نمایندگان هوش مصنوعی و چت بابات را با لانگگراف بسازید

مدرس Kumaran Ponnambalam

انتشار 2025/02/12

مدت زمان 1h 14m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Build AI Agents and Chatbots with LangGraph

چت های مکالمه ای محبوبیت در حال رشد هستند و تقریباً هر محصول یا خدمات امروز از آن پشتیبانی می کند. AI عامل AI قابلیت هایی را فراهم می کند که می تواند سطح بالاتری از استقلال و ارزش را در اختیار چت قرار دهد. در این دوره ، مربی Kumaran Ponnambalam به شما کمک می کند تا از AI عامل برای ساختن چت های پیچیده پیشرفته استفاده کنید که می تواند نسل بعدی خدمات خود را فراهم کند. Kumaran شما را از طریق مرحله به مرحله ساخت یک چت بابات با قابلیت های عامل با استفاده از Langchain و Langgraph می برد و در مورد بهترین شیوه ها برای ساخت چت های عامل های عامل بحث می کند. این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار "تنظیمات Codespaces GitHub" را با این دوره بررسی کنید.

AI Agents Artificial Intelligence (AI) Chatbots

Introduction

Introduction to the course ()

Setting up GitHub Codespaces ()

1. Concepts Review

AI chatbots: A review ()

Agentic AI: A review ()

Agentic chatbots ()

State and memory in chatbots ()

LangGraph for agentic AI ()

2. Create a Basic ReAct Agent

What is ReAct? ()

Basic ReAct agent design ()

Adding function tools for ReAct agent ()

Create a basic ReAct agent ()

Execute the basic ReAct agent ()

Debugging agents in Langchain ()

3. Build a Product Q&A Chatbot

Product Q&A chatbot design ()

Add a function tool to the product Q&A chatbot ()

Add a retriever tool to the product Q&A chatbot ()

Set up the product Q&A chatbot ()

Execute the product Q&A chatbot ()

4. Custom Agents and Chatbots with LangGraph

LangGraph concepts ()

LangGraph orders agent and chatbot design ()

Set up tools for the orders agent ()

Set up the LangGraph orders agent ()

Set up and execute the LangGraph chatbot ()

5. Reflection-Based LangGraph Agents

Reflection-based summary agent: Design ()

Engineer prompts for reflection ()

Set up the summarize-and-review agent with LangGraph ()

Set up the summarize-and-review chatbot with LangGraph ()

Execute the summarize-and-review chatbot ()

6. Multi-agent Systems with LangGraph

Multi-agent systems ()

Routing agent design in LangGraph ()

Using agents as LangGraph nodes ()

Set up the routing agent and chatbot in LangGraph ()

Execute the routing chatbot in LangGraph ()

Conclusion

Next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش نمایندگان هوش مصنوعی و چت بابات را با لانگگراف بسازید

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Build AI Agents and Chatbots with LangGraph در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این دوره‌های عملی، توسعه‌دهندگان و مهندسان را با مهارت‌های فنی برای طراحی، ساخت و استقرار عوامل هوش مصنوعی با استفاده از چارچوب‌هایی برای خودکارسازی گردش‌های کاری پیچیده و ایجاد سیستم‌های تصمیم‌گیری هوشمند مجهز می‌کنند. توسعه‌دهندگان با چندین چارچوب از جمله AutoGen، LlamaIndex و LangGraph کار خواهند کرد و در عین حال برنامه‌های کاربردی دنیای واقعی مانند چت‌بات‌های پیشرفته و سیستم‌های اتوماسیون وظایف را می‌سازند.

آموزش نمایندگان هوش مصنوعی و چت بابات را با لانگگراف بسازید ، ایستگاه شماره 5 در مسیر یادگیری ساخت سیستم های هوش مصنوعی عاملی برای توسعه دهندگان ، است.

مسیر یادگیری ساخت سیستم های هوش مصنوعی عاملی برای توسعه دهندگان

در زمینه رشد سریع ساخت عامل هوش مصنوعی تسلط داشته باشید، جایی که توسعه دهندگان سیستم های هوش مصنوعی را ایجاد می کنند که مستقل فکر و عمل می کنند. این مسیر یادگیری به توسعه دهندگان پایتون، مهندسان اتوماسیون و متخصصان ML کمک می کند تا برای ایجاد نسل بعدی برنامه های هوشمند آماده شوند. بیاموزید که چگونه سیستم‌های چند عاملی را طراحی کنید که با استفاده از چارچوب‌های پیشرفته مانند LangGraph، LlamaIndex و Model Context Protocol با یکدیگر همکاری می‌کنند و مشکلات پیچیده را به طور مستقل حل می‌کنند.

آموزش نمایندگان هوش مصنوعی و چت بابات را با لانگگراف بسازید ، ایستگاه شماره 2 در مسیر یادگیری Building AI Agents: Techniques Advanced for Developers ، است.