LangGraph 实际应用：利用 LLM 开发高级 AI 代理
使用 LangGraph 掌握 AI 代理的基础知识
讲师：Markus Lang
双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
您将学到什么
- 了解 LangGraph 的核心功能和概念，包括节点、边和检查点
- 使用 LangGraph 开发一个可以有效利用短期和长期记忆的 AI 代理
- 实施先进的多智能体工作流和子图来处理复杂的现实场景
- 使用 FastAPI、Docker 和单元测试构建可用于生产的 AI 代理，以实现可维护的工作流程
探索相关主题
要求
- 中级 Python 技能（OOP、数据类型、函数、模块等）
- LangChain 基础知识
- 基本终端和 Docker 知识
描述
本课程的预期内容
欢迎来到LangGraph in Action，这是您使用 LangGraph 掌握高级 AI 代理的设计和部署的终极指南。在本课程中，您将通过实践方式探索构建模块化、可扩展和可用于生产的代理的基础知识。从了解 LangGraph 基于状态的设计的基础知识到创建全栈应用程序，您将获得将 AI 代理变为现实所需的技能。
课程亮点
-
基于状态的设计：深入研究 LangGraph 的节点和边的核心理念，以创建结构化、可维护的代理。
-
内存管理：使用检查点探索短期记忆，使用 Store 对象探索长期记忆，以使代理能够适应和学习。
-
高级工作流程：构建人机交互系统、实现并行执行并掌握多智能体模式。
-
生产就绪开发：学习异步操作、子图，并使用 FastAPI 和 Docker 创建全栈应用程序。
课程结束后，您不仅会拥有扎实的理论知识，还会掌握使用开源工具在任何地方部署 AI 代理的实践技能。无论您是想保持领先地位的开发人员，还是想扩展 AI 工具包的经验丰富的工程师，本课程都能让您为快速发展的 AI 代理领域做好准备。
随着人工智能代理在实际应用中的采用日益广泛，本课程可确保您已准备好设计、构建和部署可解决实际挑战的高级系统。让我们一起开始构建和塑造人工智能的未来吧！
本课程适合哪些人：
- 具有 LangChain 经验并希望深入 AI 代理世界的软件工程师
请注意：
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。
