|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/langgraph-crie-agentes-de-ia-e-apps-com-llms/
课程评论：没有评论
Coursera 课程总结：LangGraph：用 LLM 构建 AI 代理和应用 本课程是学习使用大型语言模型（LLM）构建智能代理的理想起点。您将深入了解基于图的决策流程，并掌握 LangGraph 和 LangSmith 等前沿工具。LangGraph 正在革新 AI 应用的开发方式，实现更灵活、可追踪且可扩展的架构。掌握 LangGraph 不仅是技术上的优势，更是站在应用型 AI 创新前沿的关键。 **课程核心内容：** * **AI 代理：** 理解 AI 代理的本质、工作原理，探索不同类型的智能代理，并通过实际应用案例学习。 * **图 (Graphs)：** 掌握图的基本概念，学习其在决策流程和 AI 中的应用，并了解 Neo4j 等相关技术。 * **LangGraph 实战：** 学习 LangGraph 的概念、工作原理，了解其与 LangChain 的区别，熟悉核心工具和功能，并通过真实案例探索代理的可扩展性。 * **技术入门：** 配置 Python 环境，学习使用虚拟环境和 pip 进行依赖管理，并掌握 Git 版本控制。 * **LangGraph 开发：** 学习创建和可视化图，集成工具，在代理中构建条件逻辑，并通过 LangSmith 进行监控和追踪。 * **LangSmith 实践：** 配置 LangSmith 环境，学习执行、监控和调试代理，以及创建能够与网络交互的代理。 * **完整实践项目：** 定义使用的 LLM 模型，创建节点、查询和逻辑结构，集成多个 LLM 并生成报告，最后使用 Streamlit 创建 Web 界面。 * **Python 进阶（奖励内容）：** 回顾 Python 核心概念，学习数据类型、控制结构、函数、列表推导式、字符串操作等。
Se você quer dominar a construção de agentes inteligentes com LLMs (Modelos de Linguagem de Grande Escala), entender como fluxos de decisão funcionam por meio de grafos e ainda usar ferramentas de ponta como LangGraph e LangSmith, este curso é o seu ponto de partida ideal. O LangGraph está revolucionando o modo como criamos aplicações com IA, permitindo arquiteturas mais flexíveis, rastreáveis e escaláveis. Saber usá-lo não é apenas um diferencial técnico - é se posicionar na fronteira da inovação em IA aplicada.O que você vai aprender no curso:Agentes de IAO que são e como funcionamTipos de agentes inteligentesExemplos práticos em aplicações reaisGrafosConceitos fundamentais sobre grafosAplicabilidade em fluxos de decisão e IAExemplos com tecnologias como o Neo4jLangGraph na práticaO que é e como funciona o LangGraphDiferenças entre LangGraph e LangChainFerramentas e funcionalidades principaisCasos de uso reais e escalabilidade de agentesPrimeiros passos técnicosConfiguração do ambiente com PythonUso de ambientes virtuais e controle de dependências com pipVersionamento com GitDesenvolvendo com LangGraphCriando e visualizando seu primeiro grafoIntegração com ferramentas (tools)Construção de lógica condicional em agentesMonitoramento e rastreabilidade com LangSmithConfiguração do ambiente para LangSmithExecução, monitoramento e depuração de agentesCriação de agentes que interagem com a webProjeto prático completoDefinição dos modelos LLM usadosCriação dos nós, queries e estrutura lógicaAdição de múltiplos LLMs e geração de relatóriosCriação de uma interface web com StreamlitSeção bônus: Dominando o PythonConceitos essenciais da linguagemTipos de dados, estruturas de controle e funçõesList comprehension, manipulação de strings e muito mais
