langgraph-fundamentals

द्वारा langchain-ai

We need to translate the given English text to Hindi. The text describes a directed graph framework for agent workflows. We must preserve the name "langgraph-fundamentals" but it's not in the source text, so we ignore. No extra labels. Translate accurately, keeping technical terms like "StateGraph", "reducers", "Send API", "Invoke", etc. as is or with appropriate Hindi transliteration? The instruction says preserve technical terms, so likely keep them in English. But we can translate the surrounding words. For example, "Directed graph framework" -> "निर्देशित ग्राफ ढांचा". "stateful, multi-step agent workflows" -> "स्टेटफुल, बहु-चरण एजेंट वर्कफ़्लो". "fine-grained control" -> "सूक्ष्म नियंत्रण". "StateGraph with typed state schemas" -> "टाइप किए गए स्टेट स्कीमा के साथ StateGraph".

npx skills add https://github.com/langchain-ai/langchain-skills --skill langgraph-fundamentals

ZIP डाउनलोड करें GitHub

langchain-ai की और Skills

arXiv पर विषय के अनुसार प्रीप्रिंट और शैक्षणिक पेपर खोजें, सार पुनर्प्राप्ति के साथ। भौतिकी, गणित, कंप्यूटर विज्ञान, जीव विज्ञान, सांख्यिकी और संबंधित क्षेत्रों में क्वेरी-आधारित खोज। कॉन्फ़िगरेबल परिणाम सीमा (डिफ़ॉल्ट 10 पेपर) जिसमें परिणाम प्रासंगिकता के अनुसार क्रमबद्ध होते हैं। प्रत्येक मिलान पेपर के लिए शीर्षक और सार लौटाता है। arxiv Python पैकेज की आवश्यकता है; यदि पहले से म

लंबे-फॉर्म ब्लॉग पोस्ट लेखन जिसमें शोध प्रतिनिधि, संरचित सामग्री टेम्पलेट और AI-जनित कवर इमेज शामिल हैं। लिखने से पहले उप-एजेंटों को शोध सौंपता है, निष्कर्षों को संदर्भ और संदर्भ के लिए मार्कडाउन में संग्रहीत करता है। पांच-भाग वाली पोस्ट संरचना लागू करता है: हुक, संदर्भ, मुख्य सामग्री (3–5 खंड), व्यावहारिक अनुप्रयोग, और कॉल-टू-एक्शन के साथ निष्कर्ष। विस्तृत प्रॉम्प्ट का उपय

परिवर्तनों की संरचित कोड समीक्षा करें, शुद्धता, शैली, परीक्षण और संभावित समस्याओं की जाँच करें।

उपयोगकर्ता की कोडिंग प्राथमिकताओं को /memory/coding-prefs.md से पढ़ें, इससे पहले कि कोई गैर-सामान्य शैली निर्णय लिया जाए, और जब उपयोगकर्ता नई प्राथमिकताएँ देता है तो उन्हें जोड़ें…

competitor-analysis

जब प्रतिस्पर्धियों का विश्लेषण करने के लिए कहा जाए:

GPU-त्वरित डेटा विश्लेषण के लिए डेटासेट, CSV या सारणीबद्ध डेटा पर NVIDIA cuDF का उपयोग करें। तब ट्रिगर होता है जब कार्यों में groupby एकत्रीकरण, सांख्यिकीय... शामिल हों।

cuml-machine-learning

GPU-त्वरित मशीन लर्निंग के लिए NVIDIA cuML का उपयोग करके सारणीबद्ध डेटा पर कार्य करें। यह तब सक्रिय होता है जब कार्यों में वर्गीकरण, प्रतिगमन, क्लस्टरिंग, आयामी कमी... शामिल होती है।

data-visualization

प्रकाशन-गुणवत्ता वाले चार्ट और बहु-पैनल विश्लेषण सारांश बनाने के लिए उपयोग करें। तब सक्रिय होता है जब कार्यों में डेटा विज़ुअलाइज़ करना, परिणाम प्लॉट करना, बनाना शामिल होता है…