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 grafowych
- Dlaczego grafy dla aplikacji LLM: orkiestracja vs. proste łańcuchy
- Węzły, krawędzie i stan w LangGraph
- Hello LangGraph: pierwszy uruchamialny graf
Zarządzanie stanem i łańcuchy promptów
- Projektowanie promptów jako węzłów grafu
- Przekazywanie stanu między węzłami i obsługa wyników
- Wzorce pamięci: kontekst krótkoterminowy vs. trwały
Rozgałęzienia, przepływ sterowania i obsługa błędów
- Warunkowe przekierowanie i przepływy pracy z wieloma ścieżkami
- Ponawianie, limity czasowe i strategie awaryjne
- Idempotentność i bezpieczne ponowne uruchomienia
Narzędzia i integracje zewnętrzne
- Wywoływanie funkcji/narzędzi z węzłów grafu
- Wywoływanie REST API i usług w ramach grafu
- Praca ze strukturowanymi wynikami
Przepływy pracy wzbogacone o wyszukiwanie
- Podstawy pozyskiwania i dzielenia dokumentów
- Osadzenia i magazyny wektorowe (np. ChromaDB)
- Uzasadnione odpowiedzi z cytatami
Testowanie, debugowanie i ocena
- Testy jednostkowe dla węzłów i ścieżek
- Śledzenie i obserwowalność
- Kontrole jakości: faktyczność, bezpieczeństwo i determinizm
Podstawy pakowania i wdrażania
- Konfiguracja środowiska i zarządzanie zależnościami
- Udostępnianie grafów za pośrednictwem API
- Wersjonowanie przepływów pracy i aktualizacje stopniowe
Podsumowanie i kolejne kroki
Wymagania
- Znajomość podstaw programowania w Pythonie
- Doświadczenie z REST API lub narzędziami CLI
- Zrozumienie podstawowych koncepcji LLM i inżynierii promptów
Odbiorcy
- Programiści i inżynierowie oprogramowania nowicjusze w orkiestracji LLM opartej na grafach
- Inżynierowie promptów i nowicjusze AI budujący wieloetapowe aplikacje LLM
- Praktycy danych eksplorujący automatyzację przepływów pracy z wykorzystaniem LLM
14 godzin