آموزش لنگ‌گراف برای مبتدیان: گردش کار عاملیت محور در چند قدم ساده - آخرین آپدیت

دانلود LangGraph for beginners : Agentic Workflows in simple steps

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش گام به گام LangChain: از مبتدی تا متخصص

آیا آماده‌اید فراتر از برنامه‌های ساده‌ی LLM بروید و با استفاده از LangGraph، گردش‌های کاری قدرتمند، مبتنی بر وضعیت و عاملیت‌مند بسازید؟

در این دوره ی دوستانه برای مبتدیان، LangGraph را که کتابخانه‌ی متن‌باز ساخته‌شده بر روی LangChain است و برای سازماندهی برنامه‌های چند عاملی با استفاده از معماری مبتنی بر گراف طراحی شده است، به طور کامل یاد خواهید گرفت. چه در حال ساخت عامل‌های هوشمند، خطوط لوله پویای RAG یا راه‌حل‌های سازمانی واقعی باشید، این دوره پایه و اساس محکمی را برای شما فراهم می‌کند.

مواردی که یاد خواهید گرفت:

  • LangGraph چیست و چگونه در اکوسیستم GenAI جای می‌گیرد؟
  • ساخت اولین گردش کاری LangGraph با استفاده از ماشین حالت
  • اعتبارسنجی و ساختاردهی وضعیت با استفاده از مدل‌های Pydantic
  • استفاده از async و streaming برای ساخت برنامه‌های پاسخگو
  • پیاده‌سازی مسیریابی شرطی بر اساس خروجی LLM
  • درک reducerها و نحوه‌ی مدیریت انتقال وضعیت توسط آن‌ها
  • تسلط بر فراخوانی ابزار با ToolNode داخلی LangGraph
  • آشنایی با checkpointerها و استفاده از حافظه‌ی کوتاه‌مدت (در حافظه) و بلندمدت (SQLite، Redis)
  • ساخت گردش‌های کاری Agentic RAG با استفاده از ابزارها و بازیابی کننده‌ها
  • پیاده‌سازی گردش‌های کاری Human-in-the-Loop با استفاده از Interrupt و resume
  • ماژولار کردن گراف‌های پیچیده با استفاده از زیرگراف‌ها
  • کاربرد همه چیز در یک سناریوی واقعی مدیریت درخواست‌های بیمه بیمارستان
  • اضافه کردن ردیابی و قابلیت مشاهده با استفاده از LangSmith
  • بررسی الگوهای طراحی عاملیت‌مند برای مقیاس‌پذیری برنامه‌های شما

این دوره برای چه کسانی مناسب است؟

  • توسعه‌دهندگان هوش مصنوعی که به دنبال ساخت برنامه‌های عاملیت‌مند درجه تولید هستند
  • کاربران LangChain که می‌خواهند به سطح هماهنگی مبتنی بر گراف ارتقا یابند
  • مهندسان بک‌اند علاقه‌مند به استفاده از ابزار، حافظه و کنترل وضعیت
  • هر کسی که روی گردش‌های کاری LLM در موارد استفاده واقعی کار می‌کند

پیش‌نیازها:

  • آشنایی اولیه با پایتون
  • آشنایی با LangChain

در پایان این دوره، قادر خواهید بود:

  • با اطمینان، گردش‌های کاری LangGraph را بسازید، مقیاس‌پذیر کنید و اشکال‌زدایی کنید.
  • LLMها، ابزارها، حافظه و بازخورد انسانی را در برنامه‌های خود ادغام کنید.
  • LangGraph را در موارد استفاده تجاری واقعی مانند پردازش درخواست‌ها، پشتیبانی مشتری و تجزیه و تحلیل اسناد اعمال کنید.

آماده‌اید تا LangGraph را به طور کامل یاد بگیرید و برنامه‌های LLM خود را به سطح بعدی برسانید؟ همین حالا ثبت‌نام کنید و شروع به ساخت سیستم‌های عاملیت‌مند هوشمند و تعاملی کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • دانلود پروژه تکمیل‌شده Download Completed Project

مبانی The Fundamentals

  • Langgraph چیست؟ What is Langgraph

  • یک گردش کار ساده A Simple Workflow

  • مبانی The Fundamentals

Langraph در عمل Langraph in action

  • تنظیم پروژه Setup the project

  • اولین گردش کار First WorkFlow

  • تعریف یک نقطه ورود (EntryPoint) Define a EntryPoint

  • تولید تصویر گردش کار Generate a image of the workflow

  • اعتبارسنجی وضعیت State Validation

  • استفاده از طرح Pydantic Use Pydantic Schema

فراخوانی ناهمگام و استریمینگ Async Invocation and Streaming

  • مقدمه Introduction

  • ناهمگام در عمل Async in action

  • فراخوانی ناهمگام Async Invocation

  • استریمینگ Streaming

  • استریمینگ در عمل Streaming in action

  • استریمینگ Streaming

مسیریابی شرطی Conditional Routing

  • مقدمه Introduction

  • مسیریابی شرطی در عمل Conditional Routing In Action

  • مطابقت گره‌ها Match Nodes

  • مسیریابی شرطی Conditional Routing

  • مسیریابی شرطی Conditional Routing

کاهنده‌ها (Reducers) Reducers

  • مقدمه Introduction

  • کاهنده‌ها در عمل Reducers In Action

  • استفاده از MessagesState Using MessagesState

  • کاهنده‌ها Reducers

  • کاهنده‌ها Reducers

ابزارها و LLM Tools and LLM

  • مقدمه Introduction

  • فراخوانی ابزار با LLM Tool Calling With LLM

  • استفاده از ToolNode Use ToolNode

  • استفاده از ToolNode با تئوری LLM Using ToolNode with LLM Theory

  • استفاده از ToolNode با LLM Use ToolNode with LLM

  • فراخوانی ابزار و Tool Node Tool calling and Tool Node

  • ابزارها و LLM Tools and LLM

حافظه Memory

  • چرا حافظه؟ Why memory

  • نحوه عملکرد حافظه How Memory Works

  • استفاده از حافظه Use Memory

  • نحوه عملکرد حافظه How Memory works

RAG عامل‌مند Agentic RAG

  • مقدمه Introduction

  • RAG عامل‌مند در عمل Agentic RAG in action

  • RAG عامل‌مند Agentic RAG

انسان در حلقه Human in the loop

  • مقدمه Introduction

  • مورد استفاده و کد Usecase and Code

  • HITL در عمل HITL In Action

  • انتقال اطلاعات اضافی Pass Additional Info

  • انسان در حلقه Human In The Loop

  • انسان در حلقه Human in the loop

حافظه بلند مدت Long Term Memory

  • تنظیم Postgress Setup Postgress

  • ایجاد پایگاه داده Create Database

  • استفاده از حافظه پایدار Use Persistent Memory

زیرگراف‌ها Subgraphs

  • مقدمه Introduction

  • استفاده از زیرگراف به عنوان گره Use Subgraph as Node

  • استفاده از Ollama Use Ollama

  • فراخوانی زیرگراف از گره والد Invoke Subgraph From Parent Node

مورد استفاده Usecase

  • مقدمه Introduction

  • تنظیم پایگاه داده Setup the database

  • فراخوانی API ها Invoke APIs

  • استفاده از جستجوی برداری Use Vector Search

  • استفاده از LLM Use LLM

  • استفاده از مسیریابی شرطی Use Conditional Routing

  • ذخیره پاسخ در پایگاه داده Store the response in the database

  • قطع برای بررسی انسانی Interrupt for Human Review

  • برنامه Chainlit Chainlit App

  • پیاده‌سازی انسان در حلقه Implement Human In The Loop

  • تست تایید و رد Test Approve Reject

  • تست بررسی انسانی Test Human Review

ردیابی با استفاده از LangSmith Tracing using LangSmith

  • مقدمه Introduction

  • تنظیم LangSmith Setting up LangSmith

  • LangSmith در عمل LangSmith in Action

پیاده‌سازی FastAPI Implement FastAPI

  • مقدمه Introduction

  • پیاده‌سازی متد API Implement API Method

  • تست Test

الگوهای عامل‌مند Agentic Patterns

  • مقدمه Introduction

  • بازتاب Reflection

  • درخت اندیشه Tree of Thought

  • اجرای موازی Parallel Execution

جمع‌بندی Wrap Up

  • سخنرانی جایزه Bonus Lecture

نمایش نظرات

آموزش لنگ‌گراف برای مبتدیان: گردش کار عاملیت محور در چند قدم ساده
جزییات دوره
3 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
584
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bharath Thippireddy Bharath Thippireddy

شما خالق سرنوشت خود هستید