LangGraph實戰開發AI Agent全攻略：掌握AI模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書） (1版)

類似書籍推薦給您

【簡介】 透過LangGraph框架，晉升企業爭相延攬的AI專家 兼具生成式AI理論深度與多代理實戰應用，助你從基礎走向職場競爭力的飛躍之路 　　♚從入門到精通：由淺入深學習，奠定紮實的技術基本功 　　♚實戰案例導向：精選真實操作案例，立即落實專案成果 　　♚破解系統瓶頸：掌握高階開發技巧，降低知識學習門檻 　　♚提升技術實力：全方位提升AI技能，成為AI專業人才 　　本書改編自第16屆iThome鐵人賽生成式AI組優選系列文章《2024年用LangGraph從零開始實現Agentic AI System》。內容直擊生成式AI領域的痛點與實務需求，從基礎到進階完整掌握AI代理技術，幫助讀者在職涯道路上迅速脫穎而出。 　　全書以目前生成式AI領域炙手可熱的LangGraph框架為主軸，搭配真實的企業專案案例，從核心觀念、設計模式到實戰應用逐步展開，讓讀者一步到位地學會如何設計、部署並管理高效的多代理系統。透過即學即用的程式碼範例與場景式實務指引，讀者能在短時間內提升技術實力，成為企業爭相搶奪的生成式AI專家。 　　【目標讀者】 　　✪想要掌握生成式AI技術、提升職涯競爭力的初階及中階工程師。 　　✪正在求職、轉職，極需具體實務經驗來增加求職籌碼的技術人員。 　　✪想要快速落實AI專案並推動團隊轉型的產品經理、資料科學家與主管。 　　✪希望在生成式AI熱潮中卡位、提升個人價值的職場人士。 　　✪需要掌握AI Agent商業應用案例與導入流程、加速企業數位轉型的人員。 專業推薦 　　作者透過此書將他多年專業淬煉的精華與讀者分享，幫助讀者以最高效的學習路徑，獲得最大幅度的專業提升。─ 賴毓敏，台灣先進智慧公司AI科學家 　　「含金量極高！」本書不僅是入門寶典，更是一位資深實踐者實戰經驗的結晶。從代理型AI核心概念出發，對比LangChain與LangGraph到前沿的Agentic RAG技術，清晰呈現技術演進的脈絡。書中的「作者觀點」更是精髓，時刻引導讀者避開思路誤區。無論想打造AI助理大軍，或優化內部流程提高生產力，本書都能一步步引導你，將AI技術轉化為事業成功的利器。─ 江翊先，Google半導體工程師 　　作者以平鋪直敘而蘊含工業強度的實務分享，深入淺出地解釋「代理型框架」（Agentic AI）的核心概念，讓讀者直接體會AI如何從單純的「生成」邁向「自主行動、決策與自我精進」。書中透過建構「能思考、規劃、行動甚至自我修正」的智慧應用，以及養護好LLM應用的生命週期的實作，作者詳細展示了LangGraph、 Adaptive-RAG、LangFuse等強大的LLMOps方法論、框架組合。不用浪費時間踩雷，讀者們直接站上了LLM前沿實務經驗的肩膀上，看見全新的風景。─ 鮑聖文，THXLAB架構師 【目錄】 【Part 01 核心概念】 |Chapter 01| 駕馭未來：探索代理型框架的世界 1.1 從生成到行動：代理型AI的崛起 1.2 代理型工作流：組織AI代理的自主行動 1.3 引出實現代理型框架的利器：LangGraph 1.4 代理型框架的商用浪潮：LangGraph賦能的企業實例 1.5 小結：通往更加自主的AI道路 |Chapter 02| LangGraph核心元件：節點、邊與狀態 2.1 LangGraph介紹與核心亮點 2.2 為什麼LangGraph讓AI流程活起來？ 2.3 LangChain vs. LangGraph：它們不一樣的地方在哪裡？ 2.4 介紹LangGraph適用於多種場景 2.5 LangGraph的三大核心 2.6 LangGraph使用時可能遇到的挑戰 2.7 小結 |Chapter 03| 即時回饋的祕密：LangChain串流技術 3.1 為什麼串流如此重要？ 3.2 深入了解AI回應的互動機制：invoke() vs. stream() 3.3 結合LangChain表達語言（LCEL）實現持續串流 3.4 小結：串流功能 |Chapter 04| 將串流應用到LangGraph流程中 4.1 LangGraph串流模式概覽 4.2 values()串流模式：觀察圖的完整狀態演變 4.3 updates()串流模式：精確追蹤節點的增量更新 4.4 多模式串流：設定範例 4.5 messages串流模式：即時取得LLM逐字輸出 4.6 小結 |Chapter 05| 記憶：掌握AI對話上下文與跨會話知識的關鍵 5.1 記憶類型概覽：短期與長期記憶 5.2 短期記憶：對話上下文的守護者 5.3 長期記憶：跨會話知識的傳承 5.4 記憶類型的概念類比 5.5 小結 |Chapter06| LangChainTools深度解析：打造AI的外掛能力 6.1 Tools建立指南：AI模型的外掛功能 6.2 從函式建立Tools：簡單又強大 6.3 工具錯誤處理：打造穩健的AI應用程式 |Chapter 07| LangGraph實戰應用：ToolNode與AI互動流程 7.1 LangGraph如何善用ToolNode：AI的行動中心 7.2 天氣查詢範例 7.3 小結 |Chapter 08| 人機迴圈：讓AI流程也能請示人類 8.1 什麼是人機迴圈？ 8.2 為什麼需要人機迴圈？ 8.3 核心魔法：interrupt函式與Command原語 8.4 啟動人機迴圈的關鍵步驟 8.5 人機迴圈的三大應用模式 8.6 實戰演練：示範「批准或拒絕」模式 8.7 小結 |Chapter 09| LangGraph的時間旅行與狀態深度解析 9.1 LangGraph的狀態：AI代理的記憶與軌跡 9.2 時間旅行：回溯、檢查與探索 9.3 小結：時間旅行與狀態管理的意義 |Chapter 10| LangGraph功能型API：用Python函式打造智慧AI工作流程  10.1 深入理解LangGraph的功能型API 10.2 功能型API的應用時機與優勢 10.3 實戰演練：自動化會議摘要與待辦事項生成 10.4 功能型API與圖形API的差異比較 10.5 小結 【Part 02 AI代理設計模式】 |Chapter 11| AI代理自我反思：深入探討Self-Refine 11.1 什麼是Reflection Agents？ 11.2 Reflection機制的核心步驟 11.3 Reflection的核心價值與應用：為什麼需要AI自我反思？ 11.4 Self-Refine：Reflection的基礎實踐與運作原理 11.5 動手實踐：使用LangGraph實現Self-Refine 11.6 小結 |Chapter 12| Planning：賦予AI自主規劃能力 12.1 Planning：AI自主規劃的關鍵 12.2 Planning的運作機制：AI如何計畫？ 12.3 Plan-and-Solve：Planning Agent的核心框架 12.4 LangGraph實踐：打造具備規劃能力的智慧代理 12.5 小結 |Chapter 13| 多協作模式讓AI團隊實現智慧分工 13.1 多代理系統：新一代AI協作的基石 13.2 多代理系統有哪些優勢？ 13.3 協作模式：智慧分工的藝術 13.4 實現高品質的多代理協作翻譯系統 13.5 小結  |Chapter 14| 多代理協作：監督者模式 14.1 監督者模式：核心原理 14.2 設計：台灣棒球與啦啦隊新聞處理系統 14.3 使用LangGraph框架實現工作流程 14.4 小結 【Part 03 RAG篇】 |Chapter 15| 從基礎到進階：掌握RAG與Agentic RAG 15.1 RAG的誕生：解決LLM固有挑戰的必然選擇 15.2 RAG的核心機制：資訊檢索與生成的完美結合 15.3 RAG的廣泛應用與顯著優勢 15.4 Agentic RAG：使用LangGraph打造智慧檢索系統 15.5 小結：RAG技術是提升AI系統效能的新方法 |Chapter 16| CRAG：檢索增強生成的糾錯機制 16.1 CRAG技術概述與理論基礎 16.2 檢索增強生成技術的演進：從傳統RAG到CRAG 16.3 傳統RAG的技術瓶頸：相關性低與資訊冗餘問題 16.4 CRAG的核心機制：突破傳統RAG的限制 16.5 CRAG提出什麼機制解決問題？ 16.6 從理論到實踐：使用LangGraph實現CRAG 16.7 小結：CRAG如何讓AI問答系統更上一層樓 |Chapter17| Adaptive-RAG：動態檢索策略提高系統問答精準度  17.1 Adaptive-RAG的定義與核心理念  17.2 Adaptive-RAG與傳統RAG的比較  17.3 Adaptive-RAG的核心元件  17.4 Adaptive-RAG的實作關鍵  17.5 小結：Adaptive-RAG的革新意義與未來展望 【Part 04 工具篇】 |Chapter 18| Ollama初探與基礎使用 18.1 什麼是Ollama？ 18.2 Ollama有哪些特點？ 18.3 安裝Ollama 18.4 啟動Ollama服務 18.5 進階：想把Ollama的能力整合到你自己的程式裡嗎？（給開發者看） 18.6 Ollama支援的大型語言模型 |Chapter 19| 揮別命令列：用WebUI讓Ollama更好聊 19.1 運用Docker執行Ollama，讓環境更獨立乾淨 19.2 如何在Docker容器中執行模型？ 19.3 在Google Colab上快速試玩Ollama（給喜歡嘗鮮的你） 19.4 打造友善介面：Ollama+ Web UI一站式懶人包 |Chapter 20| LangGraphStudio V2指南 20.1 為什麼採用LangGraphStudio作為Agent開發工具 20.2 LangGraphStudio：AI代理開發的三大必殺技 20.3 LangGraphStudio本地環境建立：啟動你的開發引擎 20.4 LangGraphStudio核心功能導覽：與你的AI代理互動與偵錯 20.5 小結 |Chapter 21| LangFuse：打造AI代理觀測系統 21.1 為何AI代理需要LangFuse？ 21.2 自行託管LangFuse：資料掌控與高度定制 21.3 為你的LLM團隊增加評分系統 21.4 LangFuse提示管理：你的提示語中控台 21.5 LangGraph與LangFuse：實戰可觀測性 21.6 小結 【Part 05 專案篇】 |Chapter 22| 動手打造你的第一個AI應用程式：FastAPI、Streamlit、LangServe的實戰入門 22.1 專案先預覽：我們要一起做出什麼？ 22.2 動手前準備：開發環境設定指南 22.3 後端開發：用FastAPI建構你的AI服務骨架 22.4 啟動程式：讓你的FastAPI服務跑起來！ 22.5 部署API：善用LangServe輕鬆部署 22.6 前端開發：用Streamlit打造應用網頁介面 |Chapter 23| MCP：讓大模型更容易使用外部工具的技術  23.1 認識一下模型上下文協定  23.2 我們為什麼需要MCP？它解決了什麼痛點？  23.3 MCP和函式呼叫到底差別在哪？  23.4 MCP協定是怎麼連線的？  23.5 打造MCP的神兵利器：FastMCP  【Part 06 附錄】 |Appendix A| 當AI遇上軟體架構：狀態管理的新思考  A.1 狀態管理與流程控制  A.2 小結與思考：AI時代的狀態管理展望  |Appendix B| 在Ollama上執行你的模型  B.1 GGUF格式  B.2 小結  

Microsoft Azure學習手冊｜雲端運算與雲端系統開發的關鍵知識 (1版)

類似書籍推薦給您

【簡介】 內容簡介:貴公司若計畫將既有應用系統轉移到雲端、實作混合或多雲解決方案、或以現代化方式重構既有應用系統，以增強其可擴展性，本書就是你的解方。軟體開發人員、解決方案架構師和雲端工程師將從本書獲得微軟Azure的雲端運算、遷移、轉型和系統開發的基礎概念。作者將帶領你深入瞭解雲端運算的概念和部署模型、各式現代雲端技術、如何在Azure上發展應用系統，包括團隊協作服務、安全服務，以及微軟Azure的雲端遷移選項。讀者將可深入瞭解適用於不同業務情境、軟體專案開發和現代解決方案的微軟Azure雲端服務，本書也會深入探討Azure容器開發與無伺服器計算技術，以及提供給開發人員的生產力工具，這些工具可協助IT團隊更快速、有效地完成任務。* 瞭解雲端運算和微軟Azure的基礎知識* 探索最適合貴公司特殊需求的Azure雲端服務* 利用Azure處理不同應用情境和特殊技術的要求* 使用Azure和基礎設施即程式代碼（IoC）著手開發雲端服務、應用系統和解決方案* 培養實作IT基礎設施治理原則和雲端安全性的能力* 從作者在Azure遷移作業的實際經驗，獲得真實的專案建議和最佳實務作法閱讀本書將會是一趟Azure奇妙之旅，既適合新手、也適合高手去追求的雲端寶藏。這是本全方位指南，指引初學者一條康莊大道，也是經驗豐富的專業人士之隨身寶典。——Peter T. Lee，Capgemini America管理交付架構師—— 【目錄】 章節說明:第一篇　雲端運算和微軟Azure基礎知識第 1 章　雲端運算基礎知識　關於雲端運算　現代雲端之旅　雲端運算的部署類型 多雲架構　公有雲供應商　雲端運算服務模型　雲端運算和Azure的共同責任　資本支出和營運支出　採用和轉型到現代雲端技術的好處第 2 章　微軟Azure基礎知識　Azure作為公有雲供應者　Azure入口網站　Azure的服務　Azure的核心架構和資源管理概念　Azure地理位置、地區、地區對和可用性區域　Azure的成本管理　Azure的使用者身分、角色和活動目錄第二篇　計算、網路、儲存和資料庫第 3 章　Azure的雲端運算服務　使用Azure計算服務開發完全受控的系統　Azure虛擬機器和虛擬機器擴展集　Azure App服務　靜態Web App　無伺服器運算服務　Azure的容器服務　認識Azure的量子運算第 4 章　Azure的雲端網路服務　Azure網路服務　Azure網路服務的類型　Azure Space超越雲端的網路第 5 章　Azure的雲端儲存和資料庫服務　雲端的資料儲存體和資料庫 大數據、結構化和非結構化資料庫 Azure儲存體和資料庫服務 Azure儲存體　Azure資料庫服務第三篇　人工智慧、機器學習、大數據、物聯網和安全性第 6 章　Azure的人工智慧、機器學習和認知服務　Azure 裡的人工智慧概念　Azure OpenAI服務和Chat-GPT的演進　機器學習（ML）　Azure 的有道德和負責任AI　Azure AI和認知服務　Azure 機器學習　Azure 應用型AI服務第 7 章　Azure的大數據、報告和分析服務　Azure 的大數據、報告和分析服務　Azure 的大數據解決方案　資料分析　Azure 的大數據和分析服務　總結 Azure 的資料管理和分析第 8 章　雲端物聯網（IoT）和地圖服務　物聯網（IoT）　Azure 地圖第 9 章　Azure 的安全性、身分管理和DevSecOps　網路安全及其重要性　雲端的零信任方法論 網路安全、DevSecOps和保護Azure基礎設施　Azure對應用程式、資料庫和網路的安全防護　Azure的安全最佳作法　DevSecOps：開發、DevOps和基礎設施裡的安全性 在DevOps採用安全實務作法第四篇　整合、基礎設施和DevSecOps第 10 章　Azure雲端整合服務和工具　雲端整合的好處　Azure上的雲端整合　Azure API管理服務　Azure邏輯App　Azure服務匯流排：雲端訊息傳遞代理服務　Azure Web發布與訂閱　Azure事件方格第 11 章　Azure的雲端基礎設施、DevOps和監控　雲端原生基礎設施　現代應用程式開發和DevOps　Azure DevOps　用於教育訓練、測試和展示的Azure DevTest實驗室　搭配GitHub從事雲端開發和DevOps作業　雲端基礎設施的自動化和管理機制 使用Azure資源管理器和Bicep實作IaC　Azure的監控服務和基礎設施管理第五篇　治理、遷移、架構和開發工具第 12 章　Azure的雲端管理和治理　雲端基礎設施管理和治理 Azure資源管理器 Azure藍圖（預覽版） 用於監控和維護可靠性的Azure監視器 Azure自動化服務　用於合規性和原則管理的Azure原則　FinOps和 Azure的成本管理　為Azure優化成本管理　雲端管理和治理的演進第 13 章　Azure的雲端遷移、混合環境和多雲端解決方案　雲端採用和現代化　雲端採用和遷移的反面模式　Azure良好架構框架的五大支柱　Azure的雲端採用框架　Azure良好架構檢閱　用於評估和檢討的微軟評定工具　Azure的混合雲和多雲端解決方案第 14 章　Azure的雲端開發工具　開發工具對開發人員生產力的重要性　為工程師準備的 Azure開發工具　Azure軟體開發套件　Azure命令列工具　Azure Developer CLI　微軟開發箱　給開發人員的Azure DevOps和GitHub　GitHub CLI