Фреймворки для агентного ИИ: подробный разбор | LangChain, LangGraph, CrewAI, Agno, Google ADK и ...

В этом доступном для начинающих занятии от Naveen TechHub вы узнаете, как фреймворки Agentic AI помогают связать LLM с инструментами, памятью, рабочими процессами, поиском, состоянием и логикой приложений. Начнём с основ: • Зачем нужны фреймворки для агентного ИИ • Чем агент ИИ отличается от простого вызова LLM • Подходы на основе кода против подходов без кода / с минимальным кодом • Agno, LangChain, LangGraph, CrewAI, Google ADK и OpenAI Agents SDK • Где каждый фреймворк находится • LangChain как уровень абстракции и оркестровки • Простая архитектура чат-бота для компании • RAG-поток с ретриверами и документами компании • LangChain против LangGraph против LangSmith • Модули Python, пакеты, функции, методы, классы, объекты и импорт • Первый практический вызов модели LangChain • Как перейти от базового приложения LLM к настоящему агенту ИИ Это видео предназначено для начинающих, разработчиков, инженеров ИИ/машинного обучения и всех, кто начинает работать с агентным ИИ. К концу вы должны чётко понимать основы, необходимые перед созданием агентов ИИ, использующих инструменты и сохраняющих состояние. Следующее видео: Создайте своего первого ИИ-агента с помощью инструментов LangChain Подпишитесь на Naveen TechHub, чтобы получать практические уроки по ИИ, GenAI, Agentic AI, облачным технологиям, DevOps и разработке программного обеспечения. #AgenticAI #LangChain #LangGraph #CrewAI #Agno #OpenAI #GoogleADK #GenerativeAI #AIagents #Python #RAG #NaveenTechHub