构建智能的 agentic 系统！了解 LangChain 代理的关键组件，以及提示词、LLM 和工具如何协同实现推理与行动。您将使用 OpenAI 的 API 搭建一个代理，定义自定义工具，并解决诸如数学计算等真实任务。另请探索 LangChain 如何用图、节点与边来组织数据。

LangChain 中的 Agents

创建一个 ReAct 代理

LangChain 智能体的组成部分

构建自定义工具

创建一个用于数学计算的工具

集成自定义工具与查询

与 ReAct 代理进行对话

会话设置

基于对话历史提问

LangChain 代理要点

使用 LangChain 与 LangGraph 构建动态、工具增强的聊天机器人！您将通过定义状态并集成外部 API 获取实时信息，构建一个能根据用户输入自适应的机器人。您会把这些组件连接成一个响应式的图结构，使对话与工具辅助回复之间的切换顺畅无缝。到最后，您将获得一个具备可视化表示的聊天机器人框架，拥有更强的推理能力和多步工作流。

为聊天机器人构建图

图与代理状态

添加节点与边

生成聊天机器人回复

查询与响应

生成图形示意图

为聊天机器人添加外部工具

构建一个 Wikipedia 工具

向图中添加一个工具

为聊天机器人添加记忆与对话

可视化图并返回工具输出

为图添加记忆功能

在对话中使用图的记忆功能

用 LangGraph 构建聊天机器人

用动态工具与记忆扩展您的聊天机器人！在灵活的工作流中定义并集成多个工具，构建用于动态工具调用的函数，并将机器人配置为可处理多工具场景。组织记忆与输出，以支持交错的多轮对话。完成后，您将构建一个能够进行复杂交互的高级聊天机器人。

定义多个工具

构建一个调用 LLM 的工具

用 Python 代码构建一个工具

绑定多个工具

为灵活的函数调用定义节点与边

定义一个让聊天机器人停止的函数

创建一个函数来返回 LLM 响应

为多工具创建图工作流

用记忆组织聊天机器人的输出

为多工具配置输出

使用记忆启用多轮对话

恭喜您！

构建动态聊天代理

智能系统每天都在改变各行各业——从自动化客服、个性化推荐，到动态数据处理。将语言模型与工具结合以执行复杂任务的 agentic 工作流正引领这场变革。本课程将拆解 agentic 工作流的核心组件，并讲解如何构建、定制与优化它们。您将学习 LangChain 代理的关键原理，包括配置提示词、集成工具，以及使用 LangGraph 管理复杂工作流。课程结束时，您将能够构建能自动化复杂任务、提升生产力，并为特定业务需求提供动态解决方案的智能系统。

集成大语言模型和工具以执行复杂任务的智能体工作流，正处于人工智能变革的前沿。 在本课程中，你将学习 LangChain 智能体背后的关键原理，包括配置提示、集成工具以及管理复杂工作流。 在本课程结束时，你将能够构建智能系统，自动化复杂任务，提升生产力，并提供针对特定业务需求量身定制的动态解决方案。
<h2>掌握 LangChain 智能体的核心要点</h2>
您将学习如何使用推理与行动（ReAct）框架，将提示、语言模型和工具集成到工作流中。 接下来，你将能够设置智能体工作流，配置工具，并理解 LangChain 智能体的核心原理，同时使用 LangGraph 可视化这些工作流。 你将构建自定义智能体，设置用于访问维基百科 API 等外部数据源的工具，并管理智能体状态。 你将学习如何定义节点和边、创建条件路径，以及组装可根据不同条件进行调整的复杂工作流。
<h2>构建动态聊天代理</h2>
最后，你将学习如何监控消息、定义用于灵活函数调用的节点，并配置你的聊天机器人以处理多工具调用。 在本课程结束时，你将能够构建智能系统，自动化复杂任务，提升生产力，并提供针对特定业务需求的动态解决方案。

LangChain 智能体的组成部分

使用 LangChain 设计 Agentic 系统

动手互动练习