LangGraph

　　・以下の書籍/Udemyでの学習内容の備忘録

　　　　・『LangChainとLangGraphによるRAG・AIエージェント実践入門』

　　　　・『Complete Agentic AI Bootcamp With LangGraph and Langchain』

・基本操作

　　・LangGraphの概念・用語

　　　　  ▶ notebook

　　・LangGraphにより基本的なマルチエージェント構築例

　　　　  ▶ notebook

　　・チェックポイントについて

　　　　  ▶ notebook

　　・マルチエージェント構築例2

　　　　  ▶ notebook

　　・リデューサーとツール呼び出しの基本（ToolNodeの利用）

　　　　  ▶ notebook

　　・複数ツールの利用（最適なツールを一つ選択して実行）

　　　　  ▶ notebook

　　・React型エージェントとメモリ機能について（create_react_agent関数を使わない版）

　　　　  ▶ notebook

　　・create_react_agent関数によるReact型エージェント作成

　　　  　▶ notebook

　　・ストリーム出力について

　　　  　▶ notebook

　　・ヒューマンフィードバックの適用

　　　  　▶ notebook

・Agentic RAG

　　・エージェントによる最適なベクトルDBの選択

　　　 　▶ notebook

　　・ベクトル検索結果に対するセルフリフレクションの適用

　　　 　▶ notebook

　　・クエリ内容を分析して、動的にRAGのクエリを最適化

　　　 　▶ notebook

・エージェントデザインパターン

　　・主要なエージェントデザインパターン

　　　　　▶ notebook

　　・Passive Goal Creator：ユーザーからの具体的な目標を抽出するパターン

　　　　　▶ notebook

　　・Prompt Response Optimizer：生成された目標やユーザー要求を、より効果的なプロンプトに変換しLLMからより質の高い回答を得るパターン

　　　　　▶ notebook

　　・Single-Path Plan Generator：設定された目標を達成するための一連の具体的なステップを生成するパターン

　　　　　▶ notebook

　　　・Multi-Path Plan Generator：タスク分解時に複数の選択肢を同時に生成し、実行時のコンテキストに応じて実行エージェント自身に都度適切な選択をさせるパターン

　　　　　▶ notebook

　　・Self-Reflection and Cross-Reflection：タスクの実行結果をエージェント自身で振り返ることで、その実行内容を自己改善させる

　　　　　▶ notebook

　　・Role-Based Cooperation：AIエージェントが協調してタスク実行

　　　　　▶ notebook

　　・サブクラスに分解して順番に処理

　　　　　▶ notebook

　　・複数ノードが独立して動くことができるときに、並列化を適用

　　　　　▶ notebook

　　・条件分岐による様々なノードへのルーティング

　　　　　▶ notebook

　　・管理エージェントがサブタスクに分解して、作業用エージェントに依頼

　　　　　▶ notebook

　　・LLM出力結果を評価用サブエージェントが評価

　　　　　▶ notebook

・アプリ構築例

　　・Streamlitを用いたLangGraphアプリ

　　　　　▶ notebook

　　・APIによるLangGraphの呼び出し(FastAPI)とLangGraph Studioによるデバッグ

　　　　　▶ notebook