Lär dig att bygga text-till-fråga-agenter så att du kan ha konversationer med din data!

Text-to-query-agenter

Förbered dig inför de praktiska övningarna

Text-to-query-arbetsflödet

Skriva MongoDB-frågor

Mer komplexa aggregeringar

Ett text-till-fråga-arbetsflöde i praktiken

Text-till-fråga-agenter: tillämpningar och arkitektur

Gör ditt text-till-fråga-arbetsflöde agentbaserat! Genom att bygga och orkestrera AI-agenter med LangGraph kan du skapa smarta och dynamiska text-till-fråga-arbetsflöden.

Text-to-query-agentens arkitektur

Bygg agentens verktygslåda

Skapa text-till-fråga-prompten

Orkestrera text-till-fråga-agenten

Automatisera text-till-fråga-arbetsflöden med agenter

Integrera ett korttidsminne i din text-till-fråga-agent så att den inte behöver köra om frågor för att sammanställa insikter.

Minne och checkpointing i LangGraph

Lägg till minne i agenten

Grattis!

Lägga till minne i agenten

Har du någonsin önskat att du kunde chatta med din databas? Med LLM:er och AI-agenter är det nu möjligt. I den här kursen lär du dig att interagera med och chatta med en MongoDB-databasinstans, med hjälp av LangGraph för agentorkestrering. Du lär dig om utmaningarna och värdet med text-till-fråga-arbetsflöden, bygger ett eget för att besvara datafrågor om en filmdatamängd och implementerar till och med minneskontrollpunkter för att kunna återuppta dina konversationer där du slutade!

Introduction to Functions in Python

Upptäck hur du kan prata med dina data med text-till-fråga AI-agenter med MongoDB och LangGraph.

Text-to-Query-agenter med MongoDB och LangGraph

Upptäck hur du pratar med dina data med text-till-fråga-AI-agenter med MongoDB och LangGraph.

Skriva MongoDB-frågor

Text-to-Query-agenter med MongoDB och LangGraph

Övningsinstruktioner

Interaktiv övning med praktiskt arbete