🎓

LangChain/LangGraph — Создание AI Агентов на Python

Информационные технологии
← К списку курсов
Обложка курса Купить за 2499 ₽
  • Уроков: 28
  • Сложность: normal
  • Аудитория: Для кого этот курс: 1. Разработчики LLM-приложений. 2. Инженеры по машинному обучению / AI-инженеры. 3. Технические специалисты, создающие AI-ассистентов.
Информационные технологии Платный
(Всего будет 6 модулей, готово пока 4) https://t.me/ai_neura_network - AI коммьюнити с новостями и анонсами. Погрузитесь в мир интеллектуальных агентов! Вы узнаете, как работают агенты на LLM, почему стандартные подходы часто недостаточны для надежных решений и как LangGraph решает эту проблему через графы состояний. Освоите ключевые концепции: построение графов workflow, использование инструментов, обработку сообщений и освоите архитектуру ReAct. Начнете создавать и отлаживать агентов в LangGraph Studio.

О курсе: Введение в агенты с LangGraph

Цель курса

Научить создавать надежных ИИ-агентов для решения реальных задач с помощью фреймворка LangGraph, преодолевая ограничения стандартных подходов.

Почему стоит выбрать этот курс

  • 🔧 Уникальная технология: Изучите LangGraph - специализированный фреймворк для агентов с повышенной точностью управления
  • ⚙️ Практическая ориентация: Фокус на решении повседневных рабочих задач вместо теоретических концепций
  • 🛠️ Экспертный подход: Методики, проверенные при внедрении агентов в production-системах

Приобретаемые навыки

После освоения модуля вы сможете:

  • Создавать агентов с контролем workflow через графы состояний
  • Внедрять циклы обработки и архитектуру ReAct
  • Интегрировать инструменты (tools) и систему сообщений
  • Сохранять состояние агентов с помощью механизмов памяти
  • Отлаживать приложения в LangGraph Studio

Особенности курса

  • 🧩 Визуальная разработка: Работа в LangGraph Studio с графическим построением workflow
  • 🔄 Акцент на надежность: Техники для создания предсказуемых production-решений
  • 🤖 Работа с LLM: Глубокая интеграция чат-моделей в агентские системы

Формат работы

Вам предстоит:

  • Анализировать архитектуры агентов и их ограничения
  • Конструировать графы состояний с узлами и ребрами действий
  • Программировать циклы выполнения для задач
  • Тестировать агентов в симуляции реальных процессов
  • Отлаживать приложения в интерактивной среде

Структура модуля

  1. Основы агентов: Принципы работы, архитектуры (ReAct), проблемы разработки
  2. Кастомизация агентов: Domain-specific workflow для повышения надежности
  3. LangGraph Core: Представление workflow через графы (узлы/ребра)
  4. Работа с чат-моделями: Инструменты (tools) и система сообщений
  5. Циклы и ReAct: Реализация looping в workflow
  6. Управление состоянием: Интеграция memory-механизмов
  7. Практикум: Сборка и отладка агента в LangGraph Studio

Курс завершится созданием прототипа AI-ассистента, способного обрабатывать многошаговые задачи с сохранением контекста.

Для поддержки и личной связи - заходите в сообщество по AI 

Требования:

Для комфортного обучения в первом модуле вам необходимо:

- Программирование на Python: уверенное использование синтаксиса, работа с функциями, списками, словарями; установка пакетов через `pip`.

- ООП в Python: понимание классов, объектов, методов и основных принципов.

- Базовое понимание LLM: что такое языковые модели, как они используются в приложениях (без углубления в устройство моделей).

- Рекомендуется: знакомство с концепцией графов (узлы, ребра, циклы) на уровне представления.