Byg rigtige AI-agenter med LangChain
AI-agenter er programmer, der bruger store sprogmodeller som kerne til ræsonnering — de planlægger, kalder værktøjer, henter data og gentager processen, indtil en opgave er fuldført, uden at et menneske styrer hvert trin. LangChain er det mest udbredte framework til at forbinde disse komponenter i Python. Dette forløb lærer dig at bygge, fejlfinde og levere autonome arbejdsgange, der rækker langt ud over et enkelt spørgsmål-og-svar-kald.
Det lærer du
Du begynder med at lære, hvordan agenter ræsonnerer, og hvordan LangChain organiserer denne ræsonnering. Derefter arbejder du med promptudvikling og modelintegration, så dine agenter producerer pålideligt output. Centrale emner omfatter opbygning af kæder og sekventielle arbejdsgange, tilknytning af værktøjer og værktøjssamlinger, så agenter kan kalde API'er og køre kode, samt håndtering af hukommelse, så en agent bevarer konteksten på tværs af trin. Du gennemgår indlæsning og hentning af data til RAG-pipelines, observerbarhed og fejlfinding for at forstå, hvad en agent faktisk gjorde, samt oprettelse af egne værktøjer, så du kan forbinde enhver ekstern tjeneste. De avancerede afsnit behandler arkitekturer med flere agenter og hierarkiske arkitekturer, orkestrering af autonome arbejdsgange samt produktionsudrulning med fokus på skalering.
Læringsforløbet
Tolv kurser spænder fra A1 til C1. Forløbet begynder med Introduktion til AI-agenter og grundlæggende LangChain (A1, gratis) og fortsætter gennem promptudvikling, kæder samt laget med værktøjer og agenter på B1-niveau. B2-blokken går mere i dybden med hukommelsesstyring, hentning, observerbarhed og egne integrationer. Forløbet afsluttes på C1 med Avancerede agentarkitekturer, Orkestrering af autonome arbejdsgange og Produktionsudrulning og skalering — kurserne, hvor individuelle komponenter samles til systemer, der kører uden opsyn i produktion.
Sådan fungerer det
Hvert kursus er opdelt i korte, fokuserede lektioner, som du gennemfører i den indbyggede kodeeditor med feedback i realtid. En AI-vejleder er tilgængelig, når du sidder fast, og hver øvelse kører med rigtig LangChain-kode, så du ser agenters faktiske adfærd i stedet for legetøjseksempler.
