使用说明
Master LangGraph v1和Ollama-构建生产级GenAI代理
Gen AI、Langchain v1 AI代理、MCP、MySQL AI代理、DeepSeek、GPT-OSS Qwen3 LLAMA代理、Lang Graph、Ollama、KGPTalkie
🚀 你将学到什么
Ollama&开源LLMs
- 安装Olama并将其与LangChain v1集成
- 运行和基准测试模型：Qwen3、Gemma3、GPT-OSS、DeepSeek-R1、， 定制GGUF型号
- 执行快速文档分析、上下文检查和实时 搜索
- 使用高级Ollama命令并创建自定义模型
LangChain v1基础
- 配置LangSmith、LangFuse和Opik进行跟踪
- 使用ChatOllama、ChatPromptTemplate、runnables和 Pydantic输出模型
- 构建可重用的提示并构建可靠的LLM工作流
LangGraph：初学者→ 高级
- 了解流量工程、节点设计、减速器和状态 管理
- 构建嵌套节点、条件路由和完成多步 图表
- 可视化并执行图形，同时监控状态演变
条件路由
- 用Pydantic构建情感分类器
- 根据正面/负面结果路由消息流
- 构建完全可操作的情绪分析图
使用LangGraph重新激活代理
- 实施思维链和思维树模式
- 构建支持工具的代理（天气、计算器、实用程序）
- 管理代理内存、调试、条件执行和状态 更新
代理内存和流媒体
- 使用MemorySaver和内存笔记本
- 流式代理输出和恢复对话历史记录
- 实现短期记忆和长期记忆的分离
持久内存（SQLite和PostgreSQL）
- 将聊天记忆存储在SQLite中
- 配置免费的PostgreSQL数据库
- 实施语义检索和记忆工具
长期记忆系统
- 存储、提取和删除长期内存
- 构建语义搜索管道
- 为代理添加专用内存工具
中断与人在循环
- 添加护栏和PII保护
- 构建基于审批的工作流程（例如转账）
- 实现HITL节点、路由器和持久状态跟踪
反思和研究代理人
- 建立自主的研究者和批评循环
- 集成免费网络搜索工具
- 增加自我评估和推理周期
MySQL ReAct代理
- 将LangGraph连接到MySQL
- 自动提取模式并生成带有验证的SQL
- 构建纠错和安全执行管道
- 数据库工作负载的基准Qwen3与GPT-OSS
MCP与Airbnb MCP服务器
- 了解模型上下文协议
- 构建基于MCP的LangGraph代理
- 直接在Jupyter笔记本中运行工作流
🧑💻 这门课程是为谁开设的
- 开发人员和工程师探索代理架构
- 数据科学家和机器学习工程师构建基于检索的人工智能系统
- 具备基本Python技能的学生和初学者
- 专业人士构建企业级GenAI解决方案
- AI爱好者希望超越简单的聊天机器人
🌟 为什么这门课程脱颖而出
- 初学者友好的解释与生产级工作流程
- 全面覆盖：LLMs→ LangChain→ LangGraph→ 代理→ 记忆→ 数据库
- 每个模块中的动手编码
- 已更新 2026 随着最新的生态系统变化
- 使用完全本地的开源模型不需要API成本
🎯 在本课程结束时，您将能够：
- 使用LangGraph构建完整的、有状态的AI代理
- 集成工具、数据库、API和现实世界的工作流程
- 实现短期和长期记忆
- 添加护栏、HITL批准和路线
- 使用Ollama为生产环境部署本地LLM
- 开发为现实世界使用而构建的强大GenAI应用程序
