學會打造 text-to-query agent，讓你可以直接跟你的資料對話！

Text-to-query 代理

開始設定實作練習環境

Text-to-query 工作流程

撰寫 MongoDB 查詢

更進階的彙整

文字轉查詢工作流程：實作

Text-to-Query Agent：應用與架構

讓你的 text-to-query 工作流程具備 agent 能力！使用 LangGraph 建置並協調 AI agent，可打造更聰明且動態的 text-to-query 工作流程。

Text-to-Query 代理架構

建立代理的工具箱

建立 text-to-query 提示

協調 text-to-query 代理

用 Agent 自動化 Text-to-Query 工作流程

把短期記憶整合進你的 text-to-query agent，避免為了彙整洞見而重跑查詢。

LangGraph 的記憶體與檢查點

為代理加入記憶體

恭喜！

為 Agent 加入記憶體

你是否曾希望能直接和資料庫對話？隨著 LLM 與 AI agent，這已經可行。在本課程中，你將學會如何使用 LangGraph 來協調 agent，與 MongoDB 資料庫執行個體互動與對話。你會了解 text-to-query 工作流程的挑戰與價值，動手建立一個流程來回答關於電影資料集的資料問題，甚至實作記憶檢查點，讓對話能從中斷處接續！

Introduction to Functions in Python

使用MongoDB和LangGraph的文本查詢AI代理與數據對話。

使用 MongoDB 與 LangGraph 的 Text-to-Query Agent

學會運用 MongoDB 和 LangGraph 的文字轉查詢 AI agent，輕鬆與資料對話。

建立代理的工具箱

使用 MongoDB 與 LangGraph 的 Text-to-Query Agent

練習說明

動手互動練習