Bygg intelligenta agentbaserade system! Utforska de viktigaste komponenterna i LangChain-agenter, inklusive hur promptar, LLM:er och verktyg samverkar för resonemang och handling. Du sätter upp en agent med OpenAI:s API, definierar egna verktyg och löser verkliga uppgifter som matematiska beräkningar. Du får även se hur LangChain organiserar data med hjälp av grafer, noder och kanter.

Agenter i LangChain

Skapa en ReAct-agent

Komponenter i LangChain-agenter

Skapa egna verktyg

Skapa ett verktyg för matematiska beräkningar

Integrera anpassade verktyg och frågor

Konversation med en ReAct-agent

Konversationsinställning

Ställ frågor om konversationshistorik

Grunderna i LangChain-agenter

Bygg dynamiska, verktygsförstärkta chattbotar med LangChain och LangGraph! Du lär dig skapa en chattbot som anpassar sig efter användarens indata genom att definiera tillstånd och integrera externa API:er för hämtning av information i realtid. Du kopplar samman komponenterna i en responsiv grafstruktur som möjliggör smidiga övergångar mellan konversation och verktygsassisterade svar. När du är klar har du ett visuellt representerat chattbotsramverk med förbättrat resonemang och arbetsflöden i flera steg.

Bygga grafer för chattbotar

Graf- och agenttillstånd

Lägga till noder och kanter

Generera chatbotsvar

Frågor och svar

Generera ett grafdiagram

Lägga till externa verktyg i en chattbot

Bygg ett Wikipedia-verktyg

Lägg till ett verktyg i en graf

Lägga till minne och konversation

Visualisera grafen och returnera verktygsutdata

Lägga till grafsminne

Använda grafminne för konversation

Bygg chattbotar med LangGraph

Utöka din chattbot med dynamiska verktyg och minne! Definiera och integrera flera verktyg i flexibla arbetsflöden, bygg funktioner för dynamiska verktygssanrop och konfigurera din chattbot för hantering av flera verktyg. Organisera minne och utdata för att möjliggöra varvade konversationer i flera omgångar. När kursen är klar har du byggt en avancerad chattbot som klarar komplexa interaktioner.

Definiera flera verktyg

Bygg ett verktyg som anropar LLM:en

Bygg ett verktyg med Python-kod

Binda flera verktyg

Definiera noder och kanter för flexibelt funktionsanrop

Definiera en funktion som stoppar chatboten

Skapa en funktion för att returnera ett LLM-svar

Skapa grafarbetsflödet för flera verktyg

Organisera chatbotens utdata med minne

Konfigurera utdata för flera verktyg

Aktivera flerturskonversation med minne

Grattis!

Bygg dynamiska chattagenter

Intelligenta system förändrar branscher varje dag – genom automatiserad kundsupport, personliga rekommendationer och dynamisk databearbetning. Agentbaserade arbetsflöden, som kombinerar språkmodeller och verktyg för att utföra komplexa uppgifter, leder den här utvecklingen. Kursen går igenom de viktigaste komponenterna i agentbaserade arbetsflöden och visar hur du bygger, anpassar och optimerar dem. Du lär dig grundprinciperna bakom LangChain-agenter, inklusive hur du konfigurerar promptar, integrerar verktyg och hanterar komplexa arbetsflöden med LangGraph. När kursen är klar är du redo att bygga intelligenta system som automatiserar komplexa uppgifter, ökar produktiviteten och levererar dynamiska lösningar anpassade efter specifika affärsbehov.

Agentiska arbetsflöden som integrerar LLM:er och verktyg för att utföra nyanserade uppgifter ligger i framkant av AI-transformationen. I den här kursen lär du dig de viktigaste principerna bakom LangChain-agenter, inklusive att konfigurera prompts, integrera verktyg och hantera komplexa arbetsflöden. I slutet av den här kursen kommer du att kunna bygga intelligenta system som automatiserar komplexa uppgifter, ökar produktiviteten och levererar dynamiska lösningar anpassade efter specifika affärsbehov.
<h2>Bemästra grunderna i LangChain-agenter</h2>
Du kommer att lära dig hur du integrerar prompts, språkmodeller och verktyg i arbetsflöden med hjälp av ramverket Reasoning and Action (ReAct). Efter det kommer du att kunna sätta upp agentiska arbetsflöden, konfigurera verktyg och förstå de grundläggande principerna för LangChain-agenter, samtidigt som du visualiserar dessa arbetsflöden med LangGraph. Du kommer att bygga anpassade agenter, konfigurera verktyg för åtkomst till externa datakällor som Wikipedia API och hantera agenttillstånd. Du kommer att guidas genom att definiera noder och kanter, skapa villkorliga vägar och sätta ihop komplexa arbetsflöden som anpassar sig efter olika förhållanden.
<h2>Bygg dynamiska chattagenter</h2>
Slutligen lär du dig att övervaka meddelanden, definiera noder för flexibel funktionsanropning och konfigurera din chatbot för hantering av flera verktyg. I slutet av den här kursen kommer du att kunna bygga intelligenta system som automatiserar komplexa uppgifter, ökar produktiviteten och levererar dynamiska lösningar anpassade efter specifika affärsbehov.

Developing LLM Applications with LangChain

Lär dig grunderna i LangChain-agenter och skapa anpassade chattagenter.

Designa agentbaserade system med LangChain

Lär dig grunderna i LangChain-agenter och bygg egna chattagenter.

Utveckla applikationer med LangChain

Founder & AI Engineer, Genverv, Ltd.

Definiera noder och kanter för flexibla funktionsanrop

Bygg ett arbetsflöde med flera verktyg

Definiera arbetsflödesfunktioner

Skapa en stoppvillkorsfunktion

Skapa en dynamisk verktygskallare

Skapa grafen

Lägga till minne

Nu kör vi en övning!

Bygg dynamiska chattagenter - Definiera noder och kanter för flexibelt funktionsanrop

Definiera noder och kanter för flexibelt funktionsanrop

Create Your Free Account