Ubuntu TechHive
building-llm-agents-with-langchain-and-langgraph.md
Building Llm Agents With Langchain And LangGraph
article.detalhe

Building Llm Agents With Langchain And LangGraph

K
Kofi Boateng
9 min de leitura
Publicado
reading.progresso 9 min de leitura

Descrição da Construção de Agentes LLM com Langchain e LangGraph

Agenda

Português

  • Introdução aos Agentes LLM:

  • Construindo Agentes LLM Simples:

  • Desenvolvimento Avançado de Agentes LLM:

  • Apresentação do Projeto: Construindo um Aplicativo de Agente de Viagens:

  • Simplificando o Desenvolvimento com o Autogen Studio da Microsoft:

  • Demonstração do Projeto Final:

Français

  • Introduction aux agents LLM :

  • Création d'agents LLM simples :

  • Développement d'agents LLM avancés :

  • Présentation du projet : Création d'une application d'agent de voyages :

  • Simplification du développement avec Autogen Studio de Microsoft :

  • Démonstration du projet de fin d'études :

Visão Geral dos Agentes LLM e Suas Aplicações

Introdução aos Agentes LLM

Português

Definição: Agentes de Modelos de Linguagem Grande (LLM) são sistemas de IA projetados para entender, gerar e responder à linguagem humana de uma forma que simula a interação humana. Os Agentes LLM podem automatizar tarefas, fornecer insights, auxiliar na tomada de decisões e aprimorar as experiências do usuário em várias indústrias. Para entender o que são os agentes LLM, precisamos dar um passo atrás para entender o que é um LLM e como os agentes surgiram. Modelos de Linguagem Grande (LLMs) são modelos avançados de inteligência artificial projetados para entender e gerar texto semelhante ao humano. Esses modelos são tipicamente baseados em arquiteturas de aprendizado profundo, especificamente transformadores, que lhes permitem processar e produzir linguagem natural com alta precisão e coerência. Os LLMs são treinados em vastas quantidades de dados de texto, permitindo-lhes aprender as complexidades da linguagem, incluindo gramática, contexto, semântica e até mesmo algum nível de senso comum.

raciocínio nse.

Francês

Definição: Agentes LLM (Large Language Model) são sistemas de IA projetados para compreender, gerar e responder à linguagem humana de uma forma que simula uma interação de tipo humano. Os agentes LLM podem automatizar tarefas, fornecer informações, auxiliar na tomada de decisões e melhorar a experiência do usuário em diversos setores. Para entender o que são os agentes LLM, precisamos dar um passo atrás para entender o que é o LLM e como os agentes nasceram. Grandes modelos de linguagem (LLM) são modelos avançados de inteligência artificial projetados para compreender e gerar texto semelhante ao humano. Esses modelos são geralmente baseados em arquiteturas de aprendizado profundo, em particular transformadores, que lhes permitem processar e produzir linguagem natural com grande precisão e coerência. Os LLM são treinados em gr

grandes quantidades de dados textuais, o que lhes permite aprender as sutilezas da linguagem, incluindo gramática, contexto, semântica e até mesmo um certo nível de raciocínio de bom senso.

Transformadores e LLMs:

Português

Os Transformers, introduzidos em 2017 com o artigo "Attention is All You Need", tornaram-se a base para o PNL moderno. LLMs como GPT-3 e BERT demonstraram capacidades linguísticas sem precedentes, compreendendo o contexto, gerando texto coerente e realizando tarefas linguísticas complexas.

Français

Les transformateurs, introduits en 2017 avec le document « Attention is All You Need », sont devenus la base du PNL moderne. Des LLM comme GPT-3 et BERT ont démontré des capacités linguistiques sans précédent, comprenant le contexte, générant du texte cohérent et effectuant des tâches linguistiques complexes.

Surgimento de Agentes Inteligentes

Português

Agentes Inteligentes surgiram nos anos 2020 – Atualmente. Baseando-se nos avanços dos LLMs, agentes inteligentes emergiram, combinando a autonomia dos agentes tradicionais com capacidades linguísticas avançadas. Esses agentes podem compreender e gerar linguagem natural, interagir com usuários, integrar ferramentas e APIs externas e realizar tarefas complexas.

Français

Les agents intelligents sont apparus dans les années 2020 – aujourd’hui. S’appuyant sur les avancées des LLM, des agents intelligents ont émergé, combinant l’autonomie des agents traditionnels avec des capacités linguistiques avancées. Ces agents peuvent comprendre et générer du langage naturel, interagir avec les utilisateurs, intégrer des outils et des API externes et effectuer des tâches complexes.

Agentic Systems

Português

LangChain e Outros Frameworks:

Frameworks como LangChain fornecem ferramentas para desenvolver e gerenciar agentes inteligentes, permitindo a integração com LLMs e ferramentas externas. Esses agentes podem realizar uma ampla gama de tarefas, desde suporte ao cliente até assistência pessoal e fluxos de trabalho automatizados.

Exemplos de Agentes Inteligentes Modernos:

a.Chatbots e Assistentes Virtuais:

  • Alimentados por LLMs, esses agentes fornecem interação semelhante à humana, lidando com consultas de clientes, agendamento e tarefas pessoais.

  • Exemplos: ChatGPT da OpenAI, Google Assistant, Amazon Alexa.

b.Suporte ao Cliente Automatizado:

  • Agentes integrados com sistemas CRM para lidar com tickets de suporte, fornecer informações e resolver problemas.

  • Exemplos: Bots de suporte automatizado da Intercom, Zendesk Answer Bot.

c.Recomendações Personalizadas:

  • Agentes que analisam as preferências e comportamentos do usuário para fornecer recomendações personalizadas de produtos, serviços ou conteúdo.

  • Exemplos: motor de recomendação da Netflix, recomendações de produtos da Amazon.

d.Automação de tarefas:

  • Agentes que automatizam tarefas repetitivas, como entrada de dados, geração de relatórios e gerenciamento de e-mail.

  • Exemplos: bots RPA da UiPath, Power Automate da Microsoft.

Français

LangChain et autres frameworks:

Les frameworks comme LangChain fournissent des outils pour développer et gérer des agents intelligents, permettant l'intégration avec des LLM et des outils externes. Ces agents peuvent effectuer un large éventail de tâches, du support client à l'assistance personnelle et aux flux de travail automatisés.

Exemples d'agents intelligents modernes:

a.Chatbots et assistants virtuels:

  • Alimentados por LLMs, esses agentes oferecem interação semelhante à humana, processam solicitações de clientes, planejam e executam tarefas pessoais.

  • Exemplos: ChatGPT da OpenAI, Google Assistant, Amazon Alexa.

b.Suporte ao cliente automatizado:

  • Agentes integrados a sistemas CRM para gerenciar tickets de suporte, fornecer informações e resolver problemas.

  • Exemplos: bots de suporte automatizados da Intercom, Zendesk Answer Bot.

c.Recomendações personalizadas:

  • Agentes que analisam as preferências e comportamentos dos usuários para fornecer recomendações personalizadas de produtos, serviços ou conteúdo.

  • Exemplos: motor de recomendação da Netflix, recomendações de produtos da Amazon.

d.Automação de tarefas:

  • Agents qui automatisent les tâches répétitives, telles que la saisie de données, la génération de rapports et la gestion des e-mails.

  • Exemples : les robots RPA d'UiPath, Power Automate de Microsoft.

Aplicações de Agentes LLM

Inglês

  • Atendimento ao Cliente: Automatizar respostas a perguntas de clientes, fornecendo suporte 24 horas por dia, 7 dias por semana.

  • Criação de Conteúdo: Auxiliar na escrita, edição e geração de conteúdo criativo.

  • Educação: Personalizar experiências de aprendizagem, tutoria e fornecer recursos educacionais.

  • Saúde: Oferecer aconselhamento médico preliminar, agendar consultas e gerenciar registros de pacientes.

  • Finanças: Auxiliar no planejamento financeiro, gerenciar orçamentos e fornecer aconselhamento de investimento.

  • Viagens e Hospitalidade: Planejar viagens, reservar acomodações e fornecer recomendações de viagem.

Français

  • Atendimento ao cliente: automação de respostas a consultas de clientes, suporte 24 horas por dia, 7 dias por semana.

  • Criação de conteúdo: assistência na redação, edição e geração de conteúdo criativo.

  • Educação: personalização de experiências de aprendizagem, tutoria e fornecimento de recursos educacionais.

  • Saúde: oferta de aconselhamento médico preliminar, agendamento de consultas e gestão de prontuários de pacientes.

  • Finanças: assistência no planeamento financeiro, gestão de orçamentos e fornecimento de aconselhamento de investimento.

  • Viagens e hotelaria: planeamento de viagens, reserva de alojamentos e fornecimento de recomendações de viagem.

Projeto Final

graph TD
START --> A [Planejador de Viagens]
A --> B [Selecionar Hotéis]
A --> C [Selecionar Passagens Aéreas]
A --> D [Selecionar Eventos]
B --> E [Loop de Feedback]
C --> E [Loop de Feedback]
D --> E [Loop de Feedback]
E --> F [Verificar Requisitos do Usuário]
F --> A
F --> END

Português

Como projeto final, construiremos um aplicativo de Agente de Viagens baseado em LLM Agent que potencialmente reserva passagens aéreas, acomodação e fornece recomendações de eventos no local de destino.

Français

En tant que projet de fin d'études, nous allons créer une application d'agent de voyages basée sur LLM Agent qui permet potentiellement de réserver des billets d'avion, de réserver un hébergement et de fournir des recommandations d'événements dans le lieu de destination.

Compreendendo os Fundamentos de LangChain e LangGraph

Português

Definição: Um dos frameworks comerciais para a construção de aplicações alimentadas por LLM, focado na criação de cadeias de operações que processam e respondem a entradas. As principais características do LangChain incluem:

  • Design modular para flexibilidade e escalabilidade.

  • Integração com várias ferramentas e fontes de dados.

  • Suporte para a construção de fluxos de trabalho complexos.

LangGraph é uma extensão do LangChain que utiliza estruturas de grafo para gerenciar e visualizar as relações entre diferentes operações e pontos de dados. As principais características do LangGraph incluem:

  • Representação visual de fluxos de trabalho LLM.

  • Depuração e otimização aprimoradas através da análise de grafos.

  • Capacidade de lidar com dependências complexas e fluxos de dados.

Consulte a apresentação da Demonstração para os seguintes tópicos:

Français

Definição: Um dos frameworks comerciais para a criação de aplicações baseadas em LLM, focado na criação de cadeias de operações que processam e respondem a entradas. As principais características do LangChain incluem:

  • Design modular para flexibilidade e escalabilidade.

  • Integração com diversas ferramentas e fontes de dados.

  • Suporte para a criação de fluxos de trabalho complexos.

LangGraph é uma extensão do LangChain que utiliza estruturas gráficas para gerenciar e visualizar as relações entre diferentes operações e pontos de dados. As principais características do LangGraph incluem:

  • Representação visual dos fluxos de trabalho LLM.

  • Depuração e otimização aprimoradas através da análise gráfica.

  • Capacidade de gerenciar dependências e fluxos de dados complexos.

Consulte a apresentação de demonstração para os seguintes tópicos:

LangChain / LangGraph

Inglês

  • Configurando Seu Ambiente de Desenvolvimento

  • Ferramentas e Bibliotecas:

  • Python: Certifique-se de que o Python esteja instalado em seu sistema. Versão recomendada: 3.8 ou superior.

  • IDE ou Editor de Código: Use um Ambiente de Desenvolvimento Integrado (IDE) como PyCharm, VSCode ou Jupyter Notebook para codificação.

  • LangChain e LangGraph: Instale estas bibliotecas usando pip.

  • pip install langchain, langgraph and other libraries

  • Crie um Ambiente Virtual:

python -m venv llm_env
  • Ative seu caminho Python
source llm_env/bin/activate

No Windows

llm_env\Scripts\activate
  • Projete fluxogramas

Francês

  • Configuração do seu ambiente de desenvolvimento

  • Ferramentas e bibliotecas :

  • Python: certifique-se de que o Python esteja instalado em seu sistema. Versão recomendada: 3.8 ou superior.

  • IDE ou editor de código: use um ambiente de desenvolvimento integrado (IDE) como PyCharm, VSCode ou Jupyter Notebook para codificar.

  • LangChain e LangGraph: instale essas bibliotecas usando pip.

  • pip install langchain, langgraph e outras bibliotecas

  • Crie um ambiente virtual:

python -m venv llm_env
  • Ative seu caminho Python
source llm_env/bin/activate

No Windows

llm_env\Scripts\activate
  • Projete fluxos de trabalho

Microsoft’s AutoGen Studio

English

  • Configurando Seu Ambiente de Desenvolvimento

  • Crie e teste o aplicativo Travel Agent baseado em LLM Agent

Français

  • Configuração do seu ambiente de desenvolvimento

  • Crie e teste o aplicativo Travel Agent baseado em LLM Agent

Recursos

Voltar aos artigos