LangChain, un framework Open Source populaire pour la construction d'applications LLM, a récemment introduit LangGraph, une extension qui permet aux développeurs de créer des agents hautement contrôlables. Cette extension permet aux développeurs de créer des agents hautement contrôlables. Dans ce cours, vous apprendrez à construire un agent à partir de zéro en utilisant Python et un LLM, puis vous le reconstruirez en utilisant LangGraph, en apprenant à connaître ses composants et à les combiner pour construire des applications basées sur les flux. En outre, vous apprendrez la recherche agentique, qui renvoie plusieurs réponses dans un format adapté à l'agent, en améliorant les connaissances intégrées de l'agent. Ce cours vous montrera comment utiliser la recherche agentique dans vos applications pour fournir de meilleures données aux agents afin d'améliorer leur rendement.En détail : 1. Construire un agent à partir de zéro, et comprendre la division des tâches entre le LLM et le code autour du LLM. 2. Implémenter l'agent que vous avez construit en utilisant LangGraph. 3. Apprendre comment la recherche agentique récupère des réponses multiples dans un format prévisible, contrairement aux moteurs de recherche traditionnels qui renvoient des liens. 4. Implémenter la persistance dans les agents, permettant la gestion de l'état à travers plusieurs threads, le changement de conversation, et la capacité de recharger les états précédents. 5. Incorporer la boucle humaine dans les systèmes d'agents. 6. Développer un agent pour la rédaction d'essais, reproduisant le flux de travail d'un chercheur travaillant sur cette tâche. Commencez à construire des agents plus contrôlables à l'aide de LangGraph !