Ein komponentenweiser Weg zu kleinen LangChain-Anwendungen und einem ersten Workflow für agentische Abläufe auf Graphbasis.
Beginne mit der Rolle von LangChain in Anwendungen der generativen KI und untersuche anschließend Komponenten, Modellschnittstellen, Prompts, strukturierte Ausgaben und Parser, bevor du zu einem agentischen LangGraph-Workflow übergehst. CampusX liefert die ausgewählten Demonstrationen und den Codekontext; Paketnamen und APIs können sich ändern, daher sind die Übungen als zu prüfende Muster und nicht als unveränderliche Produktionsanweisungen zu verstehen. Der Kurs legt Wert auf explizite Schemata, Testeingaben und beobachtbare Zustandsübergänge.
Ordne Modellen, Prompts, Ketten, Werkzeugen und Parsern ihre Aufgaben in einer LLM-Anwendung zu. Entwirf einen Prompt und ein Ausgabeschema, die nachgelagerter Code validieren kann. Erkläre, warum Parsen und Fehlerbehandlung an die Grenze einer Anwendung gehören. Skizziere einen kleinen LangGraph-Workflow mit Zustand, Schritten und einer Stelle für menschliche Prüfung.
Mittlere Python-Kenntnisse, Grundlagen virtueller Umgebungen und Vertrautheit mit dem Aufruf einer API werden empfohlen. Für optionale Experimente kann ein API-Schlüssel erforderlich sein; speichere keine Geheimnisse im Quelltext.
Lernende mit Grundkenntnissen, die praktische, selbstständige Fähigkeiten aufbauen möchten
Menschen, die am besten mit Beispielen, Anleitung und praktischen Übungen lernen
Fachleute, Kreative und unabhängige Entwickler, die wiederholbare Abläufe suchen
Lektion 1 ist kostenlos
7 lektionen · Fortgeschrittene Grundlagen · Vollständiger Kurs.
Dieser Kurs verwendet CC BY-lizenziertes Material mit Namensnennung des Inhaltsanbieters oder Uploaders. Die Wiedergabe der Lektionen ist erst nach Anmeldung und bestandener Veröffentlichungs- und Lizenzprüfung verfügbar.