Learn AI Agents: Agentic AI
Learn AI Agents: Agentic AI — अपने फ़ोन पर जानें कि AI agents कैसे काम करते हैं और अपना agent बनाएं
Learn AI Agents: Agentic AI एक मुफ़्त iPhone और Android course app है, जो developers, students और career switchers को सिखाता है कि AI agents कैसे काम करते हैं और उन्हें कैसे बनाया जाता है। इसमें 60 courses और 239 छोटी lessons हैं—पहले LLM loop से लेकर tool calling, RAG, LangChain और LangGraph होते हुए multi-agent orchestration तक। साथ ही इसमें Agent Lab है, जहाँ आप किसी task पर agent चला सकते हैं और हर tool call, result और answer को step by step सामने आते देख सकते हैं, और कुछ गड़बड़ होने पर मदद के लिए AI Mentor भी है।
- कीमत
- मुफ़्त, Pro upgrade
- प्लेटफ़ॉर्म
- iOS और Android
- भाषाएँ
- 22
- आयु रेटिंग
- 4+
- आवश्यकताएँ
- iOS 15.1 या बाद का संस्करण
किसी agent की क्षमता उतनी ही होती है, जितनी अच्छी तरह आप उसके tool call को वास्तव में trace कर सकते हैं।
ज़्यादातर agent tutorials loop का एक diagram दिखाते हैं—think, act, observe—और आगे बढ़ जाते हैं। यह curriculum हर arrow पर रुकता है: वह function लिखें जिसे model call कर सकता है, उसके लौटाए हुए result को ठीक-ठीक पढ़ें और देखें कि खराब tool result loop को किस तरह गलत दिशा में भेज देता है।
यह क्या है
Learn AI Agents: Agentic AI एक मुफ़्त iOS और Android app है, जिसमें AI agents बनाने का तरीका सीखने के लिए 60 courses और 239 lessons हैं। हर lesson पाँच से दस मिनट की है। Curriculum LLM-based agents और prompt engineering के परिचय से शुरू होकर tool calling, retrieval-augmented generation (RAG) और vector databases तक जाता है, फिर LangChain, LangGraph और LlamaIndex से होते हुए multi-agent orchestration, computer-use agents और production deployment तक पहुँचता है। Lessons में Python examples हैं जिन्हें आप वहीं चला सकते हैं, हर agent run का प्रत्येक step दिखाने वाला Agent Lab है, हर topic के बाद quizzes हैं और रास्ते में सवालों के लिए AI Mentor है।
ऐप के अंदर
यह कैसा दिखता है
कोर्स
AI Agents कोर्स में क्या शामिल है
ऐप के अपने पाठ्यक्रम से लिए गए 60 कोर्स और 239 पाठ — पहले LLM agent loop से लेकर multi-agent orchestration और production deployment तक।
Agent Fundamentals
Intro to LLM Agents, Prompt Engineering for Agents, LLM APIs in Practice (OpenAI और Anthropic SDKs), File System Agent Operations, Conversational Memory Basics और व्यावहारिक प्रोजेक्ट्स का पहला सेट।
टूल का उपयोग और रिट्रीवल
Tool-Use / Function-Calling pattern, API Integration for Agents, Email and Calendar Agents, Working with Embeddings, Retrieval-Augmented Generation की मूल बातें, Vector Databases for Agents और Agent Observability Foundations।
वास्तविक प्लेटफ़ॉर्म के लिए Agents
Slack and Chat Platform Agents, GitHub and Repository Agents, Web Scraping and Data Fetching Agents, Agent CLI and Interactive Tools, Secrets and Configuration Management, LangChain Fundamentals, Structured Output and Parsing, और Database Agents, जो प्राकृतिक भाषा को SQL में बदलते हैं।
टेस्टिंग, डीबगिंग और विश्वसनीयता
Agent Testing Fundamentals, Debugging Agent Loops, Stateful Agents के लिए LangGraph, LlamaIndex Deep Dive, Multi-Tool Agents (ReAct pattern), Building Reliable Agents और Memory Architectures for Agents।
Specialised Agents
Voice and Audio Agents, Knowledge Graph Integration, Personal AI Assistant Architecture, Agent Evaluation and Benchmarking, Agent Safety and Guardrails, Cost and Latency Optimisation, और Customer Service and Deep Research Agent systems।
प्रोडक्शन और अत्याधुनिक तकनीक
Multi-Agent Orchestration, Production Agent Deployment, Computer-Use and Browser Agents, Code-Generating Agents, Long-Horizon Planning Agents, Sandboxing and Secure Code Execution, और Self-Improving Agent Systems।
यह कैसे काम करता है
AI Agents lesson कैसे चलती है
Course को build order के अनुसार सजाया गया है—पहले loop, फिर tools, फिर memory, फिर frameworks और उसके बाद production concerns—और Agent Lab आपको इसके बारे में केवल पढ़ने के बजाय result को होते हुए देखने देता है।
Agent loop का एक हिस्सा पढ़ें
एक lesson में एक ठोस step समझाया जाता है—wire पर tool call कैसा दिखता है, vector database match कैसे लौटाता है और prompt में role separation क्यों ज़रूरी है—वह भी आसान भाषा में और दिन के छोटे-से खाली समय के लिए उपयुक्त लंबाई में।
Agent चलाएं और उसका trace पढ़ें
Agent Lab में किसी agent को task दें और हर tool call, result और answer को एक-एक step करके सामने आते देखें। Trace viewer debugger की तरह काम करता है, इसलिए आप ठीक-ठीक देख सकते हैं कि run कहाँ गलत हुआ। Lessons में Python examples भी हैं, जिन्हें आप सीधे lesson के अंदर चला सकते हैं।
अपना बनाएं, फिर उसे ठीक करें
Agent Builder में system prompt, tools, step budget और task चुनकर अपना agent save करें। Lab missions में आपसे first tool call करने, broken tool call ठीक करने, trace पढ़ने, guardrail जोड़ने, task route करने और parallel agents में काम बाँटने को कहा जाता है। जब trace समझ में न आए, तो AI Mentor बताता है कि model ने ऐसा क्यों किया।
इसमें क्या है
App में वास्तव में क्या-क्या शामिल है
Live
Live runs वाला Agent Lab
किसी agent को task दें और हर tool call, result और answer को step by step सामने आते देखें, फिर run को ऐसे trace viewer में पढ़ें जिसे ठीक-ठीक यह दिखाने के लिए बनाया गया है कि वह कहाँ गलत हुआ। Live runs की daily allowance मुफ़्त है।
60
Beginner से advanced तक courses
60 courses और 239 lessons—पहले LLM agent loop और prompt engineering से लेकर tool calling, RAG, vector databases, LangChain और LangGraph तक, और फिर multi-agent orchestration, computer-use agents तथा production deployment तक।
5
Orchestration Lab
पाँच patterns की साथ-साथ तुलना करें—single agent, sequential pipeline, router, parallel fan-out और generator with critic—और देखें कि इनमें से हर pattern speed, cost और reliability के बीच कैसे संतुलन बनाता है। एक pattern मुफ़्त है; बाकी सभी को Pro unlock करता है।
बनाएं
Agent Builder
System prompt, tools, step budget और task चुनें, फिर अपने agents save करके उन्हें Lab में चलाएं।
6
Lab missions और Python examples
छह agent missions—first tool call, broken call ठीक करना, trace पढ़ना, guardrail जोड़ना, task route करना और parallel agents में काम बाँटना—साथ ही Python examples जिन्हें आप lessons के अंदर ही चला सकते हैं।
AI
AI Mentor
पूछें कि tool call ने data का गलत shape क्यों लौटाया या agent ने उसी step को दो बार loop क्यों किया, और कुछ ही seconds में आसान भाषा में answer पाएं।
पृष्ठभूमि
AI agent क्या है और इसे बनाना वास्तव में किस-किस चीज़ को शामिल करता है?
AI agent ऐसा program है जो केवल यह तय नहीं करता कि क्या कहना है, बल्कि language model की मदद से यह तय करता है कि अगला काम क्या करना है। यह एक ही reply लौटाने के बजाय एक loop चलाता है: स्थिति पढ़ना, कोई action चुनना, tool call करना—जैसे search index, database, API या code का कोई हिस्सा—result पढ़ना और goal पूरा होने तक यही प्रक्रिया दोहराना। इसे बनाना मुख्यतः उस loop के आसपास engineering करना है: यह तय करना कि model किन tools को call कर सकता है, उसे मिलने वाले data को व्यवस्थित करना, tool के fail होने या malformed response मिलने वाले step को संभालना और पिछले steps की पर्याप्त memory बनाए रखना, ताकि agent वही काम दोबारा न करे।
Tool callingfunction calling
यह वह mechanism है जो model को structured call जारी करके कोई वास्तविक action करने का अनुरोध करने देता है—जैसे query चलाना, page लाना या email भेजना—जिसे आपका code execute करता है और result वापस model को देता है। यही उस model के बीच की कड़ी है जो केवल text predict करता है और उस program के बीच जो वास्तव में कुछ करता है।
RAGretrieval-augmented generation
सवाल पूछे जाने के समय relevant documents लाना—आमतौर पर embeddings वाले vector database से—और उन्हें context के रूप में model को देना, ताकि answer उस data पर आधारित हो जिसे आपने खुद दिया है, न कि केवल उस जानकारी पर जिसे model ने training के दौरान याद किया था।
Agent frameworksLangChain, LangGraph, LlamaIndex
ऐसी libraries जो agent के दोहराए जाने वाले हिस्सों—खुद loop, memory, tool wiring और stateful multi-step graphs—को संभालती हैं, ताकि आपका ध्यान नीचे की plumbing के बजाय अपने agent से जुड़ी खास logic पर रहे।
Multi-agent orchestrationऐसे agents जो दूसरे agents का इस्तेमाल करते हैं
यह वह pattern है जिसमें एक agent sub-tasks दूसरे agents को सौंपता है—जैसे researcher agent, coder agent और reviewer agent—और हर agent के अपने tools और context होते हैं। इन्हें एक ऐसी layer coordinate करती है जो तय करती है कि अगला काम कौन करेगा और वापस मिले results को एक साथ कैसे जोड़ा जाए।
उपयुक्तता
यह किन लोगों के लिए है — और किनके लिए नहीं
आपके लिए सही है, अगर आप
- क्या आप ऐसा agent बनाना चाहते हैं जो केवल chatbot को prompt करने के बजाय वास्तव में किसी tool या database को call करे
- क्या आप LLMs के बारे में बिल्कुल शुरुआत से सीख रहे हैं और frameworks पर जाने से पहले agent loop को समझना चाहते हैं
- क्या आप किसी एक सामान्य template के बजाय खास platforms — Slack bots, GitHub agents और database agents — पर व्यावहारिक कोर्स चाहते हैं
- क्या आप ऐसे developer हैं जो LangChain और LangGraph को केवल diagram में नहीं, बल्कि काम करने वाले code में इस्तेमाल होते देखना चाहते हैं
- क्या आप अंततः multi-agent orchestration और production deployment तक पहुँचना चाहते हैं, किसी toy demo पर रुकना नहीं
आपके लिए सही टूल नहीं है, अगर आप
- क्या आप पूरी 60-course library मुफ़्त में चाहते हैं — पहला कोर्स मुफ़्त है, जबकि Pro बाकी सभी को unlock करता है
- क्या आप free tier में ads नहीं चाहते; Pro इन्हें हटा देता है
- क्या आपको free tier में unlimited AI Mentor चाहिए, जबकि इसमें daily allowance मिलता है
- क्या आप पहले से production में agents चला रहे हैं और build-order course के बजाय research papers चाहते हैं
सवाल
अक्सर पूछे जाने वाले सवाल
फोन पर AI agents सीखने के लिए सबसे अच्छा app कौन-सा है?
वह app जो आपको agent loop के बारे में पढ़ने से लेकर उसे चलते हुए देखने तक ले जाए। Learn AI Agents: Agentic AI में पहले LLM loop से लेकर tool calling, RAG और LangChain होते हुए multi-agent orchestration तक 60 कोर्स हैं। इसमें Agent Lab भी है, जहाँ आप हर tool call और उसके result को trace में देख सकते हैं, और उस समय के लिए AI Mentor है जब किसी tool call का परिणाम आपकी अपेक्षा के अनुसार न हो। इसे iOS और Android पर मुफ़्त में शुरू किया जा सकता है।
सरल शब्दों में AI agent क्या होता है?
AI agent एक ऐसा प्रोग्राम है जो केवल यह तय नहीं करता कि क्या कहना है, बल्कि यह भी तय करने के लिए language model का इस्तेमाल करता है कि अगला कदम क्या होना चाहिए। यह एक loop चलाता है: स्थिति को पढ़ना, कोई action चुनना, search index, database या API जैसे tool को call करना, परिणाम पढ़ना और फिर दोहराना। अगला कदम क्या होना चाहिए, इसका निर्णय model करता है; आसपास का code — जिसे लिखना यह app सिखाता है — tools उपलब्ध कराता है और action को execute करता है।
AI agent और chatbot में क्या अंतर है?
Chatbot एक message लेता है और एक reply देता है — text अंदर, text बाहर; दुनिया में कुछ नहीं होता। Agent को एक goal दिया जाता है और वह उसे हासिल करने तक काम करता रहता है। इस दौरान वह वास्तविक actions लेता है: database से query करना, API call करना, file पढ़ना, अपने output की जाँच करना और कोई step विफल होने पर दोबारा कोशिश करना। Learn AI Agents के tool calling और agent loops वाले कोर्स इसी अंतर पर केंद्रित हैं — model के decision को action में बदलने के लिए code में क्या मौजूद होना चाहिए।
क्या AI agents सीखने से पहले मुझे coding आना ज़रूरी है?
Code के साथ कुछ सहजता मददगार है, लेकिन पहला कोर्स यह मानकर चलता है कि आपको कुछ नहीं आता और शुरुआत इस बात से करता है कि LLM agent loop होता क्या है। हर पाठ में थोड़ी theory के साथ Python examples दिए जाते हैं, जिन्हें आप पाठ के अंदर चला सकते हैं। इस तरह coding को agent concepts के साथ-साथ सीखा जाता है, किसी अलग prerequisite के रूप में नहीं। Learn AI Agents: Agentic AI beginners और developers, दोनों के लिए है।
RAG क्या है और agent course में vector databases को क्यों शामिल किया गया है?
Retrieval-augmented generation का मतलब है कि सवाल पूछे जाने के समय relevant documents खोजकर model को context के रूप में दिए जाएँ, ताकि उसका answer training के दौरान याद की गई जानकारी के बजाय आपके अपने data पर आधारित हो। Vector databases व्यवहार में इसी retrieval को संभव बनाते हैं — वे embeddings को store करते हैं और किसी query से सबसे मिलते-जुलते results तेज़ी से लौटाते हैं। किसी खास codebase, product या document set के बारे में सवालों के जवाब देने वाले agents लगभग हमेशा इस pattern पर निर्भर करते हैं। इसी कारण इसे केवल एक paragraph के बजाय dedicated courses मिले हैं।
LangChain, LangGraph और LlamaIndex में क्या अंतर है?
LangChain agent के सामान्य हिस्सों — prompts, tools और memory — को आपस में जोड़ता है, ताकि आपको यह plumbing शुरू से न बनानी पड़े। LangGraph इसके ऊपर स्पष्ट state और branching जोड़ता है, इसलिए यह उन agents के लिए उपयुक्त है जिनके steps पहले क्या हुआ, उस पर निर्भर करते हैं, न कि केवल एक simple linear chain पर। LlamaIndex retrieval वाले हिस्से में विशेषज्ञता रखता है: आपके documents को कुशलता से load, index और query करना। Learn AI Agents में इन सभी के लिए dedicated course है, और Multi-Tool Agents course ReAct pattern को कवर करता है, जिसके आधार पर इन्हें अक्सर बनाया जाता है।
क्या 2026 में AI agents सीखना उपयोगी है?
Agents उन स्पष्ट तरीकों में से एक हैं जिनसे language model केवल किसी काम का वर्णन करने के बजाय उसे पूरा करने वाली चीज़ बन जाता है। इनके मूल skills अलग-अलग frameworks में भी काम आते हैं: tool design, prompt structuring, retrieval और यह पहचानना कि automated loop को कब रुककर किसी इंसान से पूछना चाहिए। Learn AI Agents: Agentic AI में agent safety, guardrails, evaluation और cost and latency optimisation पर कोर्स शामिल हैं — यानी वे सवाल जिनका सामना teams को agent launch करने के बाद करना पड़ता है।
क्या Learn AI Agents: Agentic AI मुफ़्त है?
इसे download करना मुफ़्त है और शुरुआत करना भी मुफ़्त है। पहला कोर्स, LLM-based agents का introduction, मुफ़्त है। इसके साथ daily AI Mentor allowance, एक Orchestration Lab pattern, आपका पहला Agent Builder design और live runs का daily allowance भी मिलता है। Pro हर course और हर orchestration pattern को unlock करता है, daily run limit हटाता है और ads भी हटा देता है।
क्या अंत में certificate मिलता है?
हाँ। Final exam पास करने पर completion certificate मिलता है, जिसे आप अपने बनाए हुए agents के साथ दिखा सकते हैं। यह आपके किए गए काम का प्रमाण है, accredited academic qualification नहीं।
यह किन platforms और languages को support करता है, और इसके दो नाम क्यों हैं?
Learn AI Agents: Agentic AI iPhone (iOS 15.1 या बाद का version) और Android पर चलता है। इसका interface 22 languages में उपलब्ध है और इसकी rating 4+ है। Google Play listing का शीर्षक Learn AI Agents: Agentic AI है, जबकि App Store पर यही app Learn AI Agents नाम से listed है। यह CoddyKit का हिस्सा है, जो 40+ coding apps का परिवार है। इसलिए इसका lesson format इस range के अन्य courses के साथ साझा है।
शुरू करें
आज ही अपना पहला AI agent चलाएँ
iOS और Android पर 22 languages में मुफ़्त में शुरुआत करें।
CoddyKit की ओर से और
iOS और Android पर उपलब्ध है।