آموزش ساخت ایجنتهای هوش مصنوعی با Langflow - آخرین آپدیت
دانلود Build AI Agents with Langflow
Langflow در نقطه تلاقی مدیریت مدلهای زبانی بزرگ (LLM)، طراحی ایجنتها، RAG و استقرار در محیط عملیاتی قرار دارد و یک مسیر کاربردی برای تیمهایی فراهم میکند که قصد دارند از مرحله آزمایش به سیستمهای واقعی هوش مصنوعی منتقل شوند. این دوره فشرده، نقاط ورود لازم برای مهندسان را فراهم میکند تا دادهها، گردشهای کاری و نقاط بازبینی خود را برای ایجاد و استقرار سریع اپلیکیشنها یکپارچه کنند.
در ابتدا، نحوه ساخت ایجنتهای هوش مصنوعی با استفاده از Langflow را با تمرکز بر ایجاد سیستمهای پویا و حساس به متن بیاموزید. قابلیتهای Langflow برای افزودن حافظه، بهرهگیری از APIها و بهکارگیری تولید تقویتشده با بازیابی (RAG) برای خروجیهای بهتر را بررسی کنید. در مورد استقرار اپلیکیشنها با استفاده از Docker و Kubernetes بیاموزید تا اطمینان حاصل کنید که ایجنتهای شما آماده محیط عملیاتی و قابل اعتماد هستند. نحوه پیادهسازی گاردریلها (Guardrails) برای ایمنسازی اپلیکیشنها و مسیریابی درخواستها بر اساس ورودیها و احساسات کاربر را کشف کنید. با ابزارها و تکنیکهایی برای اتصال ایجنتهای خود به سیستمهای خارجی، مانند Linear از طریق سرورهای MCP، آشنا شوید و قابلیتهای آنها را گسترش دهید. از راهنماییهای عملی و گامبهگام بهرهمند شوید که شما را از ساخت نمونه اولیه به یک راهکار جامع هوش مصنوعی میرساند. در پایان این دوره، شما قادر خواهید بود ایجنتهای قدرتمند هوش مصنوعی را متناسب با نیازها و محیطهای مختلف طراحی، ساخته و مستقر کنید.
مقدمه Introduction
-
ساخت ایجنتهای هوش مصنوعی با Langflow Build AI agents with Langflow
1. ساخت با Langflow 1. Building with Langflow
-
ساخت اولین ایجنت Langflow شما Building your first Langflow agent
-
ساخت ایجنت هواشناسی با استفاده از APIها Building a weather agent with APIs
-
ساخت ایجنت دستور پخت غذا با ابزارهای حافظه Building a recipe agent with memory tools
-
ایجاد پایگاه دانش RAG برای میانوعدهها Creating a RAG knowledgebase for snacks
-
استقرار ایجنت ما Deploying our agent
-
خروجی گرفتن از ایجنتها Exporting our agents
2. ساخت ایجنت پشتیبانی مشتری 2. Building a Customer Support Agent
-
اتصال ایجنت پشتیبانی به Linear با سرور MCP Connecting our CS agent to Linear with an MCP server
-
ساخت فرانتاند برای ایجنت ما Building a front end for our agent
-
ساخت ایجنت با گاردریلها و مسیریابی درخواست Build an agent with guardrails and request routing
جمعبندی Conclusion
-
گامهای بعدی در Langflow Next steps in Langflow
https://donyad.com/d/05121a
Denys Linkov
رهبری ML در Voiceflow
تیم Denys روی درک زبان طبیعی، پردازش زبان طبیعی مولد، MLOps و مکالمه کار می کند کشف و افزایش داده ها Denys به ایجاد جوامع فناوری پر رونق و پایدار با تمرکز بر توسعه جوانان و آینده کار کمک می کند. دنیس دارای لیسانس علوم کامپیوتر از دانشگاه تورنتو است، با تعدادی از گروه های جوانان به عنوان مربی و سخنران کار کرده است، و به مقیاس TU20، یک گروه فناوری جوانان پیشرو در هالتون، انتاریو کمک کرده است.
نمایش نظرات