Fondamentaux de l'IA Agentique de LangChain

Aperçu

This course provides a comprehensive overview of building intelligent agentic applications using LangChain. Participants will learn to create simple LangChain applications and explore structured outputs.

The curriculum progresses through multi-step workflows, transitioning from LLM calls to developing agents, and covers essential agentic design patterns. Key concepts include extending agents with tools, managing functions, and understanding state management within LangGraph.

Students will also implement short-term agent memory techniques and complete a hands-on project:

building a report-generating agent.

Programme

• Introduction au cours et configuration
Découvrez le cours, rencontrez vos instructeurs et apprenez à configurer et utiliser votre clé API OpenAI Vocareum ainsi que le budget attribué pour des activités pratiques.
• Création d'une application LangChain simple
Apprenez à construire une application simple LangChain : intégrer les LLM, gérer l'historique des discussions, utiliser des modèles de questions et appliquer des techniques de few-shot pour créer des chatbots personnalisables avec mémoire.
• Sorties structurées
Découvrez les sorties structurées dans l'IA : transformez les réponses en JSON exploitables pour l'intégration. Utilisez des schémas, des analyseurs et des appels de fonction pour améliorer la fiabilité et l'automatisation dans les flux de travail.
• Sorties structurées de LangChain
Apprenez à analyser et structurer les sorties des LLM dans LangChain en utilisant des analyseurs de sortie, TypedDict, des modèles Pydantic, et la correction automatique d'erreurs pour des flux de travail robustes.
• Flux de travail multi-étapes dans LangChain
Apprenez à construire des flux de travail IA flexibles et multi-étapes dans LangChain en utilisant Runnables et LCEL pour composer, bêcher et gérer des chaînes complexes avec facilité et évolutivité.
• Des appels LLM aux agents
Explorez comment l'IA évolue des simples appels LLM aux agents entièrement autonomes, apprenez les cadres agentiques, les applications, et comment concevoir des flux de travail efficaces dirigés par des agents.
• Modèles de conception agentiques
Découvrez quatre modèles de conception agentiques clés : réflexion, utilisation des outils, planification, et collaboration multi-agents pour améliorer les performances et la fiabilité des LLM dans les tâches complexes.
• Extension des agents avec des outils
Étendez les agents IA au-delà du texte avec des intégrations d'outils, permettant des actions en temps réel fiables et l'accès aux données.
• Fonctions comme outils dans LangChain
Apprenez à encapsuler les fonctions Python comme des outils dans LangChain, permettant aux LLM d'appeler des fonctions, d'interagir avec des APIs et de gérer des calculs externes dans les flux de travail d'IA.
• Flux de travail agentiques avec LangGraph
Apprenez à construire des flux de travail IA dynamiques dirigés par des agents en utilisant LangGraph, tirant parti des nœuds, des arêtes, et du routage pour un contrôle modulaire, adaptatif des applications et de l'automatisation.
• Gestion de l'état des agents
Explorez la gestion de l'état des agents avec des machines à états. Apprenez comment les agents suivent les entrées utilisateur, les instructions et l'utilisation des outils pour des flux de travail complexes, assurant l'adaptabilité et la fiabilité.
• Gestion de l'état LangGraph
Apprenez la gestion de l'état structurée dans LangGraph pour des flux de travail IA robustes, avec un focus sur les TypedDicts, les réducteurs, le routage, les gestionnaires, la persistance, et la conception pratique d'agent multi-tour.
• Mémoire à court terme des agents
Explorez la mémoire à court terme dans les agents IA, améliorant la cohérence via des stratégies de mémoire d'état, éphémères et éphémères pour une rétention efficace du contexte dans les sessions actives.
• Mémoire des agents LangGraph
Apprenez comment LangGraph utilise des points de contrôle et des fils pour la mémoire des agents, permettant des conversations persistantes, isolées et personnalisables avec des instantanés, des voyages dans le temps, et une assistance personnalisée.
• Projet : Agent de construction de rapport
Construisez un système de traitement de documents en utilisant LangChain/LangGraph. Vous créerez un assistant IA qui répond aux questions, résume des documents, et effectue des calculs sur des documents financiers et de santé.

---

Enseigné par

Henrique Santana and Gerald Parker

---

Matières

Computer Science