Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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