Clear LangGraph intro, multi-agent parts move fast.
บทนำสู่ LangGraph: สร้าง Deep Research Agent
เรียนรู้พื้นฐานของ Agentic AI โดยการสร้างระบบ multi-agent planner-executor เพื่อทำให้งานวิจัยที่ซับซ้อนเป็นไปอย่างอัตโนมัติ
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
ในขณะที่ artificial intelligence พัฒนาจากการตอบคำถามง่ายๆ ไปสู่การดำเนินการเวิร์กโฟลว์ที่ซับซ้อน agentic AI กำลังกลายเป็นทักษะที่จำเป็นสำหรับนักพัฒนาสมัยใหม่ การทำความเข้าใจวิธีสร้างระบบอัตโนมัติที่วางแผนและดำเนินงานต่างๆ จะช่วยเปิดโอกาสใหม่ๆ ในการทำ automation และการสังเคราะห์ข้อมูล
ในคอร์สเรียนรูปแบบข้อความนี้ คุณจะได้เรียนรู้แนวคิดพื้นฐานของระบบ multi-agent และสร้าง deep research agent ของคุณเอง เริ่มต้นด้วยคำศัพท์พื้นฐานและคำจำกัดความหลักของ AI คุณจะได้สำรวจสถาปัตยกรรมแบบ planner-executor และเรียนรู้วิธีใช้ LangGraph เพื่อจัดการเวิร์กโฟลว์อัจฉริยะที่สามารถรวบรวม วิเคราะห์ และสรุปข้อมูลได้โดยอัตโนมัติ
สิ่งที่คุณจะได้เรียนรู้:
- เข้าใจคำศัพท์และแนวคิดหลักเบื้องหลัง agentic AI และระบบ multi-agent
- ออกแบบสถาปัตยกรรมแบบ planner-executor เพื่อย่อยเป้าหมายการวิจัยที่ซับซ้อนให้เป็นขั้นตอนที่จัดการได้
- ประยุกต์ใช้ LangGraph เพื่อจัดการแอปพลิเคชันแบบ stateful, multi-actor และ autonomous agents
- รวมรูปแบบ retrieval-augmented generation (RAG) ขั้นพื้นฐานและ vector databases เพื่อการจัดการข้อมูลที่มีประสิทธิภาพ
- ฝึกฝนเทคนิค prompt engineering เพื่อนำทางการใช้เหตุผลของ agent และปรับปรุงความน่าเชื่อถือของผลลัพธ์
- สร้างเวิร์กโฟลว์ deep research แบบข้อความที่สมบูรณ์ซึ่งสังเคราะห์ข้อมูลโดยอัตโนมัติ
ลำดับของคอร์สจะเริ่มต้นด้วยคำจำกัดความที่จำเป็นและแนวคิดพื้นฐานของ AI ก่อนจะเข้าสู่แบบฝึกหัดการเขียนเชิงปฏิบัติแบบทีละขั้นตอน คุณจะได้สร้างตรรกะของ agent อย่างต่อเนื่อง เรียนรู้วิธีจัดการ state, โครงสร้างเวิร์กโฟลว์ และการจัดการข้อผิดพลาดในระหว่างกระบวนการ
คอร์สพื้นฐานนี้ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนาที่ยังใหม่กับ AI agents โดยไม่จำเป็นต้องมีประสบการณ์กับ LangGraph หรือการจัดการ multi-agent มาก่อน
เริ่มอ่านวันนี้เพื่อสร้าง autonomous research agent ตัวแรกของคุณและขยายทักษะการพัฒนา AI ของคุณ
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
2 ชม. 54 นาที เนื้อหาเชิงปฏิบัติ
รีวิว (12)
Construir el agente planner-executor con LangGraph paso a paso me ayudó a entender por fin cómo se coordinan varios agentes en una sola tarea de investigación. El ejemplo final, donde el agente busca, sintetiza y refina su respuesta, quedó sorprendentemente sólido.
LangGraph ile planlayıcı-yürütücü yapısını sıfırdan kurmak, çok ajanlı sistemlerin nasıl çalıştığını sonunda anlamamı sağladı.
Il modo in cui il corso spiega il flusso planner-executor con LangGraph è chiarissimo e passo dopo passo si arriva a un agente di ricerca funzionante. L'unica pecca è che la parte sui grafi ciclici avrebbe meritato qualche esempio in più.
Por fin entendí cómo encadenar varios agentes para automatizar una investigación completa.
Phần xây dựng agent lập kế hoạch và thực thi bằng LangGraph rất dễ hiểu, chỉ tiếc là đoạn về xử lý lỗi giữa các node hơi sơ sài.
Explicação ótima do fluxo planner-executor.
LangGraph로 플래너-이그제큐터 구조를 처음부터 끝까지 만들어보는 과정이 정말 체계적이었습니다. 그동안 멀티 에이전트라는 개념이 막연했는데, 리서치 에이전트를 직접 조립하면서 각 노드가 어떤 역할을 하는지 명확하게 이해됐어요. 특히 상태 관리 부분을 그래프로 시각화해서 설명해준 덕분에 코드를 볼 때 헷갈리지 않았습니다. 마지막 프로젝트에서 제가 만든 에이전트가 스스로 검색하고 요약하는 걸 보고 꽤 뿌듯했습니다. 에이전트 오케스트레이션을 제대로 배우고 싶은 단계에서 딱 필요한 강의였어요.
Construir un agente de investigación con el patrón planificador-ejecutor me dejó las ideas mucho más claras, sobre todo cómo se reparten las tareas entre varios agentes. Me hubiera gustado un poco más de profundidad en el manejo de errores cuando un paso falla, pero aun así lo recomiendo sin dudar para entrar en LangGraph.
La construction pas à pas de l'agent planner-executor avec LangGraph m'a enfin fait comprendre comment structurer un agent de recherche multi-étapes.
Le système planificateur-exécuteur est expliqué de façon limpide, j'ai monté mon premier agent de recherche sans galérer.
Kurs bardzo dobrze tłumaczy architekturę planner-executor w LangGraph, krok po kroku, bez zbędnego lania wody. Zbudowałem własnego agenta do głębokich researchów i faktycznie działa lepiej niż wszystko, co pisałem wcześniej sam.
ผู้เรียนคนอื่นเรียน
⚡ เหมาะสำหรับผู้เริ่มต้น
🎓 มีใบรับรอง
พัฒนาเอเจนท์ด้วย AI ด้วย LangGraph และ LangChain
ใบรับรอง
ลงมือทำ
13,99 €
→
🎓 มีใบรับรอง
การสร้างระบบ RAG และ AI Agents ด้วย Python และ OpenAI
ใบรับรอง
ลงมือทำ
13,99 €
→
🔥 เป็นที่ต้องการ
🎓 มีใบรับรอง
การพัฒนาที่ขับเคลื่อนด้วย Prompt: สร้างแอป Next.js แบบ Full-Stack ด้วย Cursor AI
ใบรับรอง
ลงมือทำ
13,99 €
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI Agents สำหรับโลจิสติกส์: การติดตามการขนส่งสินค้าแบบอัตโนมัติ
ใบรับรอง
ลงมือทำ
13,99 €
→
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม