LangGraph, RAG ve FastAPI ile Yapay Zeka Ajanları Geliştirme

Basit LLM talimatlarının ötesine geçmek karmaşık görevleri bağımsız olarak çözebilen yazılım inşa etmek için gereklidir.Bu metin tabanlı kurs, üretim hazır AI ajanları ve çoklu ajan çalışma akışlarını tasarlama, test etme ve dağıtma yoluyla size rehberlik eder. Temel senaryolar yazmaktan, durumu yöneten, çoklu uzman ajanları koordine eden ve bağlamsal bilgiyi verimli bir şekilde geri kazanan karmaşık yapay zeka sistemleri tasarlamaya geçiş yapacaksınız. Yazılı açıklamalar ve pratik kod parçaları aracılığıyla, gerçek dünya iş yüklerini yönetebilecek esnek yapay zekâ hizmetleri inşa etme becerilerini kazanacaksınız. Ne öğreneceksin: - Ajansal iş akışlarının, durum makinelerinin ve Geri Alma-Artırılmış Nesil (RAG) temel kavramlarını anlayın. - LangGraph kullanarak koşullu yönlendirme ve insan-in-the-loop desenleri ile durumlu, çoklu ajan sistemleri oluşturun. - Chroma, hibrid arama ve bağlamsal sıkıştırma gibi vektör veritabanlarını kullanarak gelişmiş RAG boru hatlarını uygulayın. - Dış uygulamalara AI ajanlarınızı hizmet etmek için FastAPI kullanarak güvenli, senkronize olmayan API'leri geliştirin. - Tipi ipuçları, Pydantic veri doğrulaması ve pytest ile otomatik test dahil olmak üzere modern Python uygulamalarını uygulayın. - LangSmith izlemesiyle uygulama izlemesini ayarlayın ve Docker kullanarak kurulumu konteynerleştirin. Kurs temel yapay zeka ajan kavramları, Python tipi ipuçları ve temel zincir yapısıyla başlar. Daha sonra karmaşık çoklu ajan orkestrasyonu, gelişmiş geri alma paternleri ve sağlam dağıtım iş akışlarını ilerleteceksiniz. Bu kurs Python geliştiricileri ve gerçek dünya yapay zekâ sistemleri inşa etmek isteyen umut verici yapay zekayla ilgili mühendisler için tasarlanmıştır. LangChain veya LangGraph ile önceden tecrübe gerekmez, ancak Python'un temel anlayışı tavsiye edilir. Kendi üretim seviyesindeki yapay zeka ajanlarınızı inşa etmek ve dağıtmak için bugün okumaya başlayın.