آموزش آسان LangGraph

آنچه یاد خواهید گرفت:

• ایجاد گردش کارهای عاملی در LangGraph، از فراخوانی‌های اولیه LLM تا گراف‌های چندمرحله‌ای پیچیده با مسیریابی شرطی و زیرگراف‌ها.
• اعمال TypedDict، مدل‌های Pydantic، کاهنده‌های حاشیه‌نویسی‌شده و الگوهای مختلف مدیریت state برای طراحی ماشین‌های استیت عامل قابل اعتماد.
• استفاده از ابزارها، استریمینگ، ویرایش پیام، خلاصه‌سازی خودکار و حذف حافظه برای ساخت عامل‌های گفتگو محور آماده تولید.
• پیاده‌سازی حافظه بلندمدت با استفاده از SQLite، یادداشت‌های تکامل‌یابنده، استخراج ساختاریافته و الگوهای حافظه بین رشته‌ای
• طراحی و اجرای سیستم‌های LLM بدون استیت و دارای استیت با استفاده از I/O سبک، استیت‌های کار عمیق، پالایش‌ها و گردش‌های کار state-prompt
• ادغام APIهای خارجی مانند آب و هوا، جستجوی وب و ابزارهای سفارشی در LangGraph با اجرای زنده و مسیریابی ایمن در برابر خطا
• ساخت الگوهای عامل‌محور پیشرفته شامل برنامه‌ریزی با دخالت انسان، اجرای هدایت‌شده، فراخوانی‌های اعتماد و حلقه‌های پالایش چندمرحله‌ای
• مستقرسازی عامل‌های LangGraph سرتاسری با استفاده از Send API همراه با مدیریت کارآمد زمینه و گردش‌های استیت عامل تکرارپذیر

پیش‌نیازهای دوره

• آشنایی اولیه با پایتون (توابع، ایمپورت ها و کلاس‌های ساده).
• درک کلی از مدل‌های زبانی بزرگ (نیازی به ریاضیات پیشرفته نیست).
• اختیاری: آشنایی با APIها و پاسخ‌های JSON
• هیچ تجربه قبلی با LangChain یا LangGraph لازم نیست - همه چیز از پایه آموزش داده می‌شود.
• یک رایانه قادر به اجرای پایتون 3.10+ و نصب پکیج‌های استاندارد

توضیحات دوره

عامل‌های هوش مصنوعی را همانطور که تیم‌های مهندسی واقعی می‌سازند، بسازید.

این دوره شما را از صفر به ساختن اپلیکیشن‌های کامل و آماده تولید با LangGraph می‌رساند، همان الگوهایی که در محصولات هوش مصنوعی مدرن مانند دستیاران سفر، همکاران پژوهشی، عامل‌های گفتگو و گردش کارهای مبتنی بر تأیید استفاده می‌شود.

به جای تئوری انتزاعی، شما با ساختن چندین اپلیکیشن واقعی مرحله‌به‌مرحله، از جمله یک دستیار سفر کامل نیویورک با قابلیت آب و هوا، جستجوی وب، تولید اپلیکیشن سفر ساختاریافته، حافظه گفتگو، مسیریابی و تأیید با دخالت انسان یاد می‌گیرید.

شما کشف خواهید کرد که LangGraph چگونه از استیت‌های تایپ‌شده، گره‌ها، یال‌ها و مسیریابی شرطی برای هماهنگ‌سازی LLMها و ابزارها استفاده می‌کند. شما APIهایی مانند Tavily Search و OpenWeather را ادغام خواهید کرد، فراخوانی ابزارها را پیاده‌سازی می‌کنید، حافظه بلندمدت را ضبط می‌کنید، گراف را برای ویرایش متوقف می‌کنید، اجرا را از سر می‌گیرید و خروجی‌ها را با استفاده از Pydantic ساختار می‌دهید. همچنین یاد خواهید گرفت که زیرگراف‌های ماژولار طراحی کنید، خلاصه‌های گفتگوی چرخشی تزریق کنید و گردش کارهای مقیاس‌پذیر و قابل اشکال‌زدایی بسازید که مانند سیستم‌های تولید واقعی هوش مصنوعی رفتار کنند.

در پایان، شما خواهید دانست که چگونه:

• عامل‌های دارای استیت LangGraph را با استفاده از StateGraph، مسیریابی و استیت‌های تایپ‌شده بسازید.
• LLMها را با ابزارهای واقعی (جستجو، آب و هوا، ابزارهای سفارشی) ادغام کنید.
• گردش کارهای چندمرحله‌ای کامل با منطق شرطی بسازید.
• MessagesState و MemorySaver را برای گفتگوی پایدار پیاده‌سازی کنید.
• مراحل دخالت انسان را با استفاده از فرمان های interrupt و resume اضافه کنید.
• خروجی‌ها را در طرحواره‌ها با استفاده از خروجی ساختاریافته Pydantic/BaseModel بپیچید.
• زیرگراف‌های ماژولار و هماهنگ‌سازی‌های دنیای واقعی بسازید.
• یک محصول واقعی کامل ایجاد کنید: یک عامل هوشمند برنامه‌ریزی سفر که خلاصه می‌کند، حذف می‌کند، مسیریابی می‌کند و برنامه‌های سفر تمیز تولید می‌کند.

چه یک توسعه‌دهنده باشید که اولین عامل خود را می‌سازید و چه یک مؤسس که در حال نمونه‌سازی اولیه یک محصول واقعی هوش مصنوعی است، این دوره طراحی شده است تا مهارت‌ها و اعتماد به نفس لازم برای عرضه اپلیکیشن‌های مجهز به LangGraph در دنیای واقعی را به شما بدهد.

این سریع‌ترین، تمیزترین و عملی‌ترین دوره LangGraph موجود است، ساخته‌شده توسط یک خالق که در کنار شما می‌سازد، نه بالاتر از شما.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان و مهندسان هوش مصنوعی که می‌خواهند سیستم‌های عاملی واقعی با استفاده از LangGraph بسازند.
• هرکسی که با LLMها آشناست و می‌خواهد از پرامپت‌های ساده فراتر رفته و به سمت عامل‌های ساختاریافته، چندمرحله‌ای و استفاده‌کننده از ابزار حرکت کند.
• سازندگانی که ربات‌های مسافرتی، دستیاران، ابزارهای داخلی، عامل‌های اتوماسیون یا گردش کارهای هوش مصنوعی آماده تولید ایجاد می‌کنند.
• یادگیرندگانی که آموزش‌های عملی، غیرتئوری و دست‌ورالعملی را ترجیح می‌دهند که همه چیز از ابتدا تا انتها نمایش داده می‌شود.
• مؤسسان فنی و هکرهای مستقل که می‌خواهند محصولات هوش مصنوعی را با استفاده از معماری‌های مبتنی بر گراف قوی عرضه کنند.