LangChain, ein populäres Open Source Framework zur Erstellung von LLM-Anwendungen, hat kürzlich LangGraph eingeführt. Diese Erweiterung ermöglicht 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 können, um flussbasierte Anwendungen zu erstellen. Darüber hinaus werden Sie die agentische Suche kennenlernen, die mehrere Antworten in einem agentenfreundlichen Format zurückgibt und das eingebaute Wissen des Agenten verbessert. Dieser Kurs zeigt Ihnen, wie Sie die agentenbasierte Suche in Ihren Anwendungen einsetzen können, um den Agenten bessere Daten zur Verfügung 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 zurückgeben. 4. Implementieren Sie Persistenz in Agenten, um Zustandsverwaltung über mehrere Threads, Konversationswechsel und die Möglichkeit, frühere Zustände neu zu laden, zu ermöglichen. 5. Einbindung des Menschen in die Schleife von Agentensystemen. 6. Entwicklung eines Agenten für das Schreiben von Aufsätzen, der den Arbeitsablauf eines Forschers bei dieser Aufgabe nachbildet. Beginnen Sie mit der Entwicklung besser kontrollierbarer Agenten mit LangGraph!