Rozwój agentów AI w Pythonie (LangGraph):
AI i uczenie maszynowe
Zbiór agentów AI zbudowanych w Pythonie przy użyciu frameworka LangGraph — od prostych grafów stanów po pełny system RAG (Retrieval-Augmented Generation), który odpowiada na pytania na podstawie dokumentu PDF.
Co zostało zaimplementowane:
• Grafy agentów ze stanem — węzły, krawędzie, warunkowe routowanie i pętle
• Rozmowne chatboty z pełną pamięcią i rejestrowaniem rozmów
• Agent ReAct — rozumuje i wywołuje narzędzia w pętli myśl→działaj→myśl
• Asystent dokumentów — interaktywny agent, który tworzy, edytuje i zapisuje pliki tekstowe poprzez wywoływanie narzędzi
• System RAG — ładuje PDF, dzieli go na fragmenty, osadza je za pomocą HuggingFace, przechowuje wektory w ChromaDB i odpowiada na pytania oparte na źródle z cytatami (temperatura=0, aby zminimalizować halucynacje)
Stos technologiczny:
Python 3.12 · LangGraph · LangChain · Groq (LLaMA 3.3 70B, GPT-OSS 120B) · ChromaDB · HuggingFace Embeddings
Te projekty demonstrują praktyczne doświadczenie w agentowych przepływach pracy AI: wywoływanie narzędzi, wieloetapowe rozumowanie, zarządzanie pamięcią i generowanie wzbogacone o wyszukiwanie. Dostępny do pracy freelance przy agentach AI, chatbotach i systemach RAG.
#Python #AI #LangGraph #LangChain #RAG #Chatbot #LLM #AIAgents #MachineLearning #VectorDatabase #Automation
Co zostało zaimplementowane:
• Grafy agentów ze stanem — węzły, krawędzie, warunkowe routowanie i pętle
• Rozmowne chatboty z pełną pamięcią i rejestrowaniem rozmów
• Agent ReAct — rozumuje i wywołuje narzędzia w pętli myśl→działaj→myśl
• Asystent dokumentów — interaktywny agent, który tworzy, edytuje i zapisuje pliki tekstowe poprzez wywoływanie narzędzi
• System RAG — ładuje PDF, dzieli go na fragmenty, osadza je za pomocą HuggingFace, przechowuje wektory w ChromaDB i odpowiada na pytania oparte na źródle z cytatami (temperatura=0, aby zminimalizować halucynacje)
Stos technologiczny:
Python 3.12 · LangGraph · LangChain · Groq (LLaMA 3.3 70B, GPT-OSS 120B) · ChromaDB · HuggingFace Embeddings
Te projekty demonstrują praktyczne doświadczenie w agentowych przepływach pracy AI: wywoływanie narzędzi, wieloetapowe rozumowanie, zarządzanie pamięcią i generowanie wzbogacone o wyszukiwanie. Dostępny do pracy freelance przy agentach AI, chatbotach i systemach RAG.
#Python #AI #LangGraph #LangChain #RAG #Chatbot #LLM #AIAgents #MachineLearning #VectorDatabase #Automation