Über 64 Jupyter Notebooks und Tutorials zur Erstellung von GenAI Agents von Grund auf.
Meistern Sie die KI-Agenten-Entwicklung mit praktischen Jupyter Notebooks und Implementierungsmustern.
Dieses Repository bietet über 64 Tutorials und Implementierungen für Generative AI Agents, die von einfachen Chatbots bis hin zu komplexen Multi-Agenten-Setups reichen. Es richtet sich an Entwickler und KI-Praktiker, die codebasierte Beispiele mit LangChain und LangGraph suchen.
Es liefert praktische Python-Implementierungen von Kernmustern für Agenten wie Thinking Budgets, Reflection und Plan-then-Execute-Schleifen. Die Notebooks sind für moderne LangChain- und LangGraph 1.x-Umgebungen mit aktuellen Modell-IDs aktualisiert.
Es eignet sich für Entwickler und Ingenieure, die den Code hinter KI-Agenten verstehen möchten. Es ist nicht geeignet für nicht-technische Benutzer, die eine vorgefertigte Anwendung oder eine No-Code-Plattform suchen.
Entdecken Sie eine wachsende Sammlung von Agenten-Implementierungen und -Mustern.
Erstellen Sie Reflektions-, Planungs- und Werkzeugnutzungsmechanismen von Grund auf.
Greifen Sie auf Code zu, der für den sauberen Import in modernen LangChain- und LangGraph 1.x-Umgebungen konfiguriert ist.
Springen Sie direkt zu Begleitprojekten für RAG, Memory und Prompt Engineering.
Das Repository ist kostenlos nutzbar, wobei das Ausführen der Notebooks API-Aufrufe an kommerzielle LLM-Anbieter erfordert, die Nutzungskosten verursachen.
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Die Notebooks verwenden hauptsächlich Python zusammen mit den Frameworks LangChain und LangGraph.
Nein, jedes Notebook erfordert, dass Sie Ihre eigenen API-Schlüssel des Anbieters bereitstellen.
Zekai zuerst in Google sehen