使用 LangChain + LangGraph 生產上線的 AI 代理 [2026]

精通 RAG、多代理( multi-agent )系統、LangGraph 和 FastAPI – 使用 Python 建構和部署真實世界的 AI Agemt 專案

從這 17 小時的課程，你會學到

使用 LangChain v.1 的 LCEL 建立可組合的 LLM 鏈，支援結構化輸出、串流處理、批次處理和多提供者切換。
實現生產級 RAG 管線( pipelines )，採用智慧分塊、向量儲存和 4 種進階檢索模式：多查詢、上下文壓縮和混合搜尋。
使用 LangGraph 狀態機、條件路由、自糾錯循環和人機協作審批工作流程設計有狀態 AI 代理( agemt )程式。
使用監督模式、代理交接、並行執行和分層團隊結構編排多代理系統。
使用生產級防禦層保護 LLM 應用程式免受提示注入、PII 洩漏和輸出篡改的攻擊。
使用單元測試、整合測試和語義評估（涵蓋正確性、相關性和一致性）來測試和評估 LLM 系統。
使用 FastAPI、速率限制、回應快取、結構化日誌記錄、指標、LangSmith 追蹤和 Docker 部署生產 API。
建構 3 個實際應用：客戶支援代理和多代理研究。系統和程式碼審查代理，各自都具有可衡量的業務投資回報率。

要求

Python 中級程度－熟練功能、類別、裝飾器和類型提示
具備基本的命令列操作能力－能夠建立目錄、執行腳本和安裝軟體包
需要一款程式碼編輯器，例如 VS Code（免費），以及一個 OpenAI API 金鑰（整個課程費用為 2-5 美元）
無需任何 LangChain 或 LangGraph 使用經驗——第一部分將從零開始講解所有基礎知識。

課程說明

別再再做 AI 示範了。開始交付能在生產環境中處理真實工作負載的 AI 代理程式。

大多數 LangChain 和 LangGraph 教學只教你如何呼叫 LLM（邏輯邏輯模型），而當你需要建立實際應用程式時，就讓你自己摸索了。

本課程將從這些教程的起點繼續講解。從第一講開始，你將使用與 2026 年企業願意支付 15 萬美元年薪的相同模式，建立可用於生產環境的 AI 代理系統。

本課程以專案為先，以生產環境為先，涵蓋 LangChain v0.3、LangGraph 1.0、RAG 管線、多代理編排、安全性、測試、LangSmith 可觀測性、FastAPI 部署和 Docker。

所有程式碼均使用截至 2026 年 1 月的最新穩定版 API。

你將建構：

客戶支援代理：基於 RAG 的知識庫，採用 Chroma 介面，實現結構化問題分類和自動工單升級。目標：將一級支持工單減少 40%。
多代理研究系統：多個專業代理並行運行，具備狀態管理、收斂模式和品質循環功能。目標：將研究時間從 4 小時縮短至 20 分鐘。
生產環境 FastAPI + LangGraph API：完整的請求管道，包含安全中間件、回應快取、速率限制、結構化日誌記錄、指標、LangSmith 追蹤以及 Docker 部署到渲染器。

你將學到：

LangChain v0.3 精通：LCEL 鍊式結構化、使用 Pydantic 進行結構化輸出、多提供者 LLM 切換（OpenAI、Anthropic、HuggingFace）、串流處理和批次處理
完整的 RAG 管線：文件載入、智慧文字分割、嵌入、使用 Chroma 進行向量存儲，以及 4 種高階檢索模式：多查詢、上下文壓縮、混合搜尋和父文件檢索
LangGraph 深度解析（4 小時）：使用 TypedDict 的狀態機、條件路由、自糾錯循環、具有中斷模式的人機互動工作流程以及檢查點持久化
多代理編排：主管模式、智慧體交接、使用扇出和扇入的平行執行、智慧體間通訊以及層級式團隊結構
生產環境安全：使用正規表示式模式進行提示注入防禦、電子郵件、社保號碼和信用卡個人識別資訊 (PII) 的偵測和遮罩、LLM 作為安全防護模式和輸出驗證
LLM 測試與評估：單元測試（含模擬測試）、整合測試、回歸測試、A/B 提示測試，以及基於正確性、相關性、一致性和實用性的語義評分
生產部署：FastAPI 整合、速率限制、使用 SHA-256 雜湊和 TTL 的回應快取、結構化 JSON 日誌、指標收集、LangSmith 追蹤、Docker 以及雲端部署到渲染平台

本課程的獨特之處在於：

大多數人工智慧課程止步於簡單的「Hello World」演示。而本課程從一開始就以生產環境為導向。每個概念都透過可運行、可部署的程式碼進行講解。安全性和測試是專門的模組，而非事後補救。您將在整個過程中實現錯誤處理、回退機制、成本最佳化和監控。最終的 API 專案會將所有內容整合到一個您可以實際部署的系統中。

如果您符合以下條件，那麼本課程非常適合您：

您是一位 Python 開發人員，希望將 AI 代理工程技能加入您的工具包中。
您已完成 LangChain 教程並可以調用 LLM，但不知道如何建立能夠處理錯誤、可擴展且在生產環境中保持穩定的系統。
您是後端或全端開發人員，希望將 AI 代理整合到現有產品和 API 中。
您的目標職位是 AI 工程師，需要展示已部署的真實專案作品集來向雇主證明您的能力。

要求：

中級 Python 水平（函數、類別、裝飾器、類型提示）
基本的命令列操作
OpenAI API 金鑰（整個課程大約需要 2 到 5 美元）
無需 LangChain 或 LangGraph 使用經驗

關於講師：

Paulo Dichone 是一位人工智慧工程師和教育家，擁有超過 34 萬名學員，開設 71 門課程。本課程中的所有模式均來自真實的生產系統。您將學習經過實戰檢驗的方法、技巧以及在建立實際運行的人工智慧應用程式過程中累積的經驗教訓。

目標受眾

希望將 AI 代理技能添加到工具包並建立實際應用程式（而不僅僅是學習教程）的 Python 開發人員
希望將 AI 代理整合到現有產品和 API 中的後端或全端開發人員
掌握基礎知識後仍無法繼續深造的工程師——您已經完成了 LangChain 教程並可以調用 LLM，但不知道如何構建一個能夠處理錯誤、可擴展且在生產環境中不會崩潰的系統
目標是 AI 工程師職位的職業轉型者——到 2026 年，企業將為具備這些技能的人才支付 25% 的溢價

講師簡介

Paulo Dichone | 軟體工程師, AWS Cloud 從業者 & 講師 Android、Flutter、AWS、最暢銷講師

大家好，我是 Paulo——你精通開發、雲端運算和人工智慧工程的導師

我熱衷於幫助學習者成長，有幸在 175 個國家教授超過 35 萬名學生。無論你是想深入學習 Android、Java、Flutter、AWS 雲，還是探索人工智慧工程領域，我都會幫助你充分發揮潛力。

我的專長

我擁有豐富的實務經驗，涵蓋以下領域：

人工智慧工程
行動應用開發（Android 和 iOS）
跨平台開發（Flutter、Dart 和 JavaFX）
AWS 雲端解決方案

現在，我也專注於人工智慧工程領域，幫助開發者在專案中充分利用機器學習和自動化技術。

我的使命

無論你處於學習旅程的哪個階段 – 無論你是剛起步還是希望提升高級技能 – 我的課程旨在幫助你成為一名卓越的開發者和 AWS 雲端從業者，能夠應對現實世界的挑戰。除了程式設計之外，我喜歡陪伴家人，彈吉他和曼陀林，以及抓住一切機會旅行。

準備好開始了嗎？

Paulo 在 Udemy 提供超過 60 門課程。以下是幾門你可以考慮的幾門課，點 Paulo Dichone 講師連結看所有他提供的課程.：

如果你對 Android 開發和我的課程不熟悉，我建議你從我最全面的 Android 課程開始：

全面的 Android 應用開發大師班 – 你將學習 Android 開發入門所需的一切 – 無需任何經驗！

下一個：

完整的中級 Android 大師班 – 你將學習中級 Android 主題，例如工作管理器 API、ROOM 資料庫以及在 Android 後台工作。

跨平台開發課程和網路相關（建立 iOS 和 Android 行動應用程式）：

Flutter & Dart – 完整的 Flutter 應用程式開發課程 – 學習 Dart 程式語言並使用單一程式碼庫建立 iOS 和 Android 應用程式。
Angular ＆ Dart – 使用 Angular 和 Dart 建立動態 Web 應用程式 – 釋放最常用的 Web 開發框架之一 Angular 和 Dart 的強大功能來建立動態 Web 應用程式。
TornadoFX – 使用 Kotlin 建立 JavaFX 應用程式 – 利用現代程式語言、Kotlin 和 JavaFX 程式庫建立令人驚嘆的桌面應用程式

對於 AWS 雲端課程：