Pelajari cara membangun agen teks-ke-kueri sehingga Anda dapat bercakap-cakap dengan data Anda!

Agen text-to-query

Siapkan lingkungan untuk latihan praktik

Alur kerja text-to-query

Menulis kueri MongoDB

Agregasi yang lebih kompleks

Alur kerja text-to-query dalam praktik

Agen Teks-ke-Kueri: Aplikasi dan Arsitektur

Jadikan alur kerja teks-ke-kueri Anda bersifat agentic! Membangun dan mengorkestrasi agen AI dengan LangGraph akan memungkinkan Anda membuat alur kerja teks-ke-kueri yang cerdas dan dinamis.

Arsitektur agen text-to-query

Membangun kotak peralatan agen

Membuat prompt text-to-query

Mengorkestrasi agen text-to-query

Mengotomatisasi Alur Kerja Teks-ke-Kueri dengan Agen

Integrasikan memori jangka pendek ke dalam agen teks-ke-kueri Anda sehingga tidak perlu menjalankan ulang kueri untuk menggabungkan wawasan.

Memori dan checkpointing di LangGraph

Menambahkan memori ke agent

Selamat!

Menambahkan Memori pada Agen

Pernah berharap bisa mengobrol dengan basis data Anda? Kini hal itu memungkinkan dengan LLM dan agen AI. Dalam kursus ini, Anda akan mempelajari cara berinteraksi dan mengobrol dengan sebuah instance basis data MongoDB, menggunakan LangGraph untuk orkestrasi agen. Anda akan mempelajari tantangan dan nilai dari alur kerja teks-ke-kueri, membangun alur Anda sendiri untuk menjawab pertanyaan terkait data tentang sebuah himpunan data film, dan bahkan menerapkan checkpointing memori agar percakapan Anda dapat dilanjutkan dari titik terakhir!

Introduction to Functions in Python

Pelajari cara berbicara dengan data menggunakan agen AI teks-ke-kueri dengan MongoDB dan LangGraph.

Agen Teks-ke-Kueri dengan MongoDB dan LangGraph

Pelajari cara berinteraksi dengan data Anda menggunakan agen AI berbasis teks-ke-kueri dengan MongoDB dan LangGraph.

Selamat!

Create Your Free Account