Локальный агентный AI-воркфлоу — LangGraph, Ollama и Qwen (100% локально и бесплатно) — преобразо...

Хотите создать приложение на основе ИИ, способное анализировать сложные визуальные данные, расшифровывать неразборчивый почерк и автоматически исправлять собственные ошибки — и всё это без единой платы за облачные API? В этом видео мы создаём полностью локальный, бесплатный и готовый к использованию в производственной среде рабочий процесс Agentic AI Vision, используя LangGraph, Ollama, Qwen 2.5-VL и FastAPI. Мы шаг за шагом показываем, как преобразовать неразборчивую рукописную спортивную таблицу результатов в идеально структурированные и проверенные данные JSON. Вместо традиционного линейного скрипта, который зависает при опечатке, мы используем «Agentic Loop», где узел валидатора на Python обнаруживает ошибки ИИ, генерирует обратную связь и заставляет модель самостоятельно исправлять ошибки в реальном времени. 📝 ПРОЧИТАЙТЕ ПОЛНЫЙ АРХИТЕКТУРНЫЙ ПРОЕКТ В МОЕМ БЛОГЕ: 👉 https://mydevexperience.wordpress.com... 💻 ПОЛНЫЙ КОД ЗДЕСЬ: 👉 [https://github.com/ajbgm/agentic-badm...] 🚀 ИНСТРУМЕНТЫ, ИСПОЛЬЗОВАННЫЕ В ЭТОМ ВИДЕО: • Ollama: Локальный инструмент запуска моделей для бесперебойного развертывания в автономном режиме • Qwen 2.5-VL: Флагманская модель распознавания текста и языка Alibaba с невероятной точностью пространственного OCR • LangGraph: Оркестрация с сохранением состояния для многоагентных циклов и самокоррекции • Power Automate: Оркестрация облачных рабочих процессов, связывающая загрузку файлов из OneDrive с нашими API • ngrok: Безопасное туннелирование для предоставления доступа к вашей локальной конечной точке FastAPI облачным веб-хукам • FastAPI и Uvicorn: Высокопроизводительный бэкэнд API-уровень