Компоненты агентов LangChain

Какие компоненты являются ключевыми в агенте LangChain?

Это упражнение является частью курса

Проектирование агентных систем с LangChain

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Проектирование агентных систем с LangChain

SkillTag.level.intermediateSkillTag.label

4.8+

2063 reviews

Начать курс бесплатно

Создавайте интеллектуальные агентные системы! Изучите ключевые компоненты агентов LangChain: как промпты, языковые модели и инструменты взаимодействуют для рассуждения и выполнения действий. Вы настроите агента с помощью API OpenAI, определите пользовательские инструменты и решите практические задачи, например математические вычисления. Кроме того, вы узнаете, как LangChain организует данные с помощью графов, узлов и рёбер.

Exercise 1: Агенты в LangChain Exercise 2: Создание агента ReAct Exercise 3: Компоненты агентов LangChain

Текущее упражнение

Exercise 4: Создание пользовательских инструментов Exercise 5: Создание инструмента для математических вычислений Exercise 6: Интеграция пользовательских инструментов и запросов Exercise 7: Диалог с агентом ReAct Exercise 8: Настройка диалога Exercise 9: Задаём вопросы об истории разговора

Создавайте динамические чат-боты с расширенными инструментами на основе LangChain и LangGraph! Вы научитесь строить чат-бота, который адаптируется к вводу пользователя: определять состояния и подключать внешние API для получения информации в реальном времени. Вы объедините эти компоненты в отзывчивую структуру графа, обеспечивающую плавные переходы между обычным диалогом и ответами с привлечением инструментов. В итоге вы получите наглядно представленный фреймворк чат-бота с улучшенными возможностями рассуждения и многошаговыми рабочими процессами.

Exercise 1: Построение графов для чат-ботов Exercise 2: Граф и состояния агента Exercise 3: Добавление узлов и рёбер Exercise 4: Генерация ответов чат-бота Exercise 5: Запросы и ответы Exercise 6: Генерация диаграммы графа Exercise 7: Подключение внешних инструментов к чат-боту Exercise 8: Создание инструмента Wikipedia Exercise 9: Добавление инструмента в граф Exercise 10: Добавление памяти и диалога Exercise 11: Визуализация графа и возврат результатов инструментов Exercise 12: Добавление памяти в граф Exercise 13: Использование памяти графа в разговоре

Расширьте возможности чат-бота с помощью динамических инструментов и памяти! Определите и интегрируйте несколько инструментов в гибкие рабочие процессы, создайте функции для динамического вызова инструментов и настройте чат-бота для работы с несколькими инструментами одновременно. Организуйте память и вывод данных для поддержки многоходовых разговоров с чередованием ответов. По завершении главы вы создадите продвинутого чат-бота, способного вести сложные диалоги.

Exercise 1: Определение нескольких инструментов Exercise 2: Создание инструмента с вызовом LLM Exercise 3: Создание инструмента с помощью кода Python Exercise 4: Привязка нескольких инструментов Exercise 5: Определение узлов и рёбер для гибкого вызова функций Exercise 6: Определите функцию остановки чат-бота Exercise 7: Создание функции для возврата ответа LLM Exercise 8: Создание графа рабочего процесса для нескольких инструментов Exercise 9: Организация вывода чат-бота с помощью памяти Exercise 10: Настройка вывода для нескольких инструментов Exercise 11: Включение многоходового диалога с памятью Exercise 12: Поздравляем!