Tworzenie agentów AI z LangGraph, RAG i FastAPI

Wyjście poza proste monity LLM jest niezbędne do tworzenia oprogramowania, które może samodzielnie rozwiązywać złożone zadania.Ten kurs tekstowy prowadzi przez projektowanie, testowanie i wdrażanie gotowych do produkcji agentów AI i wieloagentowych przepływów pracy. Przejdziesz od pisania podstawowych skryptów do projektowania zaawansowanych systemów AI, które zarządzają stanem, koordynują wielu wyspecjalizowanych agentów i skutecznie pobierają wiedzę kontekstową.Dzięki pisemnym wyjaśnieniom i praktycznym fragmentom kodu zdobędziesz umiejętności budowania elastycznych usług AI, których obciążenia mogą być obsługiwane w świecie rzeczywistym. Czego się nauczysz: - Zrozum podstawowe pojęcia agentowych przepływów pracy, maszyn stanowych i Retrieval-Augmented Generation (RAG). - Twórz stany, systemy wieloagentowe z routingiem warunkowym i wzorcami człowieka w pętli za pomocą LangGraph. - Wdrażaj zaawansowane potoki RAG przy użyciu wektorowych baz danych, takich jak Chroma, wyszukiwanie hybrydowe i kompresja kontekstowa. - Opracuj bezpieczne, asynchroniczne interfejsy API za pomocą FastAPI, aby obsługiwać agentów AI w aplikacjach zewnętrznych. - Zastosuj nowoczesne praktyki Pythona, w tym wskazówki dotyczące typów, walidację danych Pydantic i zautomatyzowane testowanie za pomocą pytest. - Skonfiguruj monitorowanie aplikacji za pomocą śledzenia LangSmith i konteneryzuj konfigurację za pomoca Docker. Kurs zaczyna się od podstawowych koncepcji agentów AI, wskazówek dotyczących typu Python i podstawowej konstrukcji łańcucha.Następnie przejdziesz do złożonej orkiestracji wieloagentowej, zaawansowanych wzorców pobierania i solidnych przepływów pracy wdrażania. Ten kurs jest przeznaczony dla programistów Pythona i początkujących inżynierów AI. Nie jest wymagane wcześniejsze doświadczenie z LangChain lub LangGraph, chociaż zalecana jest podstawowa znajomość Pythona.Zacznij czytać już dziś, aby zbudować i wdrożyć własnych agentów AI klasy produkcyjnej.