sumber data eksternal seperti Wikipedia API, dan mengelola status agen. Anda akan dipandu untuk mendefinisikan node dan edge, membuat jalur bersyarat, serta merakit alur kerja kompleks yang dapat beradaptasi dengan berbagai kondisi.
<h2>Bangun Agen Chat Dinamis</h2>
Terakhir, Anda akan belajar memantau pesan, mendefinisikan node untuk pemanggilan fungsi yang fleksibel, dan mengonfigurasi chatbot Anda untuk penanganan multi-alat. Pada akhir kursus ini, Anda akan mampu membangun sistem cerdas yang mengotomatisasi tugas-tugas kompleks, meningkatkan produktivitas, dan menyediakan solusi dinamis yang disesuaikan dengan kebutuhan bisnis tertentu.

Komponen agen LangChain

Merancang Sistem Agentic dengan LangChain

Latihan interaktif langsung