Plan Szkolenia

Zaawansowana Architektura LangGraph

  • Wzorce topologii grafu: węzły, krawędzie, routery, podgrafy
  • Modelowanie stanu: kanały, przekazywanie wiadomości, trwałość
  • DAG w porównaniu z cyklicznymi przepływami i hierarchiczną kompozycją

Wydajność i Optymalizacja

  • Wzorce równoległości i współbieżności w Pythonie
  • Pamięć podręczna, pakiowanie, wywoływanie narzędzi i strumieniowanie
  • Kontrola kosztów i strategie budżetowania tokenów

Inżynieria Niezawodności

  • Powtarzanie, timeouty, opóźnienia i wyłączanie obwodów
  • Idempotencja i usuwanie duplikatów kroków
  • Punkt kontrolny i odzyskiwanie za pomocą lokalnych lub chmurowych magazynów

Debugowanie Skomplikowanych Grafów

  • Wykonanie kroku po kroku i suche uruchomienia
  • Inspekcja stanu i śledzenie zdarzeń
  • Reprodukowanie problemów produkcyjnych za pomocą ziarna i zamocowań

Obserwowalność i Monitoring

  • Strukturalne logowanie i rozproszone śledzenie
  • Metryki operacyjne: opóźnienie, niezawodność, zużycie tokenów
  • Panel sterowania, alerty i śledzenie SLO

Wdrażanie i Operacje

  • Pakowanie grafu jako usługi i kontenerów
  • Zarządzanie konfiguracją i obsługą tajemnic
  • Pipeliny CI/CD, wdrożenia i kanarki

Jakość, Testowanie i Bezpieczeństwo

  • Jednostkowe, scenariuszowe i automatyczne ramy oceniania
  • Barierki, filtrowanie treści i obsługa PII
  • Red teaming i eksperymenty chaosu dla odporności

Podsumowanie i Kolejne Kroki

Wymagania

  • Zrozumienie języka Python i programowania asynchronicznego
  • Doświadczenie w tworzeniu aplikacji LLM
  • Znajomość podstawowych pojęć LangGraph lub LangChain

Grupa docelowa

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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie