Budowanie agentowych i modułowych systemów RAG z LangGraph

Standardowe systemy wyszukiwania często zawodzą, gdy zapytania są złożone lub dokumenty są niechlujne.Przechodząc na agentowy, modułowy RAG, możesz tworzyć aplikacje AI, które oceniają własne wyniki wyszukiwań, poprawiają błędy i dynamicznie kierują zapytanie. Ten kurs tylko tekstowy prowadzi Cię przez proces projektowania i wdrażania zaawansowanych architektur wyszukiwania.Będziesz przechodzić od prostego wyszukiwarki dokumentów do budowania autonomicznych, opartych na stanie agentów AI za pomocą LangGraph. Czego się nauczysz: - Zrozum podstawowe pojęcia agentic RAG i jak poprawia się w porównaniu z tradycyjnym pobieraniem. - Skonfiguruj wykresy stanu, węzły i routing warunkowy za pomocą LangGraph. - Wprowadź korekcyjne wzorce RAG, aby ocenić i filtrować pobierane dokumenty. - Zastosuj przepisywanie zapytań i mechanizmy rezerwowe, aby uzyskać dokładniejsze odpowiedzi LLM. - Zaprojektuj modułowe przepływy pracy, które obsługują złożone, wieloetapowe zapytania użytkowników. - Ćwicz budowanie uporządkowanych pętli wywołujących narzędzia w systemie stanowym. Kurs zaczyna się od podstawowej terminologii i podstawowych pojęć RAG, zanim przejdziesz krok po kroku przez stany wykresów, logikę routingu i pętle korekcji błędów. Przeczytasz jasne wyjaśnienia i przeanalizujesz uporządkowane fragmenty kodu zaprojektowane, aby pomóc Ci zbudować solidne przepływy pracy AI. Ten program jest przeznaczony dla programistów i entuzjastów sztucznej inteligencji, którzy chcą budować aplikacje wyszukiwania nowej generacji, bez wcześniejszego doświadczenia z LangGraph.