糖心vlog官网观看

LangChain, ein popul盲res Open Source Framework zur Erstellung von LLM-Anwendungen, hat k眉rzlich LangGraph eingef眉hrt. Diese Erweiterung erm枚glicht es Entwicklern, hochgradig kontrollierbare Agenten zu erstellen. In diesem Kurs werden Sie lernen, einen Agenten von Grund auf mit Python und einem LLM zu erstellen, und dann werden Sie ihn mit LangGraph neu aufbauen, wobei Sie seine Komponenten kennenlernen und erfahren, wie Sie sie kombinieren k枚nnen, um flussbasierte Anwendungen zu erstellen. Dar眉ber hinaus werden Sie die agentische Suche kennenlernen, die mehrere Antworten in einem agentenfreundlichen Format zur眉ckgibt und das eingebaute Wissen des Agenten verbessert. Dieser Kurs zeigt Ihnen, wie Sie die agentenbasierte Suche in Ihren Anwendungen einsetzen k枚nnen, um den Agenten bessere Daten zur Verf眉gung zu stellen und ihre Leistung zu verbessern. Im Einzelnen: 1. Bauen Sie einen Agenten von Grund auf und verstehen Sie die Aufgabenteilung zwischen dem LLM und dem Code um den LLM. 2. Implementieren Sie den von Ihnen erstellten Agenten mit LangGraph. 3. Lernen Sie, wie die Agentensuche mehrere Antworten in einem vorhersagbaren Format abruft, im Gegensatz zu traditionellen Suchmaschinen, die Links zur眉ckgeben. 4. Implementieren Sie Persistenz in Agenten, um Zustandsverwaltung 眉ber mehrere Threads, Konversationswechsel und die M枚glichkeit, fr眉here Zust盲nde neu zu laden, zu erm枚glichen. 5. Einbindung des Menschen in die Schleife von Agentensystemen. 6. Entwicklung eines Agenten 蹿眉谤 das Schreiben von Aufs盲tzen, der den Arbeitsablauf eines Forschers bei dieser Aufgabe nachbildet. Beginnen Sie mit der Entwicklung besser kontrollierbarer Agenten mit LangGraph!