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
Wprowadzenie do LangGraph i koncepcji grafu
- Dlaczego grafy dla aplikacji LLM: orkiestracja vs. proste łańcuchy
- Węzły, krawędzie i stan w LangGraph
- Witaj LangGraph: pierwszy wykonywalny graf
Zarządzanie stanem i łańcuchowaniem zapytań
- Projektowanie zapytań jako węzłów grafu
- Przekazywanie stanu między węzłami i obsługa wyjść
- Wzorce pamięci: krótkoterminowe vs. zachowane konteksty
Rozgałęzianie, sterowanie przepływem i obsługa błędów
- Warunkowe routowanie i wielościenne przepływy pracy
- Ponowne próby, timeouty i strategie awaryjne
- Idempotencja i bezpieczne ponowne uruchamianie
Narzędzia i zewnętrzne integracje
- Wywołanie funkcji/narzędzi z węzłów grafu
- Wywyływanie API REST i usług w ramach grafu
- Praca ze strukturami wyjściowymi
Przepływy pracy z dodatkowym pobieraniem
- Podstawy ingestowania i czarowania dokumentów
- Zbiorniki wektorowe i embedingi (np. ChromaDB)
- Odpowiedzi oparte na cytatach
Testowanie, debugowanie i ocena
- Testy jednostkowe dla węzłów i ścieżek
- Śledzenie i obserwowalność
- Sprawdzanie jakości: faktyczność, bezpieczeństwo i determinizm
Podstawy pakowania i wdrażania
- Konfiguracja środowiska i zarządzanie zależnościami
- Obsługa grafów za pomocą API
- Wersjonowanie przepływów pracy i aktualizacje w krokach
Podsumowanie i następne kroki
Wymagania
- Zrozumienie podstawowego programowania w języku Python
- Doświadczenie z API REST lub narzędziami CLI
- Znałosc pojęć LLM i podstaw inżynierii promptów
Audience
- Developers i inżynierowie oprogramowania, nowicjusze w zakresie orchestracji LLM opartych na grafach
- Inżynierowie promptów i nowicjusze w dziedzinie AI, budujący aplikacje LLM o wielu krokach
- Praktycy danych eksplorujący automatyzację przepływów pracy z LLM
14 godzin