動手打造智慧型 agentic 系統！探索 LangChain agent 的關鍵元件，以及提示、LLM 與工具如何協同完成推理與動作。你會用 OpenAI 的 API 建立一個 agent、定義自訂工具，並處理像是數學計算等真實世界任務。另外也會認識 LangChain 如何以圖形、節點與邊來組織資料。

LangChain 中的 Agents

建立 ReAct 代理

LangChain 代理的組成元件

自訂工具的建置

建立一個數學計算工具

整合自訂工具與查詢

與 ReAct 代理互動對話

對話設定

就對話紀錄提出問題

LangChain Agent 基礎要點

使用 LangChain 與 LangGraph 建置動態、可使用工具的聊天機器人！你將學會透過定義狀態，並整合外部 API 以取得即時資訊，來建立可依使用者輸入自適應的聊天機器人。你會把這些元件串接成回應式的圖形結構，讓對話與工具輔助回應之間順暢切換。完成後，你將擁有具備可視化呈現的聊天機器人框架，包含更強的推理能力與多步驟工作流程。

為聊天機器人建立圖形

圖形與代理狀態

加入節點與邊

產生聊天機器人回應

查詢與回應

產生圖形圖表

為聊天機器人加入外部工具

建立 Wikipedia 工具

將工具加入圖形

加入記憶與對話

視覺化圖形並回傳工具輸出

加入圖形記憶體

在對話中使用圖形的記憶體

用 LangGraph 建置聊天機器人

用動態工具與記憶擴充你的聊天機器人！定義並整合多個工具到彈性的工作流程中，撰寫可動態呼叫工具的函式，並設定聊天機器人以處理多工具情境。組織記憶與輸出，讓交錯的多輪對話成為可能。完成後，你將建立一個能進行複雜互動的進階聊天機器人。

定義多個工具

建立會呼叫 LLM 的工具

用 Python 程式碼建立一個工具

綁定多個工具

定義節點與邊，打造彈性的函式呼叫

定義一個讓聊天機器人停止的函式

建立能回傳 LLM 回應的函式

為多個工具建立圖形工作流程

用記憶體整理聊天機器人的輸出

為多個工具設定輸出

啟用具記憶的多輪對話

恭喜！

打造動態聊天 Agent

每天都有智慧系統在改變各行各業——從自動化客戶支援、個人化推薦，到動態資料處理。結合語言模型與工具以執行複雜任務的 agentic 工作流程，正是這場轉型的核心。本課程會拆解 agentic 工作流程的關鍵組成，並說明如何建置、客製化與最佳化。你將學到 LangChain agent 的核心原則，包括設定提示、整合工具，以及用 LangGraph 管理複雜工作流程。完成課程後，你將能打造能自動化複雜任務、提升生產力，並依特定商業需求提供動態解決方案的智慧系統。

結合大型語言模型（LLM）與各種工具來執行複雜任務的自主工作流程，正引領著人工智慧轉型的前沿。 在本課程中，您將學習 LangChain agents 的核心原理，包括設定 prompts、整合工具，以及管理複雜的工作流程。 在本課程結束時，您將能夠建立智慧系統，自動化複雜任務、提升生產力，並根據特定業務需求提供動態解決方案。
<h2>精通 LangChain Agents 的核心要素</h2>
您將學習如何運用 Reasoning and Action (ReAct) 框架，將提示、語言模型和工具整合到工作流程中。 接下來，您將能夠建立 agentic 工作流程、設定工具，並深入了解 LangChain agents 的核心原則，同時透過 LangGraph 視覺化這些工作流程。 您將學習建立自訂代理、設置存取外部資料來源（如 Wikipedia API）的工具，並管理代理狀態。 您將學習如何定義節點與邊、建立條件路徑，並組合出能因應不同情境而調整的複雜工作流程。
<h2>打造動態聊天代理人</h2>
最後，您將學習如何監控訊息、定義節點以靈活呼叫函式，並設定您的聊天機器人以支援多工具操作。 在本課程結束時，您將能夠建立智慧系統，自動化複雜任務、提升生產力，並根據特定業務需求提供動態解決方案。

LangChain 代理的組成元件

Designing Agentic Systems with LangChain

動手互動練習