Bądźmy w kontakcie

Plan Szkolenia

Zaawansowana architektura LangGraph

  • Wzorce topologii grafów: węzły, krawędzie, routery, podgrafy
  • Modelowanie stanu: kanały, przekazywanie wiadomości, trwałość
  • Przepływy DAG vs cykliczne i kompozycja hierarchiczna

Wydajność i optymalizacja

  • Wzorce równoległości i współbieżności w Pythonie
  • Cache'owanie, batchowanie, wywoływanie narzędzi i streaming
  • Kontrola kosztów i strategie budżetowania tokenów

Inżynieria niezawodności

  • Retry, timeouty, backoff i circuit breaking
  • Idempotentność i deduplikacja kroków
  • Checkpointing i odzyskiwanie przy użyciu lokalnych lub chmurowych magazynów

Debugowanie złożonych grafów

  • Krokowe wykonywanie i dry runy
  • Inspekcja stanu i śledzenie zdarzeń
  • Reprodukowanie problemów produkcyjnych z użyciem seedów i fixture'ów

Obserwowalność i monitorowanie

  • Strukturalne logowanie i rozproszone śledzenie
  • Metryki operacyjne: opóźnienie, niezawodność, użycie tokenów
  • Pulpity nawigacyjne, alerty i śledzenie SLO

Wdrażanie i operacje

  • Pakowanie grafów jako usługi i kontenery
  • Zarządzanie konfiguracją i obsługa sekretów
  • Pipeline'y CI/CD, rollout'y i canary

Jakość, testowanie i bezpieczeństwo

  • Testy jednostkowe, scenariuszowe i automatyczne eval harnesses
  • Zabezpieczenia, filtrowanie treści i obsługa PII
  • Red teaming i eksperymenty chaosu dla zwiększenia odporności

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie Pythona i programowania asynchronicznego
  • Doświadczenie w rozwoju aplikacji LLM
  • Znajomość podstawowych koncepcji LangGraph lub LangChain

Grupa docelowa

  • Inżynierowie platform AI
  • DevOps dla AI
  • Architekci ML zarządzający systemami LangGraph w produkcji
 35 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie