LangChain/LangGraph — Создание AI Агентов на Python + RAG

(Всего будет 7 модулей, готово - 5)
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.…
Средний уровень
2 часа в неделю
Сертификат Stepik

Чему вы научитесь

  • Объяснять принцип работы агентов и их роль в управлении потоком выполнения приложений
  • Сравнивать различные архитектуры агентов (включая ReAct) и анализировать типичные проблемы при их разработке
  • Аргументировать необходимость создания кастомизированных агентов со специфичными workflow для повышения надежности
  • Интерпретировать концепцию LangGraph: представление агентских workflow в виде графов (узлы состояний, ребра действий)
  • Конструировать графы агентов вокруг чат-моделей, используя базовые компоненты: инструменты (tools) и сообщения (messages)
  • Реализовывать циклы в workflow для построения ReAct-архитектуры агентов
  • Интегрировать механизмы памяти (memory) для сохранения внутреннего состояния агента между итерациями
  • Применять LangGraph Studio для визуальной сборки, отладки и тестирования агентских приложений

О курсе

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 

Для кого этот курс

Для кого этот курс: 1. Разработчики LLM-приложений. 2. Инженеры по машинному обучению / AI-инженеры. 3. Технические специалисты, создающие AI-ассистентов.

Начальные 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.

Наши преподаватели

Аватар пользователя

Как проходит обучение

Принцип обучения строится следующим образом:
Методичка -> Видео-лекция -> Домашнее задание

Программа курса

загружаем...
Certificate

Сертификат

Сертификат Stepik

Что вы получаете

  • Фундаментальные навыки создания агентов: Понимание принципов работы LLM-агентов, управления потоком выполнения и преодоления ограничений стандартных подходов для повышения надежности.
  • Практическое владение LangGraph: Умение представлять агентские workflow в виде графов состояний (узлы) и действий (ребра) с помощью фреймворка LangGraph.
  • Ключевые компетенции в компонентах агентов: Навыки работы с инструментами (`tools`) и системой сообщений (`messages`) как основными элементами workflow, построенных вокруг чат-моделей.
  • Способность реализовывать сложные архитектуры: Умение конструировать циклы (`looping`) в workflow для реализации мощной ReAct-архитектуры агентов.
  • Контроль над состоянием агента: Навыки интеграции механизмов памяти (`memory`) для сохранения и использования внутреннего состояния агента между шагами выполнения.
  • Эффективный инструмент разработки: Доступ и умение работать в LangGraph Studio – визуальной среде для интуитивной сборки, отладки и тестирования ваших агентских приложений.
  • Прототип AI-ассистента: К концу модуля вы создадите основу собственного интеллектуального агента, способного обрабатывать задачи с сохранением контекста.

Сколько стоит обучение

Price: 4 499 ₽
Попробовать бесплатно
Как оплатить курс в рассрочку?
Как оплатить от компании?
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.

Часто задаваемые вопросы

Как оплатить курс в рассрочку?
Как оплатить от компании?

Расскажите о курсе друзьям

Price: 4 499 ₽
Попробовать бесплатно