Практическое руководство по изучению LangChain и LangGraph для создания готовых к эксплуатации AI- и LLM-приложений. Рассмотрены основы работы с большими языковыми моделями (LLM), извлечение и индексация данных для генерации, дополненной поиском (retrieval-augmented generation, RAG), организация памяти чат-ботов через StateGraph. Детально разобраны когнитивные архитектуры (цепочки, маршрутизаторы, агентные циклы «планирование-действие»),построение многомодульных и мультиагентных систем. Приведены паттерны эффективного использования LLM: структурированный вывод, потоковая передача, режимы с участием человека. Отдельные главы посвящены развертыванию созданных приложений на платформе LangGraph — конфигурации, локальному тестированию, работе со студией LangGraph, а также комплексной оценке приложений: трассировке и сбору обратной связи в рабочей среде. Книга предлагает работающий код, примеры оптимизации индексации и приемы рансформации запросов.
Prakticheskoe rukovodstvo po izucheniyu LangChain i LangGraph dlya sozdaniya gotovykh k ekspluatatsii AI- i LLM-prilozheniy. Rassmotreny osnovy raboty s bolshimi yazykovymi modelyami (LLM), izvlechenie i indeksatsiya dannykh dlya generatsii, dopolnennoy poiskom (retrieval-augmented generation, RAG), organizatsiya pamyati chat-botov cherez StateGraph. Detalno razobrany kognitivnye arkhitektury (tsepochki, marshrutizatory, agentnye tsikly planirovanie-deystvie),postroenie mnogomodulnykh i multiagentnykh sistem. Privedeny patterny effektivnogo ispolzovaniya LLM: strukturirovannyy vyvod, potokovaya peredacha, rezhimy s uchastiem cheloveka. Otdelnye glavy posvyashcheny razvertyvaniyu sozdannykh prilozheniy na platforme LangGraph konfiguratsii, lokalnomu testirovaniyu, rabote so studiey LangGraph, a takzhe kompleksnoy otsenke prilozheniy: trassirovke i sboru obratnoy svyazi v rabochey srede. Kniga predlagaet rabotayushchiy kod, primery optimizatsii indeksatsii i priemy ransformatsii zaprosov.
