26. Постоянная память агента: сохранение контекста с LangChain и PostgreSQL | Python | Практика п...

Постоянная память | Постоянная память агента с LangChain и PostgreSQL | Python 🚀🚀 | Пошаговое руководство | Демонстрация кода #llm #agenticai В этом видео вы узнаете, как: Добавить постоянную память для агента ИИ LangChain с использованием PostgreSQL. Понять разницу между PostgresSaver и PostgresStore. Установить PostgreSQL на macOS с помощью Homebrew и на Windows. Настроить зависимости Python с помощью uv и подключить модель Groq. Использовать checkpointer.setup() для подготовки таблиц базы данных. Сохранять и возобновлять разговоры после перезапусков, используя один и тот же идентификатор потока. Получить фактическую историю чата с помощью agent.get_state() и проверить базу данных. Следуйте за демонстрацией в VS Code и создайте агента ИИ, который помнит ваше имя! Репозиторий Github с кодом и инструкциями: https://github.com/NawazAli20/Persist... Временные метки видео: 00:00 – Введение и что мы разрабатываем 02:15 – Почему постоянная память важна для агентов ИИ 04:30 – Обзор технологического стека: LangChain и PostgreSQL 07:10 – Настройка и подключение к базе данных PostgreSQL 10:00 – Установка необходимых зависимостей и библиотек 12:45 – Разработка схемы истории чата / памяти 15:30 – Инициализация агента LangChain 18:50 – Интеграция памяти на основе PostgreSQL с LangChain 22:15 – Демонстрация кода в реальном времени: запуск многошаговых диалогов 25:40 – Проверка истории сессий и сохранения данных в PostgreSQL 28:30 – Обработка граничных случаев Советы по управлению памятью 31:10 – Краткий обзор и дальнейшие шаги Полный плейлист по LLM и Agentic AI:    • 🚀 LLMs & Agentic AI Masterclass  (2026) | ...   Плейлист по React и MongoDB:    • Web Development using React Framework & ME...   Долговременная память Langchain: https://docs.langchain.com/oss/python... Промежуточное ПО Langchain: https://docs.langchain.com/oss/python... https://docs.langchain.com/oss/python... Кратковременная память Langgraph: https://docs.langchain.com/oss/python... Интеграция инструментов Langchain: https://docs.langchain.com/oss/python... Ключ API поиска Tavily: https://app.tavily.com/playground Ключ API GROQ: https://console.groq.com/playground Карта Openweather (API стороннего разработчика): https://openweathermap.org/ Ссылка на код чат-бота на Github: https://github.com/NawazAli20/LLMChatBot Ссылка на код для адаптации к LLM на Github: https://github.com/NawazAli20/LLMsIntro Освойте большие языковые модели (LLM) и агентный ИИ, создавая реальные приложения ИИ с нуля, используя Python. Этот практический плейлист проведет вас от основ до готовых к внедрению систем искусственного интеллекта с помощью пошагового кодирования, практических проектов и лучших практик. Вы научитесь создавать интеллектуальных агентов ИИ, используя LangChain, LangGraph, LiteLLM, LangSmith, Ollama, OpenAI и другие ведущие фреймворки. 📚 Что вы узнаете ✅ Настройка среды UV и Python ✅ API LLM и разработка подсказок ✅ Структурированные выходные данные и вызов инструментов ✅ ИИ-агенты и глубокие агенты ✅ Управление памятью и диалогами ✅ LangChain и LangGraph ✅ RAG и Agentic RAG ✅ Многоагентные системы ✅ Тонкая настройка LLM ✅ MCP для внешних инструментов и сервисов ✅ Защитные механизмы и безопасность ИИ ✅ Оценка LLM и наблюдаемость LangSmith ✅ Локальные LLM с Ollama ✅ Развертывание в производственной среде (локально и в облаке) Независимо от того, являетесь ли вы студентом, программистом, исследователем или энтузиастом ИИ, этот плейлист поможет вам уверенно создавать современные, готовые к производству приложения ИИ. 🚀 Учитесь • Создавайте • Внедряйте • Внедряйте инновации #LLM #AgenticAI #GenerativeAI #ArtificialIntelligence #Python #LangChain #LangGraph #OpenAI #Ollama #LiteLLM #LangSmith #RAG #AgenticRAG #MultiAgent #AIAgents #PromptEngineering #MachineLearning #AIEngineering #AIDevelopment #LLMTutorial