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

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

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

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.

Menulis kueri MongoDB

Agen Teks-ke-Kueri dengan MongoDB dan LangGraph

Petunjuk latihan

Latihan interaktif praktis