datawhalechina/easy-langent

📚“langent”由“lang”与“agent”合并而来的学习教程

해결하는 문제

많은 학습자들이 AI 에이전트 이론을 이해하는 것에서 실제 작동하는 애플리케이션을 구축하는 것으로 넘어가는 데 어려움을 겪습니다. LangChain 및 LangGraph와 같은 공식 프레임워크는 많은 구성 요소와 개념을 가지고 있어 압도적으로 느껴지고 실제 사용과 동떨어진 느낌을 줄 수 있습니다. 이 프로젝트는 구조화된 프로젝트 기반 학습 경로를 제공하여 이론과 실습 사이의 격차를 메웁니다.

작동 방식

이 과정은 8개의 챕터로 구성되어 단계별로 진행됩니다. LangChain 및 LangGraph 프레임워크에 대한 소개로 시작하여 모델 호출, 프롬프트 템플릿, 출력 파싱, 메모리, 도구와 같은 핵심 구성 요소로 이동합니다. 이후 챕터에서는 체인 워크플로우, 검색 증강 생성(RAG), 상태 저장 워크플로우, 다중 에이전트 협업과 같은 고급 주제를 다루며, 마지막으로 "Who is the Spy" 게임 에이전트를 구축하는 실습 프로젝트를 진행합니다. 각 챕터에는 구체적인 작업이 포함되어 있으며, 저장소에는 학습자가 구축한 예제 프로젝트(예: 늑대인간 게임, 대본 살인 게임, 의료 RAG, AI 면접관)도 포함되어 있어 추가 탐구를 장려합니다.

대상 독자

이 과정은 에이전트 개발을 시작하려는 대학생과 개발자를 위해 설계되었습니다. 기본적인 Python 지식, 대규모 언어 모델에 대한 일반적인 이해, 에이전트 개념에 대한 어느 정도의 친숙함을 가정합니다. 이러한 전제 조건이 부족한 경우 README에서 Datawhale의 다른 과정을 먼저 완료할 것을 권장합니다.

주요 특징

  • 프레임워크 기본부터 고급 다중 에이전트 시스템까지 구조화되고 점진적인 학습 경로
  • 학습을 강화하기 위한 모든 챕터의 실용적인 작업
  • LangChain 및 LangGraph 구성 요소 모두에 대한 포괄적인 커버리지
  • 학습자 팀의 실제 프로젝트 예제 모음 포함
  • 오픈소스이며 GitHub Pages 또는 미러 사이트를 통해 온라인에서 무료로 읽을 수 있음

관련

  • 프로젝트
  • 프로젝트
  • 프로젝트
  • 프로젝트